- •Лекции по дисциплине «имитационное моделирование» Введение Основные понятия имитационного моделирования
- •Условия существования моделей
- •Типовые задачи, решаемые средствами им при управлении экономическими объектами
- •Основные этапы машинного моделирования систем
- •Правила и способы реализации моделей на эвм
- •Обзор программных систем имитационного моделирования
- •Разработка имитационных моделей в среде gpss
- •Объекты
- •Часы модельного времени
- •Типы операторов
- •Блоки языка gpss
- •Управление продолжительностью процесса моделирования
- •Элементы, отображающие одноканальные обслуживающие устройства
- •Переход транзакта в блок, отличный от последующего
- •Моделирование многоканальных устройств
- •Примеры построения gpss-моделей
- •Переменные
- •Определение функции в gpss
- •Моделирование неравномерных случайных величин
- •Моделирование вероятностных функций распределения в gpss-World
- •Табулирование результатов экспериментов
- •Сча транзакты
- •Математические предпосылки создания имитационной модели Процессы массового обслуживания в экономических системах
- •Системы с одним устройством обслуживания
- •Многоканальные смо
- •Вероятностное моделирование Метод Монте-Карло
- •Способы необходимой сходимости метода Монте-Карло
- •Определение количеств реализаций при моделировании случайных величин
- •Сбор статистических данных для получения оценок характеристик случайных величин
- •Получение и преобразование случайных чисел. Датчики случайных чисел
- •Получение случайных чисел с заданным законом распределения
- •Метод Неймана (разыгрывания случайной величины)
- •Проверка гипотез по категориям типа событие – явление – поведение
- •Риски и прогнозы
- •Распределительные процессы
- •Процессы обслуживания клиентов
- •Процессы управления разработками проектов
- •Имитация информационных ресурсов
- •Денежные ресурсы
- •Перспективные направления моделирования бизнеса
- •Оценка качества имитационной модели
- •Оценка адекватности модели
- •Оценка устойчивости системы
- •Оценка чувствительности имитационной модели
- •Калибровка модели
Оценка качества имитационной модели
- является завершающим этапом ее разработки и имеет две цели:
проверить соответствие модели ее предназначению, т.е. целям исследования;
оценить достоверность и характеристики результатов, получаемые при проведении модельных экспериментов.
При аналитическом моделировании достоверность результатов определяется двумя факторами:
корректным выбором математического аппарата, используемого для описания исследуемой системы;
методической оценкой, присущей данному математическому методу.
При имитационном моделировании на достоверность результатов влияет ряд дополнительных факторов, основными из которых являются:
а) моделирование случайных факторов, основанное на использовании датчиков случайных чисел, которые могут вносить «искажения» в поведение модели;
б) наличие нестационарного режима работы модели;
в) использование нескольких разнотипных математических методов в рамках одной модели;
г) зависимость результатов моделирования от плана эксперимента;
д) необходимость синхронизации работы отдельных компонентов модели;
е) наличие модели рабочей нагрузки, качество которой зависит, в свою очередь, от тех же факторов.
Пригодность имитационной модели для решения задач исследования характеризуется тем, в какой степени она обладает так называемыми целевыми свойствами, основными из которых являются:
адекватность;
устойчивость;
чувствительность.
Оценка адекватности модели
В общем случае под адекватностью понимают степень соответствия модели такому реальному явлению, процессу, для описания которого она строится. Однако, создаваемая модель ориентирована, как правило, на исследование определенного подмножества свойств объекта.
Поэтому можно считать, что адекватность модели определяется степенью ее соответствия не столько реальному объекту, сколько целям исследования.
В наибольшей степени это справедливо относительно моделей, проектируемых систем, т.е., когда реальные системы еще не существует.
Для формального подтверждения (обоснования) адекватности модели разработаны различные методы, наиболее распространенные из которых основываются на методах математической статистики, суть которых заключается в проверке выдвинутой гипотезы об адекватности модели.
Замечание: при проверке гипотезы методами мат. статистики следует иметь в виду, что статистические критерии не могут доказать ни одной гипотезы, они могут указать лишь на отсутствие опровержения.
Процедура оценки основана на сравнении измерений на реальной системе и результатов эксперимента на модели и может проводиться разными способами:
по средним значениям откликов модели и системы;
по дисперсиям отклонений откликов модели от среднего значения откликов системы;
по максимальному значению относительных отклонений откликов модели от откликов системы.
Отметим, что статистические методы применимы лишь в том случае, если оценивается адекватность модели существующей системы (на проектируемой системе это невозможно).
Единственный способ преодолеть это препятствие заключается в том, чтобы в качестве объекта принять концептуальную модель проектируемой системы. Тогда оценка адекватности реализуемой модели заключается в том, чтобы проверить, насколько корректно она отражает концептуальную модель. Эта система сходна с проверкой корректности любой компьютерной программы, и соответственно, решать ее можно с помощью тестирования.