39. Как можно представлять архитектуру языка имитационного моделирования?

Архитектуру ЯИМ, т. е. концепцию взаимосвязей элементов языка как сложной системы, и технологию перехода от системы S к ее машинной модели Мы можно представить следующим образом: 1) объекты моделирования (системы S) описываются (отображаются в языке) с помощью некоторых атрибутов языка; 2) атрибуты взаимодействуют с процессами, адекватными реально протекающим явлениям в моделируемой системе S; 3) процессы требуют конкретных условий, определяющих логическую основу и последовательность взаимодействия этих процессов во времени; 4) условия влияют на события, имеющие место внутри объекта моделирования (системы 5) и при взаимодействии с внешней средой Е; 5) события изменяют состояния модели системы М в пространстве и во времени.

Типовая схема архитектуры ЯИМ и технология его использования при моделировании систем показана на рис. 5.1.

40. Какие основные требования предъявляются к языкам имитационного моделирования?

Совмещение.

Размер.

Изменения. Взаимосвязанность.

Стохастичность.

Анализ.

41. Какие имеются группы языков моделирования дискретных систем?

Языки моделирования дискретных систем. В рамках дискретного подхода можно выделить несколько принципиально различных групп ЯИМ.

Первая группа ЯИМ подразумевает наличие списка событий, отличающих моменты начала выполнения операций. Продвижение времени осуществляется по событиям, в моменты наступления которых производятся необходимые операции, включая операции пополнения списка событий.Язык SIMSCRIPT.

При использовании ЯИМ второй группы после пересчета системного времени, в отличие от схемы языка событий, просмотр действий с целью проверки выполнения условий начала или окончания какого-либо действия производится непрерывно. Просмотр действий определяет очередность появления событий. Языки данного типа имеют в своей основе поисковый алгоритм, и динамика 154 системы S описывается в терминах действий.ЯИМ FORSIM

Третья группа ЯИМ описывает системы, поведение которых определяется процессами. В данном случае под процессом понимается последовательность событий, связь между которыми устанавливается с помощью набора специальных отношений. Динамика заложена в независимо управляемых программах, которые в совокупности составляют программу процесса. Пример языка процессов — язык SIMULA

В отдельную группу могут быть выделены ЯИМ типа GPSS, хотя принципиально их можно отнести к группе языков процессов.

42. Что называется пакетом прикладных программ моделирования си-

стем?

ППМ — это комплекс взаимосвязанных программ моделирования и средств системного обеспечения (программных и языковых), предназначенных для автоматизации решения задач моделирования

43. Что является функциональным и системным наполнением пакета прикладных программ моделирования?

Функциональное наполнение ППМ отражает специфику предметной области применительно к конкретному объекту моделирования

Системное наполнение ППМ представляет собой совокупность программ, которые обеспечивают выполнение заданий и взаимодействие пользователя с пакетом, адекватное дисциплине работы в данной прикладной деятельности.

44. Каковы функции языка заданий пакета прикладных программ модели-

рования?

— конструирования схем программ, в которых указывается порядок выполнения и взаимодействия модулей при моделировании конкретной системы;

— развития или модификации функционального наполнения ППМ;

— управления процессами генерации и исполнения рабочей программы, реализующей задание пользователя.

45.Какие существуют моделирующие комплексы?

ГВК, обеспечение которых ориентировано на решение задач машинного моделирования (например, по составу программного обеспечения, наличию операционной системы реального времени и диалога, интерфейсу с натурными блоками моделируемой системы 5 и т. д.), называются гибридными или аналого-цифровыми моделирующими комплексами (АЦМК)

При распределении задачи моделирования системы S по средствам, входящим в состав АЦМК, могут быть выделены три типа комплексов:

• Аналого-ориентированные комплексы

• Цифро-ориентированные комплексы

• Сбалансированные (универсальные) комплексы

46. Гибридные вычислительные комплексы.

Перспективно сочетание ЭВМ и АВМ, т. е. использование гибридных средств вычислительной техники — гибридных вычислительных комплексов (ГВК), что в ряде случаев значительно ускоряет процесс исследования [12, 20, 37, 49].

