1.3. Достоинства и недостатки им

Все основные достоинства ИМ определяются широкими возможностями их использования для исследования и проектирования систем практически любой сложности. Реализация процесса конструирования имитационных моделей находится на инженерном уровне, в то время как создание адекватных аналитических и численных моделей требует высокой научной квалификации.

Можно определить следующий далеко не полный перечень направлений и возможностей использования ИМ.

ИМ часто является единственной возможностью изучения процесса функционирования реальных систем. Это имеет место в следующих случаях:

реальной системы еще нет (она находится в стадии проектирования), сложность системы не позволяет построить адекватные аналитические или численные модели (например, при оценке влияния логической структуры и параметров алгоритмов управления на эффективность всей системы);

реальная система существует, но эксперименты с ней либо очень дороги, либо принципиально невозможны (например, моделирование аварийных ситуаций, моделирование систем одноразового применения высокой стоимости и т.п.).

ИМ позволяет более детально изучить сущность работы проектируемой системы. Разработка ИМ осуществляется параллельно процессу разработки самой системы. Знания, полученные при конструировании ИМ, часто используются для проектных решений. Процесс экспериментирования с ИМ дает возможность контролировать все без исключения составляющие общего процесса ее функционирования и провести анализ всех причинно‑следственных связей, приводящих к тем или иным результатам моделирования. Такая возможность отсутствует даже при проведении натурных экспериментов.

С помощью ИМ можно «сжать» временную шкалу, что позволяет исследовать даже глобальные медленно меняющиеся процессы, например экологические и демографические процессы, развитие сложных технических систем [6,30]. Возможность «сжатия» временной шкалы определяется тем, что модельное время — это одна из переменных состояния ИМ, и ее изменение, как и других переменных состояния, зависит от вычислительной сложности модели и быстродействия ЭВМ, на которой реализуется ИМ.

ИМ обеспечивают проверку точности аналитических и численных моделей, так как обладают практически неограниченными возможностями сколь угодно полного, детального отображения процесса функционирования реальной системы

С помощью имитационного моделирования можно создавать полунатурные модели. Эта возможность определяется структурным и логическим сходством процесса функционирования ИМ и реальной системы. Полунатурная модель содержит две взаимодействующие в реальном времени части: натурную и имитационную. Натурная часть реализуется с использованием комплекса технических средств реальной системы, а имитационная воспроизводит процесс функционирования остальных частей системы и внешней среды. Полунатурное моделирование позволяет значительно сократить затраты на натурные эксперименты, исследовать поведение человека в контуре управления, создавать различного рода тренажеры для обучения персонала, обслуживающего систему и т.п.

ИМ дает возможность в процессе экспериментирования оценить сразу множество показателей, характеризующих эффективность моделируемой системы, а не работать по одному показателю или очень ограниченному их числу, как при аналитическом и численном моделировании.

Платой за широкие возможности ИМ являются их недостатки, определяемые высокой трудоемкостью построения ИМ и значительной вычислительной сложностью ИМЭ.

Процесс конструирования ИМ плохо формализуем, требует хорошего знания моделируемых процессов и опыта в применении методов ИМЛ. Трудоемкость конструирования ИМ сложной системы достигает иногда нескольких человеко‑лет.

Высокая вычислительная сложность ИМЭ является следствием многофакторности и стохастического характера ИМ. Для достаточно полных (детальных) ИМ сложных технических систем один прогон модели может требовать значительных затрат машинного времени современных быстродействующих ЭВМ. Вследствие стохастического характера ИМ для получения с заданной точностью оценок показателей эффективности моделируемой системы даже при фиксированных параметрах модели необходимо осуществить множество таких прогонов. Если же требуется провести исследование влияния ряда факторов на величину оценок критериев или, тем более, выбрать оптимальные значения некоторых параметров, то вычислительная сложность таких ИМЭ возрастает многократно.

На решение проблем ИМЛ или хотя бы снижения их остроты направлен целый ряд мер, таких, например, как: методы и подходы к формализованному описанию моделируемых систем, инструментальные средства автоматизации имитационного программирования, методы оптимального планирования ИМЭ и, в частности, методы понижения дисперсии оценок вероятностных характеристик.

В заключение этого раздела еще раз необходимо подчеркнуть, что, несмотря на мощные возможности ИМ в первую очередь целесообразно рассмотреть возможность применения аналитических или численных моделей. И только тогда, когда очевидна проблематичность достижения целей моделирования с их помощью, применять ИМ.