
- •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.
20. Концептуальные модели.
Построение концепт. модели включает:
- определение типа объекта;
- описание внешней среды (рабочей нагрузки);
- декомпозицию объекта на элементы.
* Объект, если это возможно, обследуют, собирают сведения о его структуре и функционировании.
* Выявляют характер взаимодействия его элементов, алгоритмы управления.
* Формулируют набор параметров объекта, выделяют первичные, наиболее влияющие на его характеристики, которые и следует отображать в модели.
* Выявляют характерные состояния объекта.
* Определяют, будет ли модель детерминированной или вероятностной. Иногда детерминированную среду заменяют стохастической с целью избежания полного перебора параметров при экспериментах с моделью. И напротив, в целях упрощения модели, решения ее аналитическими методами вероятностную среду и объект могут трактовать как детерминированные. Если модель вероятностная, то решают задачу определения законов распределения случайных процессов среды и объекта, подбора соответствующих им теоретических законов.
* В зависимости от требований к точности модели могут быть ориентированы на вычисление только средних значений характеристик, или средних значений и их дисперсий, учет коэффициентов вариации случайных процессов, законов распределения.
* Определяются требования к исходным данным, качеству задания параметров и вычисления характеристик объекта (по составу, точности), формулируют критерии эффективности.
21. Формирование критериев при моделировании.
Поскольку
отдельные характеристики
системы обычно противоречивы и разнотипны,
то на их основе строят критерии
эффективности
.
В практическом применении проще
однокритериальные модели (например
система описывается одной характеристикой
– стоимостью S,
m=1
и критерий I=C=S).
Если m>1,
то система может быть многокритериальной
и для упрощения работы ее пытаются
свести к однокритериальной. При этом,
если получено аналитическое выражение
для критерия эффективности
,
то это позволяет решать оптимизационные
задачи, в частных случаях решать уравнение
относительно h
аналитически и находить оптимальные
решения
.
Сущ. разные способы свертывания частных
характеристик в обобщенный критерий.
Один из подходов (способ главного показателя) состоит в том, что в качестве критерия берется значение одной из хар-к ck, а на остальные характеристики накладываются ограничения λ
Например,
пусть проектируется система обработки
информации, описываемая системой
характеристик
,
где S
– стоимость, U
– среднее время ответа на запрос. Тогда
возможны след. варианты:
I=minS
и U≤U*
или I=minU
и S≤S*,
где значение со звездочкой – заданное
ограничение.
Иногда
удается построить единый критерий на
базе осн. хар-к естественным способом
(способ “затраты – эффект”). Например,
таким явл. критерий В.М. Глушкова
для систем обработки информации с
характеристиками
,
где S
– стоимость, а λ0
– производительность системы.