
- •1. Наличие цели
- •1.3. Классификация моделей
- •1.4. Методы моделирования
- •2. Математические схемы моделирования систем
- •2.1. Основные подходы к построению мм систем
- •2.2. Задачи, решаемые с помощью моделирования
- •2.3. Система массового обслуживания как модель
- •2.4. Модели потоков
- •2.2. Аналитический анализ смо
- •2.2.1. Экспоненциальная система массового обслуживания
- •2.2.1.2. Многоканальная экспоненциальная смо
- •2.2.1.3. Модель m/g /1
- •2.3. Сети массового обслуживания
- •2.4. Анализ разомкнутых экспоненциальных СеМо
- •2.4.1. Свойства разомкнутой экспоненциальной СеМо
- •2.5. Расчет системных характеристик экспоненциальных СеМо
- •Контрольные вопросы
- •Пример 1. Проблема распределение канала
- •1. Статическое распределение канала
- •2. Динамическое распределение канала
- •Пример: расчет системы телеобработки данных
- •3.1. Задание
- •3.2. Решение
- •4. Схема расчета замкнутой СеМо
- •4. Имитационное моделирование систем массового обслуживания
- •4.1. Система массового обслуживания как модель и оригинал
- •4.2. Иллюстративный пример: моделирование посадки самолетов.
- •4.3. Пример: оценка надежности системы
- •Рассмотрим случайную величину
- •5. Построение моделирующего алгоритма
- •5.1. Моделирование на эвм процесса функционирования смо
- •Шагом (принцип t)
- •С другой стороны, принцип особых моментов выгоден тем, что
- •5.2. Особенности реализации процессов с использованием q-схем
- •5.2. Примеры моделирования смо с отказами
- •5.2.1. Подготовка исходных данных и назначение переменных
- •Моделирование смо с отказами по схеме событий
- •5.2.2.1. Построение блок-схем алгоритма имитации
- •Моделирование смо с отказами по схеме событий
- •5.3. Схемы построения моделирующего алгоритма
- •5.4. Моделирование смо с отказами по схеме процессов
- •Моделирование смо с отказами по схеме процессов
- •Шаг имитации
- •Класс процессов "генерирование заявок источником"
- •Численный пример
- •5.5. Семафоры и связные списки
- •5.6. Алгоритмы обслуживания очередей
- •1) Традиционный алгоритм fifo
- •2) Приоритетное обслуживание (Priority Queuing)
- •3) Взвешенные настраиваемые очереди (Weighted Queuing)
- •6. Оценки искомых характеристик и их дисперсии
- •6.1. Структура оценок
- •7. Моделирование случайных факторов
- •8. Тестирование имитационной модели
- •9. Планирование статистического эксперимента
- •Вопросы и задания
- •Планирование машинных экспериментов с моделями систем
- •Методы планирования эксперимента на модели.
- •11. Замечание о языках моделирования
- •Моделирование смо с одним npи6opом и очередью
4. Имитационное моделирование систем массового обслуживания
Имитационное моделирование (ИМ) — это метод исследования, который основан на том, что анализируемая динамическая система заменяется имитатором, и с ним производятся эксперименты для получения сведений об изучаемой системе. Роль имитатора зачастую выполняет программа ЭВМ.
4.1. Система массового обслуживания как модель и оригинал
Система массового обслуживания (СМО) – одна из основных моделей, используемой инженерами – системотехниками, Заявки (требования) на обслуживание поступают через постоянные или случайные интервалы времени. Приборы (каналы) служат для обслуживания этих заявок. Обслуживание длится некоторое время, постоянное или случайное. Если в момент поступления заявки все приборы заняты, заявка помещается в ячейку буфера и ждет там начала обслуживания. Заявки, находящиеся в буфере, составляют очередь на обслуживание. Если все ячейки буфера заняты, заявка получает отказ в обслуживании и теряется. Вероятность потери заявки (вероятность отказа) - одна из основных характеристик СМО. Другие характеристики: среднее время ожидания начала обслуживания, средняя длина очереди, коэффициент загрузки прибора (доля времени, в течение которого прибор занят обслуживанием) и т.д.
В терминах СМО описываются любые реальные системы, где возможны очереди и (или) отказы в обслуживании.
В вычислительной системе роль обслуживающего прибора играет ЭВМ, роль заявок - решаемые задачи. Источником заявок служат терминалы пользователей. Моментом выдачи заявки является момент нажатия клавиши для подачи директивы о запуске подачи на решение. Операционная системы ЭВМ исполняет роль диспетчера: определяет очередность решения задач. В роли ячеек буфера выступают ячейки памяти ЭВМ, хранящие сведения о задачах, требующих решения.
СМО как модель рассматривается в теории массового обслуживания. При этом оригиналом являются реальные системы: вычислительные, производственные, транспортные и т.д. Целью использования СМО как модели является анализ качества функционирования указанных систем-оригиналов. В относительно простых случаях анализ можно провести аналитическими методами (т.е. по формулам) с помощью теории массового обслуживания. Но в более сложных случаях приходится прибегать к моделированию на ЭВМ, чтобы определить вероятность потери заявки, коэффициент загрузки прибора и другие характеристики СМО.
Имитационная модель СМО - это программа для ЭВМ, воспроизводящая шаг за шагом процесс поступления заявок, взятия их на обслуживание и завершения обслуживания, сопровождающегося освобождением прибора. Эти события имитируются в ЭВМ в том же порядке, в каком они происходят в реальности. Целью имитации процесса функционирования СМО является, как и при теоретическом анализе, определение вероятности потери заявки, коэффициента загрузки прибора и других характеристик. Но при имитационном моделировании СМО выступает в роли оригинала, а моделью является программа имитации или алгоритм, по которому эта программа составлена. Разработку такой программы и прогон ее на ЭВМ с целью нахождения характеристик СМО принято называть имитационным моделированием (в англоязычной литературе -simulation).
Недостатком имитационного моделирования по сравнению с аналитическими методами является численный характер результатов. Моделирование позволяет получить результат в виде числа при конкретных значениях исходных данных, тогда как аналитическое исследование дает общий результат в виде формулы.
Моделирование СМО и других систем, где необходим учет случайных факторов, производится методом статистического моделирования (методом Монте-Карло). Суть этого метода в том, что искомый результат получается путем осреднения большого числа частных результатов, полученных при различных значениях случайных факторов, формируемых в соответствии с их законами распределения. Из-за этого для моделирования требуются большие затраты машинного времени.
При сопоставлении моделирования с аналитическим исследованием надо учитывать также, что аналитическое исследование доступно лишь высококвалифицированному специалисту, владеющему математическими методами, тогда как имитационное моделирование, особенно если оно производится на основе специальных языков и трансляторов, не требует столь высокой квалификации. Разумеется, квалификация предоставляет большие дополнительные возможности, так как и моделирование, и аналитическое исследование дают наибольший эффект при совместном применении, а для совместного их применения требуются особые знания и опыт.