
- •Оглавление
- •Предисловие
- •Введение
- •1. Модели и их свойства
- •Основные понятия и определения
- •Вопросы к разделу 1.1
- •Целенаправленность моделей
- •Вопросы к разделу 1.2
- •Свойства моделей
- •Вопросы к разделу 1.3
- •Способы реализации моделей
- •1.4.1. Материальные модели
- •1.4.2. Виды подобия
- •1.4.3. Идеальные модели
- •Вопросы к разделу 1.4
- •1.5. Виды моделей
- •1.5.1. Познавательные и прагматические модели
- •1.5.2. Детерминированные и вероятностные модели
- •1.5.3. Непрерывные и дискретные модели
- •1.5.4. Статические и динамические модели
- •1.5.5. Линейные и нелинейные модели
- •1.5.6. Стационарные и нестационарные модели
- •1.5.7. Сосредоточенные и распределенные модели
- •1.5.8. Классификация видов моделей
- •Вопросы к разделу 1.5
- •Кибернетические модели систем
- •1.6.1. Модель типа «черный ящик»
- •1.6.2. Модель состава системы
- •1.6.3. Модель структуры системы
- •1.6.4. Графы
- •1.6.5. Структурная схема системы
- •1.6.6. Итоги анализа моделей систем.
- •Вопросы к разделу 1.6
- •2. Аналитические математические модели систем
- •2.1. Общая математическая модель динамической системы
- •Вопросы к разделу 2.1
- •2.2. Частные математические модели динамических систем
- •2.2.1. Модели детерминированных линейных непрерывных систем
- •Модели дискретных систем. Конечные автоматы
- •Вопросы к разделу 2.2
- •2.3. Свойства динамических систем
- •2.4. Линейная непрерывная детерминированная модель многомерной динамической системы в переменных состояния
- •Вопросы к разделу 2.4
- •2.5.7. Определитель Грама
- •Вопросы к разделу 2.5
- •Линейное векторное пространство
- •2.6.1. Характеристические числа и характеристические векторы
- •2.6.2. Формула Бохера
- •2.6.3. Модальная матрица
- •2.6.4. Диагонализация квадратной матрицы
- •Вопросы к разделу 2.6
- •Управляемость и наблюдаемость
- •Вопросы к разделу 2.7
- •Компьютерное моделирование. Численное интегрирование дифференциальных уравнений
- •3.1. Ошибки усечения и округления
- •3.2. Метод Эйлера
- •3.3. Методы Рунге–Кутта
- •Сравнение различных методов решения. Контроль величины шага и устойчивость
- •Вопросы к главе 3
- •4. Динамика развития и использования моделей
- •4.1. Сложности алгоритмизации моделирования
- •Вопросы к главе 4
- •5. Аналитические вероятностные математические модели систем
- •5.1. Аналитические модели систем массового обслуживания
- •5.1.1. Важнейшие выходные параметры смо
- •5.1.2. Простейшие модели смо
- •5.1.3. Общая характеристика моделей смо
- •5.1.4. Дисциплины обслуживания
- •5.1.5. Характеристики входного потока заявок
- •5.1.6. Функция распределения Пуассона
- •5.1.7. Характеристики обслуживания
- •5.1.8. Показательный закон распределения времени обслуживания
- •5.1.9. Показатели качества обслуживания
- •5.1.10. Согласование источника заявок с каналом обслуживания
- •5.1.11. Оценка эффективности многоканальной смо
- •Вопросы к разделу 5.1
- •5.2. Сети Петри
- •5.2.1. Маркировка
- •5.2.2. Правила срабатывания переходов
- •5.2.3. Разновидности сетей Петри
- •5.2.4. Конфликтные ситуации в сетях Петри
- •5.2.5. Пример сети Петри для работы группы пользователей на одной рабочей станции
- •5.2.6. Пример сети Петри для системы обнаружения и устранения неисправностей в технической системе
- •5.2.7. Анализ сетей Петри
- •Вопросы к разделу 5.2
- •6. Имитационные модели систем
- •6.1. Имитационный эксперимент
- •Недостатки имитационного моделирования
- •6.2. Развитие имитационного моделирования
- •Основные фазы развития средств им
- •6.3. Этапы имитационного моделирования
- •6.4. Подходы к построению имитационных моделей
- •6.4.1. Событийный подход
- •6.4.2. Подход сканирования активностей
- •6.4.3. Процессно-ориентированный подход
- •6.5. Разработка программ им
- •6.5.1. Использование для им универсальных языков программирования
- •6.5.2. Использование для им специализированных языков моделирования
- •6.5.3. Создание и использование проблемно-ориентированных систем моделирования
- •6.6. Имитационное моделирование систем массового обслуживания
- •6.6.1. Событийный метод моделирования
- •6.6.2. Схема реализации событийного метода имитационного моделирования
- •Вопросы к главе 6
- •7. Метод «ресурсы–действия–операции» (рдо)
- •7.1. Основные положения метода рдо
- •7.1.1. Ресурсы сложной дискретной системы
- •7.1.2. Действия в сдс
- •7.1.3. Операции в сдс
- •7.1.4. Основные положения рдо-метода
- •7.2. Представление сдс в рдо-методе
- •7.3. Базовая структура инструментальной среды интеллектуальной системы
- •7.4. Продукционный имитатор
- •7.5. Моделирование в среде рдо
- •7.5.1. Основные понятия
- •7.5.2. Объекты исходных данных и объекты, создаваемые рдо-имитатором при выполнении прогона
- •7.5.3. Состав объектов модели
- •7.5.4. Назначение объектов модели
- •7.6. Интегрированная среда моделирования рдо
- •7.6.1. Состав функций исм
- •7.6.2. Главное окно исм рдо
- •7.6.3. Инструментальная панель
- •7.6.4. Работа с рдо-имитатором
- •Описание кадра анимации
- •Пример описания кадра анимации
- •Вопросы к главе 7
- •8. Краткое описание языка gpss
- •8.1. Оператор generate
- •8.2. Оператор function
- •8.3. Операторы split и assemble
- •8.4. Операторы seize и release
- •8.5. Оператор advance
- •8.6. Операторы enter и leave
- •8.7. Операторы queue и depart
- •8.8. Оператор test
- •8.9. Операторы start и terminate
- •8.10. Оператор transfer
- •8.11. Оператор assigne
- •8.12. Операторы управления движением заявок
- •8.13. Вычислительный оператор variable
- •8.14. Оператор синхронизации матсн
- •8.15. Пример программы на языке gpss для смо
- •Программа к примеру смо
- •Вопросы к главе 8
- •9. Планирование компьютерных экспериментов с моделями систем
- •9.1. Основные понятия теории планирования экспериментов
- •9.2. Модели планирования эксперимента
- •9.3. Виды планов экспериментов
- •Вопросы к главе 9
- •10. Обработка и анализ результатов компьютерного моделирования
- •10.1. Методы оценки
- •10.2. Статистические методы обработки
- •10.3. Задачи обработки результатов моделирования
- •10.3.1. Критерий согласия Колмогорова
- •10.3.2. Критерий согласия Пирсона
- •10.3.3. Критерий согласия Смирнова
- •10.3.4. Критерий согласия Стьюдента
- •10.3.5. Критерий согласия Фишера
- •10.4. Анализ и интерпретация результатов компьютерного моделирования
- •10.4.1. Корреляционный анализ результатов моделирования
- •10.4.2. Регрессионный анализ результатов моделирования
- •10.4.3. Дисперсионный анализ результатов моделирования
- •Вопросы к главе 10
- •Заключение
- •Список литературы
- •Приложение 1 Некоторые сведения из теории матриц
- •Основные типы матриц
- •Специальные типы матриц
- •Операции над матрицами Сложение матриц
- •Умножение матриц
- •Дифференцирование матриц
- •Интегрирование матриц
- •Определители
- •Свойства определителей
- •Нуль-граф и полный граф
- •Изоморфные графы
- •Плоские графы
- •Число ребер графа
- •Формула Эйлера для числа вершин, ребер и граней плоского графа
- •Распределение Лапласа
- •Вырожденное (причинное) распределение
- •Приложение 4 Краткие сведения о специализированных языках и проблемно-ориентированных системах имитационного моделирования
- •Предметный указатель
- •Список сокращений
9.1. Основные понятия теории планирования экспериментов
В качестве модели эксперимента используется уже знакомая из параграфа 1.6.1 пособия учебника кибернетическая модель типа «черный ящик». В этой модели различают входные переменные xi, i=1,…, k и выходные yj, j=1,…, m. Каждая из переменных в проводимом эксперименте может быть либо фактором, либо реакцией – в зависимости от той роли, которая ей отводится. В компьютерных экспериментах фактор является входной переменной, а реакция – выходной переменной.
Каждый фактор может принимать в ходе эксперимента одно из нескольких значений, соответствующих уровням. Фиксированная совокупность уровней факторов определяет одно из возможных состояний системы. Одновременно эта совокупность представляет собой условия проведения одного из возможных экспериментов.
Каждой фиксированной совокупности уровней факторов соответствует определенная точка в многомерном пространстве, называемом факторным пространством. Эксперименты могут быть реализованы не во всех точках факторного пространства, а только в точках, принадлежащих допустимой области.
Между уровнями факторов и реакцией системы существует связь, задаваемая соотношением
yj=ψj(x1,x2,…xk), j=1,…, m.
Функция ψj, связывающая реакцию с факторами, называется функцией реакции. Геометрическая интерпретация, соответствующая функции реакции, представляет собой поверхность реакции.
Вид зависимостей ψj, j=1,…, m исследователю заранее не известен, поэтому используются приближенные соотношения:
ỹj=φj(x1,x2,…xk), j=1,…, m.
Зависимости φj находятся по данным эксперимента, который необходимо провести таким образом, чтобы при минимальных затратах ресурсов, например, числа испытаний, изменяя по специально сформулированным правилам значения входных переменных, построить математическую модель системы и оценить ее характеристики.
Определим основные свойства факторов, используемых при планировании экспериментов. Факторы при проведении экспериментов могут быть управляемыми и неуправляемыми, наблюдаемыми и ненаблюдаемыми, изучаемыми и неизучаемыми, количественными и качественными, фиксированными и случайными.
Фактор называется управляемым, если его уровни целенаправленно задаются исследователем в процессе эксперимента. При компьютерной реализации модели исследователь принимает решения, управляя изменением различным факторов в допустимых пределах.
Фактор относится к наблюдаемым, если его значения измеряются и регистрируются. Как правило, в компьютерном эксперименте с моделью наблюдаемые факторы совпадают с управляемыми, поскольку неразумно и неудобно управлять фактором, не наблюдая его. В то же время неуправляемый фактор можно наблюдать. Например, при проектировании какой-либо конкретной системы невозможно управлять заданными случайным образом действиями внешней среды, но можно наблюдать их в ходе компьютерного эксперимента. Наблюдаемые неуправляемые факторы называются сопутствующими. Обычно при компьютерном эксперименте с моделью общее число сопутствующих факторов велико, поэтому следует учитывать влияние лишь наиболее существенно воздействующих на реакцию, интересующую исследователя.
Фактор называется изучаемым, если он включен в модель для изучения свойств системы, а не для вспомогательных целей, например для увеличения точности эксперимента.
Фактор называется количественным, если его значениями являются числовые величины, влияющие на реакцию, а в противном случае фактор называется качественным. Например, в модели системы, формализуемой в виде системы массового обслуживания (СМО), количественными факторами являются интенсивности входящих потоков заявок, интенсивности потоков обслуживания, емкости накопителей, количество обслуживающих каналов и т.д., а качественными факторами служат дисциплины постановки в очередь, выбора из очереди, обслуживания заявок каналами и т.д. Качественным факторам, в отличие от количественных, не соответствует числовая шкала. Тем не менее, и для них можно построить более слабую условную порядковую шкалу, с помощью которой можно упорядочивать факторы путем установления соответствия между условиями качественного фактора и числами натурального ряда.
Фактор называется фиксированным, если в эксперименте исследуются все интересующие экспериментатора значения фактора. Если же экспериментатор исследует только некоторую случайную выборку из совокупности интересующих значений факторов, то фактор называется случайным. С использованием случайных факторов можно сделать вероятностные выводы и о тех значениях факторов, которые в эксперименте не исследовались.
В компьютерных экспериментах с моделями не бывает неуправляемых или ненаблюдаемых факторов применительно к исследуемой системе. В качестве воздействий внешней среды, т. е. неуправляемых и ненаблюдаемых факторов, в компьютерной имитационной модели выступают стохастические входные переменные. Если имитационная модель сформулирована, то все факторы определены, и во время проведения данного эксперимента с моделью дополнительные факторы вводить нельзя.
Каждый фактор может принимать в эксперименте одно или несколько значений, называемых уровнями, причем фактор будет управляемым, если его уровни целенаправленно выбираются экспериментатором. Для полного определения фактора необходимо указать последовательность операций, с помощью которых устанавливаются его конкретные уровни. Такое определение фактора называется операциональным и обеспечивает однозначность понимания фактора.
Основными требованиями, предъявляемыми к факторам, являются требование управляемости фактора и требование непосредственного воздействия на объект. Под управляемостью фактора понимается возможность установки и поддержания выбранного нужного уровня фактора постоянным в течение всего испытания или изменяющимся в соответствии с заданной программой. Требование непосредственного воздействия на объект имеет большое значение в связи с тем, что трудно управлять фактором, если он является функцией других факторов.
При планировании эксперимента обычно одновременно изменяются несколько факторов. Основные требования, которые предъявляются к совокупности факторов, – совместимость и независимость. Совместимость факторов означает, что все их комбинации осуществимы, а независимость соответствует возможности установления фактора на любом уровне независимо от уровней других.
При проведении компьютерного эксперимента с моделью для оценки некоторых характеристик процесса функционирования исследуемой системы экспериментатор стремится создать такие условия, которые способствуют выявлению влияния факторов, находящихся в функциональной связи с искомой характеристикой.
Для этого необходимо отобрать факторы хi i =1,2,…,k, влияющие на искомую характеристику, и описать функциональную зависимость; установить диапазон изменения факторов [хimin, хimax]; определить координаты точек {х1, х2,…, хk} факторного пространства, в которых следует проводить эксперимент; оценить необходимое число реализаций и их порядок в эксперименте.