Метод имитационного моделирования

Имитационное моделирование – это искусственный эксперимент, при котором вместо проведения сложных натурных испытаний (с реальными объектами) проводятся специальные опыты на моделях.

Имитационные (симуляционные, игровые) модели, как следует из названия, позволяют смоделировать, воспроизвести некоторую реальную или гипотетическую ситуацию и определить, как в этой новой ситуации поведет себя изучаемый объект. Это, в свою очередь, позволяет произвести предварительную проверку различных вариантов возможных действий по изменению существующей ситуации и сформулировать рекомендации, технологии внедрения инноваций.

Отметим, что имитационная модель должна включать в себя механизмы подстановки новых параметров и новой информации. Особенность этих механизмов заключается в том, что они позволяют увидеть как модель, через зафиксированные закономерности, будет воспринимать новые данные. Эти закономерности смогут дать характеристику возможного поведения модели в различных условиях, что позволяет провести целую серию экспериментов с моделью и, только выбрав лучший вариант, перейти к изменению реальности.

Можно имитировать будущий спрос на товары и услуги, будущие выходы из строя аппаратов и устройств, поломки оборудования, потребности в материальных ресурсах и т.д. В результате проведенного эксперимента мы получим информацию о прибыльности и рентабельности предприятий, о возможностях загрузки оборудования, о динамике запасов на складе и т.д.

Информация, полученная в ходе имитационного моделирования, позволяет строить достоверные прогнозы, стратегические и оперативные планы, снизить риск непредвиденных сбоев в системе управления.

Имитационное моделирование проводится в два этапа:

• Разработка модели исследуемого процесса;

• Проведение экспериментов на этой модели с целью прогнозирования будущего состояния системы.

На практике при проведении имитационного моделирования применяют компьютер путем введения соответствующей модели, исходной информации о процессе и начальных условий. На основе этих и других данных определяются выходные параметры исследуемого процесса и тем самым прогнозируются возможные последствия. Очевидно, что получаемый результат, вообще говоря, зависит от входных параметров.

Если же эти параметры могут принимать случайные значения, то такое моделирование называется статистическим моделированием в случайных условиях. В основе этого моделирования лежит метод статистических испытаний (метод Монте-Карло).

Идея метода Монте-Карло состоит в реализации «розыгрышей» - моделирования случайного явления с помощью некоторой процедуры, дающей случайный результат. В соответствии с этим методом при моделировании с использованием вычислительной техники выполняют некоторое количество (множество) реализаций исследуемого объекта или процесса. Затем результаты такого моделирования обрабатывают с использованием методов математической статистики. При этом могут определять тип и параметры распределения случайной величины. Например, для нормально распределенной случайной величины могут оценивать математическое ожидание и среднеквадратическое отклонение[8].