54. Как повысить точность результатов стратегического моделирования системы в условиях ограниченности ресурсов инструментальной эвм?

Концепция статистического моделирования систем в реализационном плане неразрывно связана с ограниченностью ресурсов инструментальных ЭВМ. Поэтому при рассмотрении теоретических проблем машинной имитации, относящихся в основном к разделу математической статистики, необходимо учитывать особенности и возможности текущей обработки экспериментальной информации на ЭВМ. Успех имитационного эксперимента с моделью системы существенным образом зависит от правильного решения вопросов обработки и последующего анализа и интерпретации результатов моделирования. Особенно важно решить проблему текущей обработки экспериментальной информации при использовании модели для целей автоматизации проектирования систем.

55. Каковы особенности имитационного эксперимента на ЭВМ с точки зрения обработки результатов?

Особенности машинных экспериментов. При выборе методов обработки существенную роль играют три особенности машинного эксперимента с моделью системы S.

1. Возможность получать при моделировании системы S на ЭВМ большие выборки позволяет количественно оценить характеристики процесса функционирования системы, но превращает в серьезную проблему хранение промежуточных результатов моделирования. Эту проблему можно решить, используя рекуррентные алгоритмы обработки, когда оценки вычисляют по ходу моделирования, причем большой объем выборки дает возможность пользоваться при этом достаточно простыми для расчетов на ЭВМ асимптотическими формулами.

2. Сложность исследуемой системы S при ее моделировании на ЭВМ часто приводит к тому, что априорное суждение о характеристиках процесса функционирования системы, например о типе ожидаемого распределения выходных переменных, является невозможным. Поэтому при моделировании систем широко используются непараметрические оценки и оценки моментов распределения.

3. Блочность конструкции машинной модели Мм и раздельное исследование блоков связаны с программной имитацией входных переменных для одной частичной модели по оценкам выходных переменных, полученных на другой частичной модели. Если ЭВМ, используемая для моделирования, не позволяет воспользоваться переменными, записанными на внешние носители, то следует представить эти переменные в форме, удобной для построения алгоритма их имитации.

56. В чем сущность методов фиксации и обработки результатов при стати-стическом моделировании систем на ЭВМ?

При исследовании сложных систем и большом числе реализаций на ЭВМ получается значительный объем информации о состояниях процесса функционирования системы. Фиксацию и обработку результатов моделирования необходимо организовать так, чтобы оценки для искомых характеристик формировались постепенно по ходу моделирования.

Если при моделировании процесса функционирования системы учитываются случайные факторы, то и среди результатов моделирования присутствуют случайные величины. Область возможных значений случайной величины разбивается на n интервалов. Затем накапливается количество попаданий случайной величины в эти интервалы тk, к=1, n. Оценкой для вероятности попадания случайной величины в интервал с номером k служит величина mk/N. Достаточно фиксировать n значений тk при обработке результатов моделирования на ЭВМ.

При обработке результатов машинного эксперимента: определение эмпирического закона распределения случайной величины, проверка однородности распределений, сравнение средних значений и дисперсий переменных, полученных в результате моделирования.

57. Какие методы математической статистики используются для анализа результатов имитационного моделирования систем?

При обработке результатов машинного эксперимента с моделью М наиболее ча­сто возникают следующие задачи: определение эмпирического зако­на распределения случайной величины, проверка однородности рас­пределений, сравнение средних значений и дисперсий переменных, полученных в результате моделирования, и т. д. Эти задачи с точки зрения математической статистики являются типовыми задачами по проверке статистических гипотез.

58. Какое место занимают имитационные модели при машинном синтезе систем?

При синтезе системы S на базе машинной модели Мм задача поиска оптимального варианта системы при выбранном критерии оценки эффективности и заданных ограничениях решается путем анализа характеристик процесса функционирования различных ва­ риантов системы, их сравнительной оценки и выбора наилучшего варианта. Независимо от того, как организуется выбор наилучшего варианта системы — простым перебором всех проанализированных при машинных экспериментах результатов или с помощью специ­ альных процедур поиска оптимального варианта, например мето­ дов математического программирования,— элементарной операци­ ей является сравнение статистически усредненных критериев оценки эффективности вариантов систем

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно про­сто учитывать такие факторы, как наличие дискретных и непрерыв­ных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто созда­ют трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод ис­следования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы

59. Какие основные блоки выделяются при построении иерархической модели системы?





60. Какие существуют способы построения моделирующих алгоритмов Q-схем?

