- •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
6.3. Общая схема планирования эксперимента
6.3.1. "Крутое восхождение"
Поверхность отклика может иметь форму, напоминающую гористую местность с холмами и оврагами. И задачей эксперимента является поиск экстремальных значений самой высокой вершины или самой глубокой впадины. Для решения этой задачи используют методы случайного или целенаправленного поиска. Первый требует больших затрат ресурсов, поэтому используют второй: целенаправленный перебор точек факторного пространства ("крутое восхождение") (рис. 6.5).
Сначала случайным образом выбирают малую область факторного пространства, для нее планируют дробный факторный эксперимент, проводят серию опытов (обычно 4) и строят линейную функцию отклика. Выбирается направление дальнейшего поиска. Получив линейное уравнение, находят его градиенты (векторы производных по каждой переменной в каждой точке, или другими словами углы наклона поверхности в каждом направлении) и затем выбирают следующую область для исследования. В ней тоже проводят серию опытов, строят линейное уравнение. Таким образом, достигают вершины, т.е. такой области факторного пространства, в которой функция отклика по всем направлениям одинакова. И уже в этой области проводят полный факторный эксперимент, находя линейные коэффициенты регрессии и все взаимодействия.
Направлением градиента линейного приближения геометрически представляет собой прямую, перпендикулярную изолиниям, то есть самый крутой склон от точки до вершины. Этот подход был изложен в 1951 году Боксом и Вильсоном. Но точка, в окрестностях которой функция отклика почти не изменяется, может и не быть max, она может оказаться седловидной точкой, точкой локального min или мы находимся на гребне постоянной высоты или медленно поднимающемся гребне. Но в реальных условиях поверхность отклика в основном имеет один max, что и упрощает дело.
6.3.2. Этапы планирования эксперимента
Этапы для решения экспериментальных задач:
Постановка задачи;
Выбор параметра оптимизации;
Выбор факторов;
Составление линейного плана;
Реализация линейного плана;
Поиск области экстремума;
Описание области экстремума;
Интерпретация результатов.
Рис. 6.5. Поверхность отклика
6.4. Стратегическое планирование
Определение: Стратегическое планирование – это планирование эксперимента, который должен дать необходимую информацию.
В ходе эксперимента устанавливаются зависимости переменных отклика от контролируемых в процессе эксперимента факторов, определяются сочетания параметров, оптимизирующих переменную отклика. Стратегическое планирование позволяет эффективно решать эти задачи с помощью модели с учетом ограничений на ресурсы. Но здесь нужно учитывать ряд особенностей, влияющих на результаты моделирования: построение рационального плана эксперимента, большое количество факторов, многокомпонентность функции отклика, стохастическую сходимость результатов моделирования, ограниченность ресурсов на проведение эксперимента.
Рассмотрим возможные способы решения этих проблем.
Рекомендуется использовать дробный факторный план, если нужна грубая оценка поверхности отклика.
Отбор факторов. При наличии 10 факторов нужно провести 1024 опыта. В большинстве систем 20% факторов определяют 80% свойств системы, а остальные 80% факторов определяют лишь 20% ее свойств.
Когда исследуется одновременно несколько выходных переменных, то появляется проблема многокомпонентной функции отклика. Этого можно избежать, рассматривая эксперимент с моделью по определению многих реакций системы S как несколько экспериментов, в каждом из которых наблюдается только одна выходная переменная.
При стратегическом планировании можно выделить два этапа: построение структурной модели и построение функциональной модели. Формирование структурной модели сводится к назначению числа факторов и числа уровней для каждого фактора. Функциональная модель плана эксперимента определяет количество элементов структурной модели, т.е. необходимое количество информационных точек.