Современные ГВК представляют собой попытку объединить все лучшее, присущее цифровой и аналоговой технике, и избежать их недостатков. Некоторые задачи требуют для своего решения усиления цифровой части комплекса аналоговой частью для увеличения скорости вычислений и распараллеливания процессов. При этом цифровая часть ГВК дает возможность:

1) управлять аналоговой частью машинной модели Ми при высоком быстродействии;

2) использовать устройства запоминания и хранения данных моделирования;

3) обеспечивать более высокую точность вычислений и применения логических операций при моделировании системы S.

Преимущества ГВК:

1) сочетает быстродействие АВМ и точность ЭВМ, что позволяет расширить класс моделируемых объектов;

2) в процессе машинного моделирования позволяет использовать реальные технические средства и части исследуемой конкретной системы S;

3) обеспечивает гибкость аналогового моделирования благодаря использованию логики и памяти ЭВМ;

4) увеличивает быстродействие ЭВМ за счет использования аналоговых подпрограмм;

5) делает возможной обработку входной информации о модели системы S, представленной частично в дискретной и непрерывной формах.

47. Каковы характерные особенности машинного эксперимента по сравнению с другими видами экспериментов?

Машинный эксперимент с моделью системы S при ее исследовании и проектировании проводится с целью получения информации о характеристиках процесса функционирования рассматриваемого объекта. Эта информация может быть получена как для анализа характеристик, так и для их оптимизации при заданных ограничениях. К числу частных задач, решаемых при планировании машинных экспериментов, относятся задачи уменьшения затрат машинного времени на моделирование, увеличения точности и достоверности результатов моделирования, проверки адекватности модели и т. д.

Характерные особенности:

• эффективность машинных экспериментов с моделями существенно зависит от выбора плана эксперимента, так как именно план определяет объем и порядок проведения вычислений на ЭВМ, приемы накопления и статистической обработки результатов моделирования системы S

• возможность полного воспроизведения условий эксперимента с моделью исследуемой системы S. Сравнивать две альтернативы возможно при одинаковых условиях, что достигается, например, выбором одной и той же последовательности случайных чисел для каждой из альтернатив

• простота прерывания и возобновления машинных экспериментов, что позволяет применять последовательные и эвристические приемы планирования, которые могут оказаться нереализуемыми в экспериментах с реальными объектами.

• при работе с машинной моделью всегда возможно прерывание эксперимента на время, необходимое для анализа результатов и принятия решений об его дальнейшем ходе (например, о необходимости изменения значений параметров модели ).

• часто возникают трудности, связанные с наличием корреляции в выходных последовательностях, т. е. результаты одних наблюдений зависят от результатов одного или нескольких предыдущих, и поэтому в них содержится меньше информации, чем в независимых наблюдениях.

48. Какие виды факторов бывают в имитационном эксперименте с моделями систем?

Факторы при проведении экспериментов могут быть управляемыми и неуправляемыми, наблюдаемыми и ненаблюдаемыми, изучаемыми и неизучаемыми, количественными и качественными, фиксированными и случайными.

1. Фактор называется управляемым, если его уровни целенаправленно выбираются исследователем в процессе эксперимента. При машинной реализации модели М_м исследователь принимает решения, управляя изменением в допустимых пределах различных факторов.

2. Фактор называется наблюдаемым, если его значения наблюдаются и регистрируются. Обычно в машинном эксперименте с моделью М_м наблюдаемые факторы совпадают с управляемыми, так как нерационально управлять фактором, не наблюдая его. Но неуправляемый фактор также можно наблюдать. Например, на этапе проектирования конкретной системы Sнельзя управлять заданными воздействиями внешней среды Е, но можно наблюдать их в машинном эксперименте. Наблюдаемые неуправляемые факторы получили название сопутствующих. Обычно при машинном эксперименте с моделью М_м число сопутствующих факторов велико, поэтому рационально учитывать влияние лишь тех из них, которые наиболее существенно воздействуют на интересующую исследователя реакцию.

3. Фактор относится к изучаемым, если он включен в модель М_м для изучения свойств системы S, а не для вспомогательных целей, например для увеличения точности эксперимента.

