
- •О книге
- •Об авторе
- •Оглавление
- •Имитационное моделирование
- •Типы моделей
- •Сравнение аналитического и имитационного моделирования
- •Преимущества имитационного моделирования
- •Области применения имитационного моделирования
- •Три метода имитационного моделирования
- •Установка и активация AnyLogic
- •Агентное моделирование
- •Модель потребительского рынка
- •Фаза 1. Создание популяции агентов
- •Рабочее пространство AnyLogic
- •Навигация по элементам модели в панели Проекты
- •Среда обитания агентов
- •Управление выполнением модели
- •Фаза 2. Задание поведения потребителей
- •Диаграммы состояний
- •Как узнать, какой тип агента вы редактируете?
- •Тип срабатывания перехода
- •Модельное время. Единицы модельного времени
- •Режимы выполнения модели
- •Фаза 3. Добавление графика для визуализации результатов моделирования
- •Фаза 4. Добавление эффекта рекомендаций
- •Взаимодействие агентов
- •Внутренние переходы
- •Фаза 5. Учет повторных продаж продукта
- •Исправление опечаток
- •Фаза 6. Учет времени доставки продукта
- •Фаза 7. Моделирование отказов от покупки товара
- •Фаза 8. Сравнение прогонов модели
- •Системная динамика
- •Модель распространения эпидемии
- •Фаза 1. Создание диаграммы потоков и накопителей
- •Накопители и потоки
- •Формулы накопителей
- •Связи зависимостей
- •Фаза 2. Добавление графика для визуализации динамики процесса
- •Циклы обратной связи: уравновешивающие и усиливающие
- •Элемент «Цикл»
- •Фаза 3. Эксперимент варьирования параметров
- •Фаза 4. Калибровка параметров модели
- •Дискретно-событийное моделирование в AnyLogic
- •Модель заводского цеха
- •Фаза 1. Создание простой модели
- •Блокировка графического элемента
- •Фаза 2. Добавление ресурсов
- •Фаза 3. Создание трехмерной анимации
- •3D окно
- •Увеличение или уменьшение масштаба изображения
- •Фаза 4. Моделирование доставки поддонов фурами
- •Пешеходное моделирование. Модель аэропорта
- •Фаза 1. Задание потока пешеходов
- •Пешеходная библиотека
- •Фаза 2. Создание 3D анимации
- •Фаза 3. Моделирование предполетного досмотра пассажиров
- •Фаза 4. Добавление стоек регистрации
- •Как нарисовать соединители сложной формы
- •Фаза 5. Моделирование посадки на самолет
- •Заключение
- •Список литературы
AnyLogic за три дня 141
Дискретно-событийное моделирование в AnyLogic
Дискретно-событийное моделирование зародилось примерно тогда же, когда появилась системная динамика. В 1961 году инженер компании IBM Джеффри Гордон представил программу GPSS, которая считается первой реализацией метода моделирования на основе дискретных событий. В наши дни существует множество различных программных инструментов для дискретно-событийного моделирования, в том числе и современная версия GPSS.
Дискретно-событийное моделирование предполагает представление моделируемой системы в виде процесса, то есть последовательности операций, выполняемых с агентами.
Модель задается графически в виде диаграммы процесса, блоки которой представляют собой отдельные операции. Как правило, диаграмма процесса начинается с блока «источник», генерирующего агентов. Этот блок передает агентов в последующие блоки диаграммы, задающие операции моделируемого процесса. Завершается диаграмма процесса обычно блоком, уничтожающим этих агентов.
Под агентами, называющимися в GPSS транзакциями, а в некоторых других моделирующих программах - заявками, могут пониматься клиенты, пациенты, телефонные звонки, документы, компоненты изделий или сами изделия, поддоны, автомобили, проекты, идеи и т.д.
Под ресурсами может пониматься персонал, врачи, рабочие, оборудование и транспорт.
Типовыми операциями дискретно-событийной модели являются задержка (моделирующая выполнение определенной операции, например, обработку звонка или детали), обслуживание агента ресурсом, ветвление процесса и т.д. Поскольку агенты конкурируют за обладание ресурсами, необходимыми для выполнения операций, то это может приводить к задержкам, и практически во всех дискретно-событийных моделях присутствуют очереди.
142AnyLogic за три дня
Как времена прибытия агентов, так и времена их обслуживания обычно являются случайными величинами, и их значения генерируются функциями распределения вероятностей. Поэтому и сами дискретно-событийные модели являются стохастическими, и для получения репрезентативного результата модель должна проработать определенное время, или же нужно выполнить определенное количество прогонов модели.
Типовыми результатами дискретно-событийной модели являются:
•занятость ресурсов;
•время, проведенное агентом в системе или определенной ее части;
•длины очередей;
•время ожидания;
•пропускная способность и узкие места системы.