
- •1) Понятие модели системы
- •2) Сущность системного подхода к моделированию систем па эвм
- •3) Характерные черты машинной модели
- •4) Классификационные признаки видов моделирования систем
- •5) Метод статистического моделирования на эвм.
- •6) Зависимые и независимые переменные в модели объекта
- •7) Типовые схемы при моделирования сложных систем и элементов
- •8) Условия и особенности использования при разработке моделей систем различных типовых схем
- •9) Понятие концептуальной моделью системы
- •10) Основные принципы построения моделирующих алгоритмов процессов функционирования систем.
- •11) Схемы, используемые при разработке алгоритмического и программного обеспечения машинного моделирования
- •12) Техническая документация, оформляемая по каждому этапу моделирования системы
- •13) Сущность метода статистического моделирования систем
- •14) Способы генерации последовательностей случайных чисел, используемые при моделировании.
- •15) Методы проверки (тестирования) качества генераторов случайных чисел.
- •16) Способы генерации последовательностей случайных чисел с заданным законом распределения на эвм
- •17) Языки имитационного моделирования. Архитектура, основные требования, группы языков моделирования дискретных систем
- •18) Особенности машинного эксперимента
- •19) Виды факторов в имитационном эксперименте с моделями систем
- •20) Полный факторный эксперимент
- •21) Сущность методов фиксации и обработки результатов при статистическом моделировании систем на эвм
- •24) Синхронный и асинхронный моделирующие алгоритмы q-схем.
- •25) Суть структурного подхода при моделировании систем на базе n-схем
- •26) Особенности использования языков имитационного моделирования на базе n-схем
- •27) Особенности формализации процессов функционирования систем на базе а-схем
- •28) Информационная модель системы.
- •29) Эволюционные модели систем
- •30) Модели для принятия решения
5) Метод статистического моделирования на эвм.
Суть данного метода состоит в том, что результат испытания зависит от случайной величины, распределенной по закону (напр. Равномерный, экспотенциальный, нормальный.)
Результат каждого отдельного исследования носит случайный характер. Проведя серию испытаний, получают множество значений наблюдаемой величины.
Погрешность результатов понижается с увеличением числа наблюдений.
Особенностью метода является то, что получаемая в результате моделирования информация по своей природе аналогична той информации, которую можно было бы получить в процессе исследования реальной системы, однако объем ее значительно больший и на ее получение затрачивается меньше средств и времени. Отсюда следует эффективность использования метода моделирования, а также высокая точность и достоверность получаемых с его помощью результатов по сравнению с исследованием реальной системы.
Метод моделирования обычно используется для решения двух классов задач: детерминированных и вероятностных. Наибольший практический интерес представляет применение метода к вероятностным задачам, что позволяет решать задачи, не сформулированные в виде уравнений или формул.
В основе решения на ЭВМ вероятностных задач лежит моделирование случайных явлений. Различные случайные величины, характеризующие отдельные стороны исследуемого процесса, воспроизводятся на ЭВМ с помощью случайных чисел в соответствии с заданными законами распределения.
Теоретической основой метода моделирования служит закон больших чисел. Следовательно, этот метод основан на самых общих теоремах теории вероятностей и принципиально не содержит никаких ограничений.
Достоинства метода.
1.Может быть применен для исследования любой системы с известным аолгоритмом функционирования
2.Можно требовать любой точности
3.Позволяет полнее учесть особенности функционирования исследуемой системы
4.Использует любые законы распледеления
5.Наглядная вероятностная трактовка
6.Простая вычислительная схема, малочувствительная к случайным сбоям ЭВМ
Вместе с тем метод моделирования обладает рядом недостатков, наиболее существенными из которых являются большая трудоемкость и частный характер решения.
6) Зависимые и независимые переменные в модели объекта
Модель объекта моделирования, т. е. системы S, можно представить в виде множества величин, описывающих процесс функционирования реальной системы и образующих в общем случае следующие подмножества:
- совокупность Х - входных воздействий на S хi принадлежит Х, i=1…nx;
- совокупность воздействий внешней среды vl принадлежит V, l=1…nv;
- совокупность внутренних (собственных) параметров системы hk принадлежит H, k=1…nh;
- совокупность выходных характеристик системы yj принадлежит Y, j=1…ny.
При этом в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае х„ vh hk, yj являются элементами непересекающихся подмножеств и содержат как детерминированные, так и стохастические составляющие.
При моделировании системы S входные воздействия, воздействия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными, которые в векторной форме имеют соответственно вид
а выходные характеристики системы являются зависимыми (эндогенными) переменными
и в векторной форме имеют вид