4. Фактор будет количественным, если его значения - числовые величины, влияющие на реакцию, а в противном случае фактор называется качественным. Например, в модели системы, формализуемой в виде схемы массового обслуживания (Q-схемы), количественными факторами являются интенсивности входящих потоков заявок, интенсивности потоков обслуживания, емкости накопителей, количество обслуживающих каналов и т. д., а качественными факторами - дисциплины постановки в очередь, выбора из очереди, обслуживания заявок каналами и т. д. Качественным факторам в отличие от количественных не соответствует числовая шкала. Однако и для них можно построить условную порядковую шкалу, с помощью которой производится кодирование, устанавливая соответствие между условиями качественного фактора и числами натурального ряда.

5. Фактор называется фиксированным, если в эксперименте исследуются все интересующие экспериментатора значения фактора, а если экспериментатор исследует только некоторую случайную выборку из совокупности интересующих значений факторов, то фактор называется случайным. На основании случайных факторов могут быть сделаны вероятностные выводы и о тех значениях факторов, которые в эксперименте не исследовались.

49. Что называется полным факторным экспериментом?

Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПФЭ). Если выбранная модель планирования включает в себя только линейные члены полинома и их произведения, то для оценки коэффициентов модели используется план эксперимента с варьированием всех к факторов на двух уровнях, т. е. q = 2.

Полный факторный эксперимент дает возможность определить не только коэффициенты регрессии, соответствующие линейным эффектам, но и коэффициенты регрессии, соответствующие всем эффектам взаимодействия. Эффект взаимодействия двух (или более) факторов появляется при одновременном варьировании этих факторов, когда действие каждого из них на выход зависит от уровня, на которых находятся другие факторы.

50. Какова цель стратегического планирования машинных экспериментов?

Стратегическое планирование ставит своей целью решение задачи получения необходимой информации о системе S с помощью модели , реализованной на ЭВМ, с учетом ограничений на ресурсы, имеющиеся в распоряжении экспериментатора. По своей сути стратегическое планирование аналогично внешнему проектированию при создании системы S, только здесь в качестве объекта выступает процесс моделирования системы.

51. Какие проблемы стратегического планирования машинных экспериментов с моделями систем являются основными?

В первую очередь к таким относятся проблемы построения плана машинного эксперимента;

• наличия большого количества факторов;

• многокомпонентной функции реакции;

• стохастической сходимости результатов машинного эксперимента;

• ограниченности машинных ресурсов на проведение эксперимента.

52. Какова цель тактического планирования машинных экспериментов?

Тактическое планирование машинного эксперимента связано прежде всего с решением следующих проблем: 1) определения начальных условий и их влияния на достижение установившегося результата при моделировании; 2) обеспечения точности и достоверности результатов моделирования; 3) уменьшения дисперсии оценок характеристик процесса функционирования моделируемых систем; 4) выбора правил автоматической остановки имитационного эксперимента с моделями систем.

53. Что называется точностью и достоверностью результатов моделирования систем на ЭВМ?

Статистическое моделирование системы S — это эксперимент с машинной моделью М_. Обработка ре­зультатов подобного имитационного эксперимента принципиально не может дать точных значений показателя эффективности Е систе­мы S; в лучшем случае можно получить только некоторую оценку Е такого показателя.При этом экономические вопросы затрат людских и машинных ресурсов, обосновывающие целесооб­разность статистического моделирования вообще, оказываются тесно связанными с вопросами точности и достоверности оценки показателя эффективности Е системы S на ее модели М _.Так, количество реализаций N при статистическом моделировании системы S должно выбираться исходя из двух ос­новных соображений: определения затрат ресурсов на машинный эксперимент с моделью М (включая построение модели и ее ма­шинную реализацию); оценки точности и достоверности резуль­татов эксперимента с моделью системы S (при заданных ограниче­ниях не ресурсы). Очевидно, что требования получения более хоро­ших оценок и сокращения затрат ресурсов являются противоре­чивыми и при планировании машинных экспериментов на базе статистического моделирования необходимо решить задачу нахож­дения разумного компромисса между ними.

Из-за наличия стохастичности и ограниченности числа реализа­ций N в общем случае Ё≠Е. При этом величина Е называется точностью (абсолютной) оценки: