- •Предмет, цели и задачи дисциплины.
- •2. Система. Элементы, структура.
- •3. Система. Функции.
- •4. Система. Параметры.
- •5. Система. Характеристики, критерии.
- •6. Понятие модели.
- •7. Понятие моделирования (в узком и широком смысле).
- •8. Принципы моделирования
- •9. Назначение и цели моделирования
- •10. Роль эвм в моделировании.
- •11. Машинное моделирование
- •12. Место моделирования среди других наук.
- •13. Системный подход в моделировании.
- •15.Основные характеристики модели
- •16. Адекватность моделей.
- •17. Трудоемкость модели
- •18. Универсальность модели.
- •19. Структурные, функциональные, детерминированные и вероятностные модели.
- •22. Понятие и характеристика математической модели.
- •24. Общее описание математической модели системы.
- •26. Характеристика имитационных методов расчета математических моделей.
- •27. Аналитическое решение математической модели
- •28 Иммитационное решение математической модели.
- •29. Состояния, события, временные списки.
- •30. Сравнительный анализ аналитических и имитационных моделей.
- •31. Классификация типовых математических моделей.
- •32. Общая характеристика q-схем.
- •33. Перечень основных этапов моделирования.
- •34. Характеристика концептуальных моделей.
- •35. Цели и виды планирования экспериментов с моделью.
7. Понятие моделирования (в узком и широком смысле).
Моделированием называется замещение одного объекта, называемого системой, другим объектом, называемым моделью, и проведение экспериментов с моделью (или на модели), исследование свойств модели, опираясь на результаты экспериментов с целью получения информации о системе.
Моделирование позволяет исследовать такие системы, прямой эксперимент с которыми:
а) трудно выполним;
б) экономически невыгоден;
в) вообще невозможен.
Моделирование - важнейшая сфера применения средств вычислительной техники, когда положения теории моделирования используются в различных областях науки, производства и техники. В то же время сами средства вычислительной техники являются объектами моделирования на этапе проектирования новых и модернизации старых вычислительных систем, при анализе возможности использования вычислительных систем в различных приложениях.
8. Принципы моделирования
Принцип информационной достаточности. При полном отсутствии информации об исследуемом объекте построить его модель невозможно. Если информация полная, то моделирование лишено смысла. Должен существовать некоторый критический уровень априорных сведений об объекте (уровень информационной достаточности), при достижении которого может быть построена его адекватная модель.
Принцип осуществимости. Модель должна обеспечивать достижения поставленной цели с вероятностью отличной от нуля и за конечное время. Обычно задают некоторое пороговое значение вероятности P0 и приемлемую границу времени t0 достижения цели. Модель осуществима, если
P(t) ≥ P0 и t ≤ t0 .
Принцип множественности моделей. Создаваемая модель должна отражать в первую очередь те свойства моделируемой системы или процесса, которые влияют на выбранный показатель эффективности. Соответственно, с помощью конкретной модели можно изучить лишь некоторые стороны реальности. Для более полного ее исследования необходим ряд моделей, позволяющих более разносторонне и с разной степенью детальности отражать рассматриваемый объект или процесс.
Принцип агрегирования. Сложную систему обычно можно представить состоящей из подсистем (агрегатов), для математического описания которых используются стандартные математические схемы. Кроме того, этот принцип позволяет гибко перестраивать модель в зависимости от целей исследования.
Принцип параметризации. В ряде случаев моделируемая система может иметь относительно изолированные подсистемы, которые характеризуются определенным параметром (в том числе векторным). Такие подсистемы можно заметить в модели соответствующими числами, а не описывать процесс их функционирования. При необходимости зависимость этих величин от ситуации может быть задана в виде таблицы, графика или аналитического выражения (формулы). Это позволяет сократить объем и продолжительность моделирования. Однако надо помнить, что параметризация снижает адекватность модели.