Существует два основных принципа построения моделирующих алгоритмов:

«принцип Δt» и «принцип δz».

При построении моделирующего алгоритма Q-схемы по «принципу Δt », т. е. алгоритма с детерминированным шагом, необходимо для построения адекватной модели Мм определить минимальный интервал времени между сосед­ними событиями A'=min{u,} (во входящих потоках и потоках обслуживании) и принять, что шаг моделирования равен At'.

В моделирующих алгоритмах, построенных по «принципу δz», т. е. в алгоритмах со случайным шагом, элементы Q-схемы про­сматриваются при моделирова­нии только в моменты особых состояний (в моменты появления заявок из И или изменения состо­яний К).При этом длительность шага Δt =var зависит как от особенностей самой системы S, так и от воздействий внешней среды Е.

61.Чем отличаются синхронный и асинхронный моделирующие алгоритмы Qсхем?

Асинхронный отличается от синхронного, отсутствием, ведущего (синхронизирующего) элемента, причем очередному шагу моделирования соответствует особое состояние, т. е. момент окончания обслуживания одной из заявок любым каналом или момент поступления заявки из источника.

62.В чем суть структурного подхода при моделировании систем на базе Nсхемы

63.Каковы особенности использования языков имитационного моделирования

на базе N-схем?

Одним из основных вопросов, который надо решить разработчику имитационной модели процесса, формализуемого на базе N-схем, является выбор языка программирования. Реализация модулей NE -схем на машинно-ориентированном языке или же языках общего назначения позволяет снизить затраты машинного времени и оперативной памяти при моделировании систем, но при этом следует учитывать высокую трудоемкость разработки библиотеки моделирующих подпрограмм. Этот недостаток устраняется при использовании для моделирования системы S, формализованной на базе N-схем, языков имитационного моделирования.

64.В чем заключается особенности формализации процессов

функционирования систем на базе А - схем?

65.Каково преимущество использования типовых математических схем при имитационном моделировании?

66. Что называется информационной моделью систем?

Имеют информационный характер и должны соответствовать конкретным целям по принятию решений по управлению объектом, который они описывают

67. Каковы характерные черты эволюционных моделей систем?

Имеют в основном гносеологический характер, от них требуется тесная связь с методами той конкретной области знаний, для которой они строятся. Модели такого типа являются достаточно «инерционными» в своем развитии, так как отражают эволюцию в конкретной области знаний.

68. В чем суть адаптации применительно к системам управления различными объектами?

Адаптация использует обучение и самообучение для получения в условиях неопределенности информации о состояниях и характеристиках объекта, необходимой для оптимального управления. Обучение понимается как процесс выработки в некотором объекте тех или иных свойств его реакции на внешние воздействия путем многократных испытаний и корректировок. Самообучение отличается от обучения отсутствием внешней корректировки.

69. Какова роль эталонов модели в контуре управления?

Осуществляется подстройка параметров управляющего устройства так, чтобы замкнутая система была близка к эталонной модели

70. Какие модели используются для принятия решения?

Машинные модели Мм, используемые в качестве имитаторов и тренажеров, дают возможность предсказать поведение системы S в условиях взаимодействия с внешней средой Е.

71. Какие требования предъявляются к модели, реализуемой в реальном масштабе времени?

Основной целью моделирования является прогнозирование в широком смысле этого слова. Моделирование позволяет сделать вывод о принципиальной работоспособности объекта (системы S), оценить его потенциально возможные характеристики, установить зависимость характеристик от различных параметров и переменных, определить оптимальные значения параметров и т. п.

Другой особенностью моделирования для принятия решений по управлению объектом в реальном масштабе времени является существенная ограниченность вычислительных ресурсов, так как такие системы управления, а следовательно, и машинные модели Мы, реализуются, как правило, на базе мини- и микроЭВМ или специализированных микропроцессорных наборов, когда имеется ограничение по быстродействию и объему памяти. Это требует тщательного подхода к минимизации затрат ресурсов по моделированию в реальном масштабе времени [12, 29, 52].

При ситуационном моделировании важно не потерять информацию о смене состояний системы S, так как от этого зависит эффективность управления.

При бихевиоральном моделировании важно получить усредненную статистическую оценку характеристик системы S на интервале (О, Т). Поэтому при построении моделирующих алгоритмов важно при заданной точности и достоверности результатов моделирования выбрать наиболее просто реализуемый алгоритм, требующий минимальных затрат времени и оперативной памяти на его прогон.