- •Введение
- •Лабораторная работа № 1 структурно-параметрическое моделирование систем
- •Теоретическое введение
- •Задание и порядок выполнения
- •Параметры биосырья (молока):
- •На базе статистических данных по формуле (1-1) сформирована матрица корреляционных коэффициентов связей между параметрами состояния системы (таблица 1.2). Матрица коэффициентов корреляции Rij
- •Матрица коэффициентов регрессии Pij
- •Матрица безразмерных характеристик связей Cij
- •Вопросы для самопроверки
- •Литература
- •Лабораторная работа № 2 идентификация аномальных состояний большой системы
- •Теоретическое введение
- •Задание и порядок выполнения работы
- •Варианты графов системы [2]
- •Вводится вектор текущих относительных отклонений x1,…,xn в виде
- •Ситуационная матрица аномального состояния системы Sij
- •Вопросы для самопроверки
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 4 статистическое моделирование производственных систем
- •Теоретическое введение
- •Задание и порядок выполнения работы
- •Контрольные задания для самопроверки
- •Программа
- •Требования к отчету
- •Литература
- •Лабораторная работа № 5 универсальная система имитационного моделирования simplex 3
- •Теоретическое введение
- •Компоненты модели, описываемые на объектно-ориентированном языке, объединяются в иерархические модели различной сложности структурными компонентами вышестоящего (верхнего) уровня.
- •Порядок выполнения работы
- •5.2. Общий порядок подготовки и проведения эксперимента с моделью в имитационной системе Simplex3
- •Изучить диалоговый интерфейс имитационной системы.
- •Изучить общий порядок подготовки модели
- •Внешние функции (External functions).
- •При этом в окне содержания появляется таблица с перечислением компонентов и версий. В рассматриваемом примере в окне появляются три
- •Для этого:
- •1). Выделить директорию priv и в ее контекстном меню задать команду New library…(создать новую библиотеку) и ввести имя новой модели.
- •5.2.4. Диалоговый интерфейс подготовки и проведения эксперимента с моделью в имитационной системе Simplex3
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Для описания непрерывных процессов в каждом случае требуется дифференциальное уравнение. В комбинированных моделях дифференциальные уравнения могут дополняться дискретными событиями.
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 7 многомерные массивы в моделировании параметрических полей
- •Теоретическое введение
- •Задание и порядок выполнения работы
- •Требования к отчету
- •Вопросы для самопроверки
- •Литература
- •38 # Конец обслуживания
- •Листинг 8.1. Mdl- описание модели Queue
- •Задание и порядок выполнения работы
- •Варианты заданий*
- •Пример выполнения задания По заданному описанию построить и реализовать в универсальной имитационной системе Simplex3 mdl- модель сборочного конвейера.
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Объектно-ориентированное моделирование систем
- •Теоретическое введение
- •Листинг 9.1. Базисный компонент Sun
- •Листинг 9.2. Базисный компонент Lake
- •Листинг 9.3. Компонент верхнего уровня Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 10 многокомпонентная иерархическая модель
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 11 собственные функциональные компоненты
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 12 внешние с-функции и с- процедуры
- •Теоретическое введение
- •Листинг 12.1. Модель QueueExp
- •Листинг 12.2. С-функция для вычисления экспоненциально распределенных случайных чисел
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Задание и порядок выполнения работы
- •Вопросы для самопроверки
- •Требования к отчету
- •Литература
- •Лабораторная работа № 14 мультиагентное моделирование систем в simplex 3
- •1. Теоретическое введение
- •2. Общее задание и порядок выполнения работы
- •3. Возможные варианты заданий
- •3.1. Моделирование маркетинговых ситуаций
- •3.2. Моделирование учебного процесса
- •3.4. Мультиагентное моделирование биологических систем
- •3.4.2. Имитационное моделирование динамического развития колоний и популяций микроорганизмов.
- •3.5.5. Объектно-ориентированное моделирование и имитация экологической системы.
