
- •Билет 1
- •1. Понятие о моделировании.
- •2. Моделирование процессов смо
- •Билет 2
- •Модель и расчетная схема. Виды моделирования
- •Виды моделирования.
- •Пример построения алгоритмической модели для одноканальной смо и заявок без приоритета.
- •Билет 3
- •Математическое моделирование. Основные этапы и источники ошибок.
- •Понятие о методах типа Монте-Карло.
- •Билет 4
- •О необходимости тестирования компьютерной модели. Способы тестирования.
- •Терминология для смо. Понятие о простейшем потоке событий.
- •Билет 5
- •5.1. Сравнение некоторых пакетов, расчетов и моделирований.
- •5.2. Марковские процессы.
- •Билет 6
- •6.1. Понятие о системах с сосредоточенными и распределёнными параметрами.
- •6.2. Уравнения Колмогорова.
- •Билет 7
- •7.1. Примеры систем, модель для которых описывается дифференциальными уравнениями.
- •7.2. . Уравнения Колмогорова для замкнутых смо.
- •Билет 8
- •8.1. Сведение произвольной системы оду к системе оду I-го порядка в нормализованном виде Коши. Пример.
- •8.2. Открытые системы массового обслуживания. Уравнения Колмогорова для открытых смо
- •Билет 9
- •9.1 Реализации в среде MathCad математической модели для простейшего осциллятора. Билет 9
- •Билет 10
- •10.1 Пример использования simulink matlab для решения оду 2-го порядка. Билет 11
- •11.1 Методика получения модели механических колебательной системы сосредоточенными параметрами на основе уравнений Лагранжа 2-ого рода
- •11.2 Разложение аппроксиматора по системы базисных функций.
- •12.2 Выполнение среднеквадратичного приближения на основе разложения аппроксиматора по системе базисных функций.
- •13.2. Интегральная квадратичная аппроксимация на отрезке [a, b].
- •Билет 14
- •14.1 Методы решения задачи Коши для оду
- •14.2 Пример MathCad реализующий метод среднеквадратичной аппроксимации
- •Билет 15
- •15.1 Классификация методов решения задачи Коши для оду.
- •15.2 Пример аппроксимации функции 2-ух переменных в MathCad.
- •Билет 16
- •16.1 Метод Эйлера и его модификации для решения оду
- •16.2 Алгебраическое интерполирование.
- •Билет 17
- •Метод типа Рунге-Кутта для решения задачи Коши
- •Интерполирование на основе формулы Лагранжа
- •Билет 18
- •Метод Рунге-Кута 4-ого порядка для решения задачи Коши формулы метода и их реализация в среде MathCad
- •18.2 О наилучшем выборе узлов интерполирования
- •Билет 19
- •Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •Тригонометрическое интерполирование
- •Билет 20
- •Оценка погрешности решения оду. Способ Рунге для оценки такой погрешности.
- •Использование интерполирования при решении различных задач и реализация в среде MathCad
- •1) Приближенные вычисления функции
- •2) Численное интегрирование
- •3) Численное дифференцирование
- •Билет 21
- •21.1 Методы прогноза и коррекции для решения оду.
- •21.2 Понятие о сплайнах.
- •Билет 22
- •22.1 Понятие о жестких дифференциальных уравнениях.
- •22.2 Эрмитов кубический сплайн.
- •Билет 23
- •23.1 Метод стрельбы для решения граничных задач для оду.
- •23.2 Кубический сплайн дефекта 1. Алгоритм его построения.
- •Билет 24
- •24.1 Задача Бюффона как пример использования методов Монте-Карло при решении детерминированных задач.
- •24.2 Решение системы уравнений, определяющих сплайн, методом прогонки.
- •Билет 25
- •25.2 Обобщенные кубические сплайны.
- •Билет 26
- •26.1 Метод Судзуо-Какутани для решения граничных задач теории потенциалов
- •26.2 Пример использования сплайнов для вычисления площади фигуры
- •Билет 27
- •27.1 Понятие о конкурирующих стратегиях
- •27.2 Параметрический сплайн для приближения кривых.
- •Билет 28
- •28.1 Компонентные уравнения для различных видов подсистем.
- •Механическая поступательная система.
- •Механическая вращательная подсистема
- •Аналоги топологических уравнений
- •Билет 29
- •29.1 Получение эквивалентных схем технических объектов.
- •29.2 Метод получения топологических уравнений математической модели.
- •30.1 Топологические уравнения математической модели на основе матрицы инциденции.
Пример построения алгоритмической модели для одноканальной смо и заявок без приоритета.
В зависимости от соотношения производительности обслуживающего аппарата и интенсивности потока заявок может образовываться очередь. В простейшем случае эту ситуацию можно изобразить следующим образом:
Поток заявок
Обслуживающий аппарат
Выход
Очередь
Рис. Схема простейшей системы массового обслуживания
Заметим, что СМО могут быть достаточно сложными: в них могут присутствовать несколько ОА–каналов. Обслуживание может вестись с учетом приоритетов заявок.
Основными показателями СМО являются:
Загрузка обслуживающих аппаратов.
Коэффициент простоя ОА: (где - загрузка).
Количество заявок, обслуженных за рассмотренный промежуток времени t (производительность).
Средняя и максимальная длина очереди.
Время пребывания заявки в очереди.
Понятно, что можно определенным образом построить модель, позволяющую вычислить эти характеристики. Основная задача при моделировании СМО – определить типы и количество обслуживающих аппаратов, а также их связь между собой (структуру СМО). Так, чтобы обеспечить максимальную требуемую производительность системы массового обслуживания при выполнении заданных ограничений (например, стоимость ОА).
Построение алгоритмической модели простейшей СМО
Введем следующие обозначения:
-
момент поступления i-той
заявки на вход очереди;
-
время пребывания i-той
заявки в очереди;
-
время обслуживания i-той
заявки ОА;
-
момент выхода i-той
заявки из ОА;
-
интервал времени между поступлением
i+1
и i-той
заявок на вход в очередь.
На следующем рисунке представлены две возможные ситуации для момента поступления i+1 заявки:
а) Ситуация 1 ni= ti+1 – ti
б) Ситуация 2
Рис. Функционирование СМО
Разница в этих ситуациях заключается в том, что в ситуации а) ОА занят при поступлении i+1 заявки, а в ситуации б) - ОА свободен и значит, i+1 заявка сразу начнет обрабатываться.
Отдельно представляют алгоритмическую модель для вычисления СМО. При реализации этой модели на ЭВМ следует организовать цикл для перебора моделируемого количества заявок, ввести начальные заявки.
Найти
На основании полученных данных необходимо вычислить характеристики:
загрузку СМО;
время загрузки;
общее время функционирования СМО;
производительность (среднее количество заявок, обслуживаемых за рассматриваемый период времени).
Моделирование количества заявок
-
характеристики нормального закона.
-
характеристики для закона генерации
заявок.
Входные параметры: Загрузка, производительность, средняя и максимальная длительность очереди.
Если
-
при этом будет образовываться очередь.
В реальности часто встречаются ситуации, когда поток заявок является простейшим и подчиняется дискретному распределению Пуассона, а время обслуживания задается экспоненциальным законом распределения. Для таких систем массового обслуживания могут быть использованы модели, описываемые распределением Колмогорова. Входящий поток является простейшим, если вероятность того или иного числа требований зависит только от протяженности этого интервала и не зависит от его расположения на оси времени (стационарность). Причем требования поступают поодиночке (ординарность) и независимо друг от друга (отсутствие последовательности). Можно показать, что простейшие потоки описываются дискретным распределением Пуассона:
,
-
где
определяет
среднее значение числа требований,
поступивших за время t,
- среднее число требований в единицу
времени.
Экспоненциальное
распределение для времени обслуживания
задается плотностью, при этом среднее
время обслуживания выражается
математическим ожиданием и равно
: