
- •Аналитические и имитационные модели
- •2. Композиция дискретных сиcтем.
- •Построение имитационой моделей системы.
- •4 Вопрос. Содержательное описание сложной системы. Выбор показателей качества моделируемой системы.
- •5 Вопрос. Содержательное описание сложной системы. Определение управляющих переменных системы
- •6 Вопрос. Содержательное описание сложной системы. Детализация описания режимов функционирования системы
- •7 Вопрос. Содержательное описание сложной системы. Составление описания внешней среды.
- •8. Системность – общее свойство материи. Признаки системности: структурированность системы, взаимосвязанность составляющих частей, подчиненность организации всей системы определенной цели.
- •Развитие системных представлений. Становление системного анализа.
- •Формулировка определения системного анализа.
- •Этапы системного анализа.
- •12. Изучение структуры системы, анализ ее компонентов, выявление взаимосвязей между компонентами системы.
- •13. Сбор данных о функционировании системы. Исследование информационных потоков.
- •14 Наблюдения и эксперименты над анализируемой системой.
- •15 Построение моделей. Проверка адекватности модели, анализ ее неопределенности и чувствительности, непротиворечивость, реалистичность, работоспособность модели.
- •16 Исследование ресурсных возможностей.
- •17 Формулирование проблемы.
- •18 Определение целей системного анализа.
- •19 Формирование критериев.
- •20 Генерирование альтернатив. Методы коллективной генерации идей. Разработка сценариев. Морфологические методы. Деловые игры. Методы экспертного анализа. Метод «Дельфи». Методы типа дерева целей.
- •21 Реализация выбора и принятия решений.
- •22 Внедрение результатов анализа.
- •23. Линейное программирование. Задача линейного программирования.
- •24. Линейное программирование. Пример Задачи линейного программирования.
- •25. Линейное программирование. Каноническая форма.
- •26. Линейное программирование. Метод полного исключения.
- •27. Линейное программирование. Пример применения метода полного исключения.
- •28. Линейное программирование. Симплексные преобразования.
- •29. Линейное программирование. Решение злп методом симплекс-таблиц.
- •30 .Двойственная задача линейного программирования. Структура и свойства двойственной задачи.
- •31 .Двойственная задача линейного программирования. Соотношение прямой и двойственной задачи.
- •32. Двойственная задача линейного программирования. Нахождение допустимых базисных решений. Метод искусственных переменных.
- •33. Нелинейное программирование. Оптимизация нелинейных функционалов. Ограничения в виде равенств.
- •34. Нелинейное программирование. Оптимизация нелинейных функционалов. Ограничения в виде неравенств.
- •35. Задачи и особенности теории массового обслуживания.
- •36. Обслуживающие системы и их классификация (структура и классификация смо, системы с неограниченным временем ожидания, системы с отказами, системы смешанного типа).
- •37. Входящий поток требований (определение простейшего потока, распределение вероятностей простейшего потока).
- •38. Распределение интервалов между двумя событиями (распределение Эрланга, время обслуживания).
- •39. Показатели эффективности обслуживающих систем
- •40 Системы массового обслуживания с ожиданием. Разомкнутая система с одним каналом обслуживания.
- •41 Системы массового обслуживания с ожиданием. Установившийся режим.
- •42 Системы массового обслуживания с ожиданием. Разомкнутая система с несколькими одинаковыми каналами обслуживания.
- •43 Системы массового обслуживания с ожиданием. Замкнутая система с ожиданием.
- •44 Системы массового обслуживания с ожиданием. Процесс размножения и гибели.
- •Аналитические и имитационные модели.
Аналитические и имитационные модели
Модель - некий объект, который в определенных условиях может заменять оригинал, воспроизводя интересующие свойства и характеристики оригинала.
Выделяют два класса моделей: аналитические и имитационные.
В аналитических моделях поведение сложной системы записывается в виде некоторых функциональных соотношений или логических условий.
Наиболее полное исследование удается провести в том случае, когда получены явные зависимости, связывающие искомые величины с параметрами сложной системы и начальными условиями ее изучения. Однако это удается выполнить только для сравнительно простых систем. Для построения математических моделей имеется мощный математический аппарат. Наличие математического аппарата и относительная быстрота и легкость получения информации о поведении сложной системы способствовало повсеместному и успешному распространению аналитических моделей при анализе характеристик сложных систем. Когда явления в сложной системе настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, системный аналитик вынужден использовать имитационное моделирование.
В имитационной модели поведение компонент сложной системы описывается набором алгоритмов, которые затем реализуют ситуации, возникающие в реальной системе.
Моделирующие алгоритмы позволяют по исходным данным, содержащим сведения о начальном состоянии сложной системы, и фактическим значениям параметров системы отобразить реальные явления в системе и получить сведения о возможном поведении сложной системы для данной конкретной ситуации. Отмечается, что предсказательные возможности имитационного моделирования значительно меньше, чем у аналитических моделей.
Аналитическая модель имеет некоторые преимущества по сравнению с имитационной моделью.
Во-первых, аналитическая модель дает решение поставленной задачи в законченной форме.
Во-вторых, применение аналитической модели обеспечивает глубину анализа. С помощью аналитических моделей можно проводить исследование характеристик в некоторой области определения параметров, в которой модель адекватна описываемым явлениям или процессам.
Применение аналитических моделей позволяет получить решение в виде функциональной зависимости исследуемых характеристик от параметров модели.
К недостаткам аналитических моделей относится также и то, что простая модификация проекта или изменение предположений о функционировании элементов структуры может потребовать коренной перестройки модели, в то время как у имитационной модели потребуется изменить лишь входную информацию. Построить аналитическую модель для сложной системы очень трудно. При таком построении требуется принимать существенные упрощающие предположения, которые могут привести к тому, что построенная модель будет неадекватна описываемым процессам или явлениям. В этом смысле имитационные модели имеют преимущества, так как они могут быть построены в самых общих предположениях о функционировании системы. Следовательно, имитационные модели могут быть более адекватны.