- •Воронежский государственный технический университет
- •Утверждено Редакционно-издательским советом университета в качестве учебного пособия
- •Введение
- •2. Классификация видов моделирования систем
- •3. Основные математические методы моделирования информационных процессов и систем
- •3.1. Виды математических моделей
- •3.2. Структурные математические модели
- •3.3. Функциональные математические модели
- •3.3.1. Непрерывно-детерминированные модели
- •3.3.2. Непрерывно-стохастические модели
- •3.3.2.1. Анализ работы разомкнутых смо
- •3.3.2.2. Замкнутые смо
- •3.4. Моделирование дискретных систем
- •3.4.1. Конечные автоматы
- •3.4.2. Дискретно-детерминированные модели
- •3.4.3. Вероятностные автоматы
- •3.5. Сетевые модели. Сети Петри (n-схемы)
- •4. Имитационное моделирование информационных процессов
- •4.1. Организация статистического моделирования
- •4.2Моделирование случайной величины с заданным законом распределения
- •4.3 Моделирование равномерно распределенных на отрезке [a,b] случайных чисел
- •4.4. Моделирование показательно распределенных св
- •4.5. Моделирование нормально распределенных случайных чисел
- •4.6. Проверка качества случайных чисел по критерию
- •4.7. Точность статистических оценок
- •4.8. Аппроксимация результатов моделирования
- •5. Формализация и алгоритмизация процессов функционирования систем
- •5.1. Методика разработки и машинной реализации моделей систем
- •5.2. Построение концептуальных моделей систем и их формализация
- •5.3. Алгоритмизация моделей систем и их машинная реализация
- •6. Планирование имитационных моделй с экспериментами
- •6.1. Полный факторный эксперимент
- •6.2. Дробные реплики
- •6.3. Общая схема планирования эксперимента
- •6.3.1. "Крутое восхождение"
- •6.3.2. Этапы планирования эксперимента
- •6.4. Стратегическое планирование
- •6.5. Тактическое планирование
- •7. Оценка точности и достоверности результатов моделирования
- •7.1. Общие положения
- •7.2. Регрессионный анализ
- •7.3. Корреляционный анализ
- •7.4. Экспертные оценки
- •8. Инструментальные средства моделирования систем
- •8.1. Архитектура языков имитационного моделирования
- •8.2. Задание времени в машинной модели
- •8.3. Сравнительный анализ языков моделирования
- •8.4. Примеры прикладных пакетов моделирования и языков моделирования
- •9. Правила построения моделирующих алгоритмов и способы реализации моделей
- •10. Сетевые модели вычислительных систем
- •10.1. Определение: Сеть Петри
- •Объекты, образующие сеть Петри
- •2Расширенная входная Расширенная выходная
- •10.2. Маркировка сети Петри.
- •10.3. Пространство состояний сети Петри
- •10.4. Моделирование параллельных процессов.
- •10.5. Моделирование процессора с конвейерной обработкой
- •10.6. Кратные функциональные блоки компьютера
- •10.7. Сети Петри и программирование
- •10.8. Взаимно исключающие параллельные процессы
- •10.9. Анализ сетей Петри
- •10.10. Дерево достижимости сети Петри
- •В позицию может входить и выходить только одна дуга
- •11. Система имитационного моделирования gpss/pc
- •11.1. Назначение и основные возможности системы
- •11. 2. Состав системы моделирования gpss/pc
- •11.3. Структура операторов языка gpss/pc
- •11.4. Команды среды gpss/pc
- •11.5. Основные операторы языка gpss/pc
- •11.5.1. Начало gpss-модели
- •11.5.2. Комментарии в gpss/pc
- •11.5.3. Имитация потоков событий. Транзакты
- •11.5.4. Имитация типовых узлов смо
- •11.6. Информация о ходе моделирования
- •11.6.1. Окно данных
- •11.6.2. Окно блоков
- •11.6.3. Окно устройств
- •11.6.4. Окно многоканальных устройств
- •11.7. Информация о результатах моделирования
- •11.7.1. Файл результатов моделирования
- •11.7.2. Содержание результатов моделирования
- •11.9. Управление движением транзактов
- •11.10. Дополнительные средства сбора информации о модели
- •11.11. Стандартные числовые атрибуты
- •11.12. Выбор направления движения транзактов с использованием сча
- •11.13. Датчики случайных чисел в gpss/pc
- •11.14. Функции в gpss/pc
- •11.14.1. Дискретные функции
- •11.14.2. Непрерывные функции
- •11.15. Переменные в gpss/pc
- •11.16. Организация циклов
- •11.17. Логические переключатели
- •11.18. Управление движением транзактов в зависимости от состояния элементов модели
- •11.19. Моделирование согласованных процессов на gpss-pc
- •11.19.1. Создание ансамблей транзактов
- •11.19.2. Накопление нескольких транзактов для последующей обработки
- •11.19.3. Объединение нескольких транзактов в один
- •11.19.4. Синхронизация движения транзактов в модели
- •11.20. Время пребывания транзакта в модели
- •11.21. Сбор данных о распределении значений характеристик модели. Таблицы
- •11.22. Изменение имени файла результатов моделирования
- •11.23. Приведение модели к исходному состоянию
- •11.24. Многократное выполнение моделирования
- •11.25. Моделирование нескольких вариантов системы в одной gpss-модели
- •11.26. Время моделирования
- •3 94026 Воронеж, Московский просп., 14
6.1. Полный факторный эксперимент
Определение: Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПФЭ).
