
- •6.1)Осн компоненты и хар-ки моделей масс обслуж
- •6.2)Роль пуассон и экспонен распределений в тмо
- •6.3)Моделир-ие входного и выходн потоков в смо
- •6.4) Смо неограниченной мощности
- •6.5) Смо ограниченной мощности
- •6.6)Влияние числа узлов на осн. Операцион. Хар-ки
- •6.7) Смо с приоритетами
- •6.8) Тандемы очередей
- •1.1)Сущность и особ-ти имитацион моделирования
- •1.3) Этапы имитационного моделирования
- •1.4) Формализованная схема процесса
- •2.1) Сравнит хар-ка принципов построения
- •3.2)Способы генерации случ.Чисел в имитационном моделир-ии
- •3.3)Моделирование случ событий в им.Моделир-ии
- •3.4) Модель выхода
- •3.5) Модель обратной связи
- •3.6 Основные теории планирования эксперимента
- •7.1) Проблемы моделирования смо
- •7.3) Модели со стоимостными характеристиками
- •7.2) Подготовка исход. Данных и проверка гипотез
- •7.4) Моделир-ие предпочтит-ти уровня обслуж-ия
- •5.1)Виды и характерные особ-ти языков им. Мод-ия
- •5.2)Специализирован. По имитацион. Моделир-ия
- •4.1) Оценка адекватности имитационных моделей
- •4.2)Распределение допусков на упр-ые переменные
3.5) Модель обратной связи
Обратная связь – обратное воздействие выходных результатов управляемой системы на процесс управления. Выходные результаты после определенных преобразований подаются на вход системы с определенным знаком. Таким образом, обратная связь изменяет интенсивность процесса, регулирует выходной результат. Построение модели основано на теории планирования эксперимента. Она позволяет сократить число экспер-тов, сохраняя при этом заданную точность модели за счет обоснованного выбора значений управляемых параметров. Модель обр.связи – регрессионная модель(функция отклика). В виде полиномиального ур-ия: у=b0+b1х1+b2х2+b11х1+… коэф-ты полинома, определяющие значение в частных производных в точке, вокруг которой происходит разложение целевой ф-ции в ряд. Инф-ия, необходимая для проведения эксперимента, формируется в виде матрицы- план эксперимента. Для получения коэф-та регрессии с высокой точностью и достоверностью к плану эксперимента предъявляется требование, регулирующие формир-ие значений факторов по спец. правилам. В зависимости от объема или числа экспер-тов различают полный и дробный факторный эксперименты. Полный – реализуются всевозможные сочетания факторов, следовательно, объем этого эксперимента равен 2n. Св-ва факторов: 1.семетричности; 2.нормированности; 3.ортогональности.
3.6 Основные теории планирования эксперимента
Планирование – форма управленческой деят-ти, заключающаяся в подготовке различных вариантов управленч решений в виде прогнозов, проектов программ и планов, обосновании их оптимальности, обеспечение возможности выполнения и проверки их выполнения. Мат. методы этой теории основаны на кибернетическом представлении данного процесса в виде черного ящика. Факторы м.б.: 1.управляемые и неупр-ые – в завис-ти от возможности целенаправленного выбора уровней в допустимых пределах; 2.наблюдаемые (значения, кот наблюдаются и регистрируются)и ненабл-ые (сопутствующие факторы); 3.колич-ные и качествен; 4.фиксированные – когда исследуются все интересующие значения факторов, случайные – используются только в выборке. Осн требования к факторам: 1.управляемость -возможность установки и поддержания выбранного требуемого уровня фактора постоянным; 2.непосред-ное воздействие на объект, т.е. фактор должен не зависеть от других. Требования к совокупности факторов: 1.совместимость; 2.независимость. Особенности модели планирования эксперимента: 1.адекватность; 2.содержательность; 3.простота реализации на ЭВМ.
3.7)Оптимизация в имитационном моделировании Оптимизация – процесс нахождения экстремума рассматриваемой функции, т.е. выбор наилучшего варианта из множества возможных; процесс выработки оптимальных решений по приведению системы в наилучшее (оптимальное) состояние. Специфика оптимизации по сравнению с оптимизацией на основе аналитических моделей проявляется: 1. в имитационном моделировании оценивается результат работы системы при заданных значениях управляемых переменных, которые рассматриваются как входные данные. 2.оптимизационный процесс реализуется с помощью систематического изменения значения управляемых переменных с последующим получением результатов прогона. 3.в расчетах есть ошибка выборки, которая влияет на разброс оценок результатов, разбросы не связаны с изменением входных величин, что приводит к неоднозначности оценок различных комбинаций управляемых переменных, которые лежат в основе оптимизации. При этом существует возможность уменьшения влияния ошибок за счет увеличения количества прогонов модели и за счет использования статистических тестов.