- •4. Пример выполнения работы
- •И накопления знаний
- •В циклах учебного процесса
- •В цикле учебного процесса
- •Требования к отчету
- •Литература
- •Структурно-параметрическое описание технологических систем
- • Технологические режимы и параметры производства творога
- •Результаты наблюдений процесса производства кисломолочного продукта (ряженки жирностью 2,5%)
- •Корреляционная матрица тесноты связей между параметрами технологической системы производства ряженки жирностью 2.5%
- •Технологической системы производства ряженки жирностью 2.5%
- •Матрица безразмерных оценок множественной регрессии для технологической системы производства ряженки жирностью 2.5%
- •Пример ситуационной модели состояния технологической системы производства ряженки жирностью 2.5%
- •Результаты наблюдений процесса изготовления сметаны жирностью 15%
- •Корреляционная матрица тесноты связей между параметрами технологической системы производства сметаны жирностью 15%
- •Регрессионная матрица характера связей между параметрами технологической системы производства сметаны жирностью 15%
- •Безразмерная регрессионная матрица характеристик связей между параметрами технологической системы производства сметаны жирностью 15%
- •Пример ситуационной модели состояния технологической системы производства сметаны жирностью 15%
- •Результаты наблюдений процесса производства нежирного диетического творога
- •Регрессионная матрица характера связей между параметрами технологической системы производства нежирного диетического творога
- •Безразмерная регрессионная матрица характеристик связей между параметрами технологической системы производства нежирного диетического творога
- •Пример ситуационной модели состояния технологической системы производства нежирного диетического творога
- •Общий порядок создания пользовательского интерфейса с помощью внешней программы.
- •1. Создание пользовательского интерфейса с помощью внешней программы.
- •Межвидового взаимодействия.
- •2. Создание процедуры на языке edl, реализующей запуск пользовательского интерфейса и передачу исходных данных переменным модели сводится к следующему.
- •Листинг 1. Описание ввода исходных данных на языке Simplex-edl
- •4. Просмотр результатов моделирования.
И накопления знаний
После проведения занятий агентом AgStud оценивается уровень полученных знаний и при неудовлетворенной оценке агент переходит в фазу самостоятельного пополнения базы знаний индивидуально или при невозможности её самостоятельного пополнения – во взаимодействии с другими интеллектуальными агентами с учетом социометрического статуса Ci и коэффициента взаимодействия.
Оценка уровня полученных знаний в большинстве случаев связана с переговорными процессами и достижением согласия путем интерактивного обмена информацией в форме предложений и контрпредложений.
Одним из примеров переговорного процесса между агентами AgTeach и AgStud является диалог оценки накопленных знаний, заключающийся в представлении для аттестации (например, зачет или экзамен) ряда вопросов в виде экзаменационного билета или теста с различными коэффициентами сложности Tests = {1, 0.8, 0.6, 0.4, 0.2}.
Преподаватель на основе ответов на вопросы и общего представления об обучаемом выставляет рейтинговую оценку Ball с учетом посещаемости занятий, выполнения текущих заданий, текущего контроля знаний, степени тренированности и общей эмоциональной реакции агента.
Если обучаемый успешно сдал тест и согласен с полученной оценкой своих знаний, процесс заканчивается. В противном случае диалог продолжается с предъявлением дополнительных уточняющих или наводящих вопросов либо до наступления согласия, либо до невозможности уменьшения уровня тестового задания с выставлением неудовлетворитель-ной оценки.
В результате имитационного моделирования на основе исходных данных и параметрических описаний (см. рис.14.4) получены кривые изменения уровня знаний студента в процессе активной и самостоятельной фаз обучения (рис.14.6, 14.7).
На графике 14.6 отображена тенденция накопления знаний учащихся. Во время моделирования от 0 до 4,5 часов наблюдается рост знаний агентов в активной фазе обучения. Из графика видно, что наиболее успешное накопление знаний показывает агент AgStud1 за счет высоких когнитивных, эмоциональных, социальных и личностых характеристик и уровня априорных знаний (рис.14.4, а). Агент AgStud2 по сравнению с AgStud1 имеет более низкие когнитивные характеристики (рис.14.4, б) и запаздывет в процессе усвоения представляемой информации. Однако за счет высоких личностых характеристик (стремления к обучению) он приближается к уровню знаний агента AgStud1.
Состояние агента AgStud3 (рис.14.4, в) соответствует удовлетворитель-ному уровню, но при хорошей самостоятельной проработке материала и более активном взаимодействии имеет более высокий уровень знаний, чем агент AgStud4 (рис.14.4, г), состояние которого находится на неудовлетвори-тельном уровне.
Рис. 14.6. Графики накопления знаний агентами AgStud
В циклах учебного процесса
На рис. 14.7 показано, как в цикле учебного процесса с активной (0–4,5 ч) и самостоятельной (4,5–7,5 ч) фазами работы изменяется общая эффективность обучения агентов с учетом изменения их когнитивного Co, эмоционального Qi и социального So состояний.
Рис. 14.7. Изменения эффективности накопления знаний агентами