Пример: Имеем два фактора X1 и X2, которые изменяются в интересующей нас области G в пределах: , (рис. 6.2. а)). В ходе эксперимента найдены значения ординат поверхности отклика в граничных точках (см. таблица 6.1)
Найдем аналитическое выражение функции отклика в линейной постановке, то есть дадим приближенное представление функции в виде:
у=b0+b1x1+b2x2 (6.1)
Для удобства представим факторы в закодированном виде. Выберем новую систему координат x1 x2 y, начало координат совместим с центром интересующей нас области (рис. 6.2 б)).
Рис. 6.2.
Таблица 6.1
№ точки опыта |
X1 |
X2 |
y |
1 |
0.4 |
10 |
38 |
2 |
0.8 |
10 |
68 |
3 |
0.4 |
30 |
32 |
4 |
0.8 |
30 |
62 |
Рис. 6.3.
Начальный этап планирования эксперимента для получения коэффициентов линейной модели основан на варьировании факторов на двух уровнях: нижнем и верхнем - симметрично расположенных относительно основного уровня. Так как каждый фактор принимает лишь два значения, то для стандартизации и упрощения записи условий каждого испытания и обработки выборочных данных эксперимента масштабы по осям факторов выбираются так, чтобы нижний уровень фактора соответствовал -1, а верхний – +1. Для этого воспользуемся преобразованием:
xi=(Xi-X0)/ (6.2)
где xi – кодированное значение i – го фактора; Xi – натуральное значение, - интервал варьирования, X0 – нулевой уровень.
Для X1 нулевой уровень и интервал варьирования будут равны:
Х10=(0,4+0,8)/2=0,6
Х1= (0,8-0,4)/2=0,2
для Х2:
Кодированные значения факторов приведены в таблице 6.2
Таблица 6.2
№ опыта |
x0 |
x1 |
x2 |
y |
1 |
2 |
3 |
4 |
5 |
1 |
+1 |
-1 |
-1 |
38 |
2 |
+1 |
+1 |
-1 |
68 |
3 |
+1 |
-1 |
+1 |
32 |
4 |
+1 |
+1 |
+1 |
62 |
В 1-м и 5-м столбцах повторены значения предыдущей таблицы. Во 2-м столбце приведены значения фиктивной переменной x0, которая характеризует свободный член b0 в уравнении регрессии. Оно всегда =1. В 3-м и 4-м столбцах записаны искомые кодированные переменные так для X1 в первой точке значение: , во второй точке значение: и т. д.
Такие таблицы называют матрицами планирования (или матрицами спектра плана) полного факторного эксперимента.
Далее определяем коэффициенты регрессии ур-ия (6.1):
(6.3)
где xin значение xi – в n-ом опыте, N – число опытов yn – значение отклика в n-ом опыте. Для вычисления коэффициента регрессии по табличным данным нужно перемножить данные столбцов y и соответствующих xi, сложить результаты и поделить их на число опытов:
Искомое линейное уравнение поверхности отклика и закодированных переменных будет:
:
В не кодируемой форме:
(6.4)
В общем случае многофакторного эксперимента уравнение регрессии имеет вид:
(6.5)
b0 – называют общим средним;
bi – главными эффектами (взаимодействиями нулевого порядка);
bij – взаимодействиями первого порядка;
bijk – взаимодействиями второго порядка (эффектами трехфакторных взаимодействий);
b123 … n – эффектами n – факторных взаимодействий (эффектами взаимодействия порядка n-1).
Частные случаи функции регрессии:
линейная: (6.6)
неполная квадратичная:
(6.7)
Техника эксперимента с варьированием k факторов на двух уровнях сводится к проведению 2k опытов.
Для построения матрицы планирования эксперимента при любом k следует дважды повторить матрицу планирования для случая k-1: один раз для нижнего уровня k-го фактора, а другой раз – для верхнего.
Последовательность достраивания матриц планирования при увеличении k от двух до пяти показана в таблице (6.3). Первые четыре (отчеркнутые) опыта соответствуют двухфакторному эксперименту типа 22. Восьми факторный план типа 23 дважды повторяет двухфакторный эксперимент при варьировании 3-его фактора сначала на нижнем, а потом на верхнем уровнях. Аналогично стоятся планы полных факторных экспериментов при других значениях k.
Таблица 6.3