- •Шпаргалки по имэп
- •Вопрос 1. Системы: основные понятия и определения.
- •Вопрос 2. Понятие модели. Классификация систем и моделей.
- •Классификация систем и моделей.
- •Вопрос 3. Принципы системного подхода в моделировании систем.
- •Вопрос 4. Имитационное моделирование. Метод статистического моделирования.
- •Вопрос 5. Основные подходы к построению математических моделей систем.
- •Вопрос 6. Дискретно-событийные системы и модели. Схема алгоритма моделирования стохастических дискретно-событийных систем.
- •Вопрос 7. Основные математические схемы моделирования систем и процессов (d,f,p,q – схемы).
- •Вопрос 8. Случайные потоки однородных событий: основные определения и свойства.
- •Вопрос 14. Системы массового обслуживания: основные определения и свойства.
- •Заявки принимаются к обслуживанию
- •Вопрос 18. Моделирование случайных событий и дискретных величин.
- •Вопрос 24. Стратегическое планирование машинных экспериментов с моделями систем.
- •Вопрос 26. Задачи обработки результатов моделирования.
- •Вопрос 30. Регрессионный анализ результатов моделирования.
- •Вопрос 33 Общие сведения о формате операторов gpss. Формат и действие блоков generate и terminate.
- •Вопрос 34 Элементы gpss, отображающие одноканальные обслуживающие устройства. Блоки seize, release, advance.
- •Вопрос 35 Сбор статистики об ожидании. Блоки queue, depart.
- •Вопрос 36 Переход транзакций в блок, отличный от последующего. Блок transfer (все режимы).
- •Вопрос 37 Моделирование многоканальных устройств. Определение емкости мку. Формат и действие блоков enter и leave.
- •Вопрос 41 Стандартные числовые атрибуты системы и транзактов, параметры транзактов.
- •Вопрос 42 Блоки assign, mark,loop (формат и примеры использования).
- •Вопрос 44 Сохраняемые величины. Операторы initial и savevalue.
- •Вопрос 46 Проверка числовых выражений. Блок test.
- •Вопрос 50 Логические ключи. Блоки управления потоками транзактов: logic, gate lr,gate ls и gate.
Вопрос 4. Имитационное моделирование. Метод статистического моделирования.
Имитационное моделирование (в широком смысле) - есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках накладываемых ограничений) различные стратегии, обеспечивающие функционирование данной системы.
Имитационное моделирование (в узком смысле) - это представление динамического поведения системы посредством продвижения ее от одного состояния к другому в соответствии с хорошо известными операционными правилами (алгоритмами).
Итак, для создания имитационной модели надо выделить и описать состояния системы и алгоритмы (правила) его изменения. Далее это записывается в терминах некоторого инструментального средства моделирования (алгоритмического языка, специализированного языка) и обрабатывается на ЭВМ.
Имитационное моделирование, при котором воспроизводятся случайные явления, называется статистическим имитационным моделированием. Случайные факторы при построении компьютерной модели имитируются при помощи случайных чисел, формируемых ЭВМ. Таким образом, под статистическим имитационным моделированием понимают построение имитационной модели существующего или гипотетического (предполагаемого, разрабатываемого) объекта, учитывающей случайные явления, и проведение экспериментов на этой модели. Статистическое имитационное моделирование (СИМ) базируется на численном статистическом методе решения математическим задач, называемых методом Монте-Карло.
Использование СИМ позволяет моделировать любые объекты, в том числе социально-экономические, с учетом большого числа факторов, при практически любых законах распределения случайных входных параметров.
Метод Монте-Карло является основным принципом моделирования систем, содержащих стохастические или вероятностные элементы. Его зарождение связано с работой фон Неймана и Улана в конце 40-х годов XX–ого века, когда они ввели термин «Монте-Карло» и применили этот метод к решению задач ядерных излучений. Применение метода оказалось настолько успешным, что он получил распространение и в других областях науки и техники, включая экономические науки.
В методе Монте-Карло данные предшествующего опыта вырабатываются искусственно путем использования некоторого генератора случайных чисел в сочетании c интегральной функцией распределения вероятностей для исследуемого процесса. При зарождении метода таким генератором являлись таблицы случайных величин, игральные кости или колесо рулетки, в настоящее время практически всегда генератором случайных чисел является компьютерная программа.
При каждой новой серии испытаний, т.е. при каждом моделировании, результаты будут несколько изменяться, но при увеличении числа испытаний в серии результаты будут все более и более стабилизироваться, стремясь к постоянным величинам, равным математическим ожиданиям (мера среднего значения случайной величины в теории вероятностей) определяемых величин.
СИМ состоит из большого числа испытаний (прогонов), поэтому этот метод иначе называют методом статистических испытаний.
СИМ позволяет сделать выводы о поведении системы:
без ее построения, если это проектируемая система;
без вмешательства в ее функционирование, если это действующая система, экспериментирование с которой невозможно или нежелательно (дорого, опасно);
без ее разрушения, если цель эксперимента состоит в определении предельного воздействия на систему.