
- •1. Система, системные признаки, классификация систем.
- •2. Целостные и суммативные системы.
- •3. Моделирование как метод научного познания и подход к анализу и синтезу сложных систем.
- •4. Назначение моделирования и его место среди других наук.
- •5. Сложные системы как объекты моделирования.
- •6. Системный подход в моделировании сложных систем.
- •7. Модели: параметры и характеристики.
- •8. Адекватность моделей.
- •9. Виды моделей, иерархия моделей.
- •10. Характеристика и классификация абстрактных моделей.
- •11. Имитационные модели (общее описание).
- •12. Примеры математических моделей (анал. И имитационных).
- •13. Методы расчета математических моделей.
- •14. Харарактеристика имитационных методов расчета матем моделей.
- •15.Сравнительный анализ аналитических и имитационных моделей.
- •16.Классификация и характеристика типовых математических моделей.
- •17.Общая хар-ка q-моделей.
- •18. Общая характеристика обобщенных (агрегатных) моделей.
- •19. Технология моделирования. Основные этапы.
- •20. Концептуальные модели.
- •21. Формирование критериев при моделировании.
- •22. Планирование экспериментов с моделью
- •23. Общая характеристика метода статистических испытаний (Монте-Карло).
- •24. Примеры использования метода статистических испытаний.
- •25. Стохастические сетевые модели: параметры и характеристики.
- •26. Сети массового обслуживания: параметры, характеристики, классификация.
- •27.Теоретические основы статич моделирования
- •28.Выбор длительности машинного эксперимента.
- •29.Оценка результатов имитационного моделирования: статические оценки и доверительные интервалы
- •31.Псевдослучайные числа и их использование в моделировании.
- •32.Алгоритмические способы генерации псевдослучаных чисел.
- •33.Моделир-е случайных событий, групп событий.
- •34.Моделирование зависимых и независ событий.
- •35. Моделирование дискретных случайных величин
- •36.Моделирование непрерывных случайных величин.
- •37.Метод обратных функций.
- •38. Моделирование случайных векторов(для случая двухмерных случайных величин)
- •39.Генерация типовых распределений (равномерного, показательного, гаусса и др.)
- •40.Основные задачи имитационного моделирования
- •41.Оценка характеристик моделирования объекта, по результатам статистического моделирования
- •42.Оценка характеристик нестационарного объекта по результатам статистическ моделирования.
- •43. Типовая структура имитационной модели
- •44. Компоненты, функциональные действия, активности и события
- •45. Порядок функционирования имитационной модели
- •4 6. Методы продвижения модельного времени
- •47. Алгоритм и особенности моделирования нестационарных объектов.
- •48. Общая характеристика и сравнительный анализ методов моделирования псевдопараллельностей.
- •49. Псевдопараллельность: смысл и способы реализации.
- •50. Моделирование активностей.
- •52. Укрупненный алгоритм имитационного моделирования одноканальной смо.
- •53. Программные средства имитационного моделирования.
- •54. Аппаратные средства имитационного моделирования.
- •55. Состав системы моделирования gpss.
- •56. Состояния транзактов и узлов. Списки gpss.
- •57. Укрупненный алгоритм обработки событий в языке gpss.
- •58. Укрупненный алгоритм продвижения тразактов в языке gpss.
- •60. Характеристика входного языка системы gpss.
- •61. Стандартный набор статистики gpss. Управление сбором статистики.
- •62. Управление сбором статистики в gpss с помощью table, qtable.
- •63. Именование и адресация объектов в языке gpss
- •64. Вычислимые и хранимые объекты gpss.
- •65. Характеристика объектов языка gpss.
- •66. Управление приоритетными дисциплинами обслуживания в gpss.
- •67. Стандартные числовые атрибуты gpss. Назначение и использование.
- •68. Управление потоками транзактов в языке gpss.
- •69. Устройства и организация приоритетного обслуживания в gpss.
- •70. Управление узлом типа память в gpss. Описание многоканальных смо.
- •72. Управление маршрутами транзактов в языке gpss.
- •73. Использование операторов test, gate. Логические ключи.
- •74. Управление семействами транзактов в языке gpss.
- •75. Характеристика аналитических методов расчета математических моделей.
- •76. Математические модели сложных систем (общее описание).
- •77. Аналитическое решение математической модели.
- •78. Потоки заявок в стохастических сетевых моделях.
- •79. Типы смо, используемых в стохастических сетевых моделях.
- •80. Моделирование смо м/м/1 и м/м/к.
- •81. Моделирование смо м/м/1 и м/м/к.
- •82. Параметры и характеристики сетей мо.
