
- •С.А. Фоменков, д.А. Давыдов, в.А. Камаев. Математическое моделирование системных объектов
- •Isbn 5-230-04689-9
- •7.1. Понятие «агрегат» в теории систем ……………………………………….
- •7.3. Моделирование процесса функционирования агрегата ………………..
- •7.4. Кусочно-линейные агрегаты ……………………………………………….
- •1. Понятие о моделях и моделировании
- •1.1. Определение понятия модель. Свойства моделей
- •1.2. Классификация моделей
- •Идеальные модели
- •1.3. Классификация математических моделей по свойствам обобщенного объекта моделирования
- •1.4. Адекватность и эффективность математических моделей
- •1.5. Методы построения моделей
- •1.5.1. Общая логика построения моделей
- •1.5.2. Аналитические модели
- •1.5.3. Идентифицируемые модели
- •1.6. Вопросы для самопроверки
- •2. Построение математических моделей по экспериментальным данным
- •2.1. Постановка задачи идентификации
- •2.2. Идентификация моделей с помощью регрессионного метода
- •2.2.1. Идентификация статических линейных систем с несколькими входами
- •2.2.2. Идентификация нелинейных систем
- •2.2.3. Достоверность (адекватность) регрессионной модели
- •2.3. Построение моделей идентификации поисковыми методами
- •2.4. Вопросы для самопроверки
- •3. Математическое моделирование сложных неоднородных систем
- •3.1. Математические модели элементов
- •3.2. Математические модели взаимодействия элементов сложной системы
- •3.3. Вопросы для самопроверки
- •4. Моделирование по схеме марковских случайных процессов
- •4.1. Классификация марковских процессов
- •4.2. Расчет марковской цепи с дискретным временем
- •4.3. Марковские цепи с непрерывным временем
- •4.3.1. Уравнения Колмогорова
- •4.3.2. Поток событий. Простейший поток и его свойства
- •4.3.3. Пуассоновские потоки событий и непрерывные марковские цепи
- •4.3.4. Предельные вероятности состояний
- •4.3.5. Схема гибели и размножения
- •4.4. Вопросы для самопроверки
- •5. Теория массового обслуживания
- •5.1. Классификация смо и их основные характеристики
- •5.2. Одноканальная смо с отказами
- •5.3. Многоканальная смо с отказами
- •5.4. Одноканальная смо с ожиданием
- •5.5. Вопросы для самопроверки
- •6. Сети Петри
- •6.1. Основные определения
- •6.2. Сети Петри для моделирования
- •6.3. Анализ сетей Петри
- •6.3.1. Задачи анализа сетей Петри
- •6.3.2. Методы анализа
- •6.4. Обобщения сетей Петри
- •6.4.1. Временные сети событий (всс)
- •6.4.3. Комби-сети
- •6.5. Вопросы для самопроверки
- •7. Агрегативное описание систем
- •7.1. Понятие «агрегат» в теории систем
- •7.2. Процесс функционирования агрегата
- •7.2.1. Функционирование агрегата общего вида
- •7.2.2. Функционирование смо как агрегата
- •7.3. Моделирование процесса функционирования агрегата
- •7.4. Кусочно-линейные агрегаты
- •7.4.1. Понятие о кусочно-линейном агрегате.
- •7.4.2. Процесс функционирования кла.
- •7.4.3. Примеры представления систем в виде кла.
- •8.2. Способы организации единичного жребия
- •Появилось или нет событие а?
- •Какое из нескольких возможных событий появилось?
- •3. Какое значение приняла случайная величина?
- •4. Какую совокупность значений примет система случайных величин?
- •8.3. Современное содержание терминов «имитация», «имитационная модель».
- •8.4. Приемы построения и эксплуатации имитационных моделей
- •8.5. Вопросы для самопроверки
- •9. Когнитивные подходы к решению слабоструктурированных и плохо формализованных задач
- •9.1. Когнитивные модели
- •9.2. Вопросы для самопроверки
- •Список использованной литературы
8.2. Способы организации единичного жребия
Основным элементом, из совокупности которых складывается монте-карловская модель, является одна случайная реализация моделируемого явления, например: один «обстрел» цели», один «день работы» транспорта, одна «эпидемия» и т.п.
Реализация представляет собой как бы один случай осуществления моделируемого случайного явления (процесса) со всеми присущими ему случайностями. Она разыгрывается с помощью специально разработанной процедуры или алгоритма, в котором важную роль играет собственно «розыгрыш» или бросание жребия». Каждый раз, когда в ход моделируемого процесса вмешивается случайность, её влияние учитывается не расчетом, а бросанием жребия.
Предположим, что в ходе моделируемого процесса наступил момент, когда его дальнейшее развитие (а значит и результат) зависит от того, появилось ли на данном этапе событие А или не появилось (например: произошло ли попадание в цель, обнаружен ли некоторый объект, исправна ли некоторая аппаратура и т.д). Тогда нужно «бросанием жребия» решить вопрос: появилось событие А или не появилось? Для этого нужно привести в действие некоторый случайный механизм розыгрыша (бросить игральную кость, несколько монет или выбрать число из таблицы случайных чисел) и условиться о том, какой результат жребия означает появление, а какой – непоявление события А). Ниже мы увидим, что розыгрыш всегда можно организовать так, чтобы событие А имело любую наперед заданную вероятность. Кроме событий, появляющихся случайным образом, на ход и исход операции могут так же влиять разные случайные величины (время, координаты и т.д.). С помощью жребия можно разыграть значения любой случайной величины или совокупность значений нескольких случайных величин. Условимся называть единичным жребием любой элементарный опыт, в котором решается один из вопросов:
Произошло или не произошло событие А?
Какое из возможных событий А1,А2,…Аk произошло?
Какое значение приняла случайная величина Х?
Какую совокупность значений приняла система случайных величин Х1,Х2,…Хk?
Рассмотрим способы организации всех разновидностей единичного жребия. При любой организации жребия должен быть пущен в ход какой-то механизм случайного выбора. Механизмы могут быть самыми разнообразными, однако любой из них может быть заменен стандартным механизмом, позволяющим решить одну задачу: получить случайную величину, распределенную с постоянной плотностью от 0 до 1. Условимся для краткости называть такую случайную величину «случайное число от 0 до 1» и обозначать R.
Появилось или нет событие а?
Пусть
вероятность события А
равна p:
Р(А)=р. Выберем
с помощью стандартного механизма
случайное число R
и будем считать, что если оно меньше р,
событие А
произошло, если больше р
– не произошло.
Действительно: если R
– случайное число от 0 до 1, то
,
где f(r)=1
при 0<r<1
или
.
Какое из нескольких возможных событий появилось?
Пусть имеется полная группа несовместных событий: А1,А2,…Аk с вероятностями р1,р2,…рk. Т.к. события несовместны и образуют полную группу, то р1+р2+…+рk=1. Разделим весь интервал от 0 до 1 на k участков длиной р1,р2,…рk.
Если случайное число R, выданное стандартным механизмом, попало, например, на участок р3, это означает, что появилось событие А3.