- •83.Экспоненциальные сети мо.
- •84. Расчёт интенсивностей потоков и , сама сеть в соотв. Фициент мкнутой сети.0000000000000000000000000000000000000000000000000000000000000000000000000000000000000коэффициентов передач сетей мо.
- •85. Расчёт вероятностей состояний разомкнутых сетей мо.
- •86. Расчёт вероятностей состояний замкнутых сетей мо.
- •87. Моделирование узловых характеристик объекта на основе разомкнутых сетей мо.
- •88. Моделирование системных характеристик объекта на основе замкнутых сетей мо.
- •89. Моделирование узловых характеристик объекта на основе замкнутых сетей мо.
- •90. Общая методика моделирования объекта на основе разомкнутых сетей мо.
- •91. Общая методика моделирования объекта на основе замкнутых сетей мо.
- •92. Предельные оценки характеристик стохастических сетевых моделей
- •93. Моделирование систем обработки информации стохастическими сетями.
- •Система, системные признаки, классификация систем.
- •Целостные и суммативные системы.
- •Моделирование как метод научного познания и подход к анализу и синтезу сложных систем.
83.Экспоненциальные сети мо.
Сеть массового обслуживания называется экспоненциальной поток заявок является простейшим, а законы обслуживания заявок – экспоненциальными.
Простейшим называется поток, который распределен по Пуассоновскому закону:
где:
– вероятность
того, что за время
в систему поступит n заданий;
-
время поступления задания на обслуживание;
- параметр закона поступления заданий (скорость поступления).
В теории систем массового обслуживания существует утверждение, что при экспоненциальном законе распределения поступления и обслуживания заявок, система будет нагружена максимально.
84. Расчёт интенсивностей потоков и , сама сеть в соотв. Фициент мкнутой сети.0000000000000000000000000000000000000000000000000000000000000000000000000000000000000коэффициентов передач сетей мо.
иллюстрируется
на рисунке 1. Вх. поток в каждой СМО
складывается из суммы вых. потоков всех
СМО сети, взвешенных вероятностью
перемещения заявок с их выходов на вход
рассм. СМО.
Соотв. для каждой i-ой СМО получаем уравнение:
Для
сети будет получена система
,
(
где
)
из N
линейных уравнений с N
неизвестными,
решение
которой даст искомые значения
.
Коэфф.
передачи каждой СМО рассчитывают по
формуле
.
Рис 1. Расчёт потоков заявок.
85. Расчёт вероятностей состояний разомкнутых сетей мо.
Здесь
нормирующий коэфф. равен 1, сама сеть в
соотв. с теоремой Джексона распада-ется
на ряд изолированных СМО, поэтому
вероятности состояний
и
-
вероятность состояния j-ой
СМО (вероятн. того, что в ней находиться
ровно Mj
заявок.
86. Расчёт вероятностей состояний замкнутых сетей мо.
Здесь как и для разомкнутой сети вероятности состояний определяются через вероятно-сти составляющих её СМО. Из-за отсутствия в сети состояний, не удовл. условию
Из
этого выражения опред. нормирующий
множитель
.
Соотв. вероят-ность состояний
Если
сеть состоит только из одноканальных
СМО, то с учётом
и
получим
87. Моделирование узловых характеристик объекта на основе разомкнутых сетей мо.
Произв. в след. последовательности:
--- опред. коэф. загрузок СМО
,
а также общую загруженность многоканаль-ных
СМО
;
---
определяют коэф.
,
вероятности простоя СМО
и вероятности их состояний
;
---
опред. средние длины очередей
к каждой СМО сети по формуле
либо
для одноканальных СМО как
---
среднее число заявок
,
находящихся в каждой СМО по формуле
,
либо для одноканальных СМО как
,
где общая загруженность рассчитыв. как
---
опред., используя закон Литтла, средн.
времена ожидания в очереди
и пребывания в СМО
по формулам
и
88. Моделирование системных характеристик объекта на основе замкнутых сетей мо.
Произв.
на базе узловых опред. коэфф. загрузок
отдельных СМО
( например, для одноканальных СМО
---
используя выражения для расчёта коэфф.
загрузки, определяют интенсивности
потоков
заявок в каждую СМО
---
определяют среднюю длину очередей в
сети
,
средн. число заявок в сети
и
ср. число
обслуживаемых
заявок
(понятно,
что M0
= L
+ R);
---
определяют среднее время ожидания в
сети
,
среднее время пребывания заявки в сети
и
среднее время обслуживания заявки
(
понятно, что U
= W
+ T).
Значения U
и W
могут быть определены, учитывая закон
Литтла из соотношений
и