- •1. Моделирование как метод научного познания. Процессы получения и обработки информации. Формирование и проверка гипотез.
- •2. Объект оригинал. Объект заместитель. Уровень абстрагирования. Существенность сходства. Воздействие и отклик.
- •3. Понятие системы, внешней среды, воздействия, управления. Структурный и функциональный подходы к моделированию систем.
- •4. Классический подход к моделированию систем.
- •5. Системный подход к моделированию систем.
- •6. Макро- и микропроектирование.
- •7. Характеристики моделей системы: цель, целостность, сложность, поведенческая страта, неопределенность.
- •8. Характеристики моделей систем: адаптивность, организационная структура, управляемость, возможность развития.
- •9. Активный и пассивный эксперименты. Цели моделирования. Иерархия целей моделирования.
- •10. Проблемы моделирования систем.
- •11. Классификация видов моделирования по характеру изучаемых процессов.
- •12. Классификация видов моделирования по форме представления системы.
- •13. Общая математическая модель системы. Классификация параметров модели.
- •14. Динамическая и статическая модели объектов.
- •15. Состояние системы. Множество состояний системы. Детерминированная и стохастическая модели системы.
- •16. Схемы общего вида. Типовые схемы. Классификация типовых схем.
- •17. D-схемы.
- •18. F-схемы.
- •19. Р-схемы.
- •20. N-схемы.
- •21. Q-схемы.
- •22. А-схемы
- •23. Моделирование случайных процессов. Подходы к моделированию случайности. Метод Монте-Карло.
- •24. Моделирование события, группы несовместных событий, условного события.
- •25. Определения: случайная величина, вероятностная мера, плотность вероятности, функция распределения. Связь функции распределения с плотностью вероятности (вероятностной мерой).
- •26. Общая схема генерации св u(0,1). Понятия периода и апериодического участка последовательности псевдослучайных чисел. Лкг.
- •27. Метод генерации св произвольного распределения. Моделирование случайной дискретной величины. Генерация св u(a,b) и экспоненциального распределения.
- •28. Понятия аналитической, имитационной, машинной и программной модели. Формальные категории и неформальные категории. Целесообразность проведения машинного эксперимента.
- •29. Требования к программным моделям.
- •30. Этапы моделирования. Краткая характеристика.
- •31. Этап построения концептуальной модели системы. Формализация концептуальной модели.
- •32. Этапы алгоритмизации модели и ее машинной реализации:
- •33. Понятие прогона. Принцип Δt и Δz. Алгоритм фиксации и обработки результатов моделирования.
- •34. Этап получения результатов и их интерпретация.
- •35. Моделирование в устоявшемся режиме. Метод Велча.
- •36. Требования к проведению машинного эксперимента. Проблемы при проведении машинного эксперимента.
- •37. Планирование имитационных экспериментов с моделями систем. Основные понятия.
- •38. Событийно – ориентированное имитационное моделирование. Процессное имитационное моделирование (ориентация на транзакты).
- •39. Событийно ориентированное имитационное моделирование. Алгоритм модели 1 прибор – 1 очередь.
- •40. Оценки характеристик работы смо.
- •41. Архитектура языков моделирования. Требования к языкам имитационного моделирования.
- •42. Дерево решений выбора языка для моделирования системы.
- •43. Виды моделирующих комплексов. Их особенности.
- •44. Система имитационного моделирования gpss. Краткая характеристика системы. Возможности системы.
- •45. Gpss. Одноканальные и многоканальные компоненты обслуживания.
- •46. Gpss. Параметрическая настройка транзактов.
- •Index a, b
- •47. Gpss. Эмпирические функции. Пользовательские переменные, сохраняемые ячейки.
- •48. Gpss. Методы изменения маршрутов движения транзактов. Режимы Transfer.
- •49. Gpss. Методы изменения маршрутов движения транзактов. Test.
- •50. Gpss. Методы изменения маршрутов движения транзактов. Организация циклов.
- •51. Gpss. Работа с таблицами. Работа с оку / мку в режиме прерывания.
- •52. Gpss. Перевод оку / мку в недоступное состояние и восстановление доступности.
- •53. Gpss. Косвенная адресация. Пример косвенной адресации.
- •54. Gpss. Работа с копиями транзактов. Синхронизация движения транзактов.
10. Проблемы моделирования систем.
Выявление важных изучаемых свойств
Идентификация реальных объектов
Выбор типа модели
Построение модели
Оценка адекватности модели
Машинная реализация модели
Организация взаимодействия пользователя с моделью в процессе
моделирования
8. Проверка правильности полученных результатов
Выявление закономерностей
Эргономика систем моделирования
Надежность средств моделирования
11. Классификация видов моделирования по характеру изучаемых процессов.
По наличию случайных воздействий:
- детерминированное
- стохастическое
По растянутости во времени:
- статическое
- динамическое
По хар-ру счета откликов во времени:
- непрерывное
- дискретное
- дискретно-непрерывное
3 признака:
1. Если при формализации воздействия внеш среды мы получаем ряд случайных величин, то процесс моделирование явл-ся стохастическим. Если же все величины четко определены, то процесс моделирования носит детерминированный характер.
2. Если характеристики моделирования системы должны быть изучены на протяжении какого-нибудь периода времени, то системы изучаются методами динамического моделирования. Если t=const, то моделирование статическое.
3. Если все хар-ки моделирования описываются функциональными зависимостями, причем их расчет м/б производен относительно любого момента времени наблюдения за системой, то моделирование характеризуется как непрерывное. Если при описании системы используется зависимости между дискретными величинами, то дискретное моделирование. Событийно-ориентированное моделирование является дискретным. Если система включает компоненты, к-рые м/б описаны только дискретными или только непрерывными зависимостями (и те и другие присутствуют в системе), то применяется дискретно-непрерывное моделирование.
12. Классификация видов моделирования по форме представления системы.
|
Мысленное: - наглядное а) гипотетическое б) аналоговые в) макетирование -символическое а) аналоговое б) знаковое -математическое а) аналитическое б) комбинированное в) имитационное |
Реальное: - натуральное а) научный эксперимент б) комплексные испытания в) производственные исп-я - физическое а) реальный масштаб t б) нереальный масштаб t |
Если объект оригинал (ОО) не м/б исследован напрямую(отсутствие знаний об ОО, недостаточно полная информация об ОО, трудоемкость и дороговизна), то применяют мысленное моделирование. Если эксперимент можно провести на ОО или создать физический объект заместитель(ОЗ), то проводят реальное моделирование.
Мысленное моделирование можно представить в виде последовательности этапов к описанию ОО.
В случае неполноты информации ОО моделируется гипотезами. Гипотезы стоятся исходя из современного состояния изучаемого направления и опыта исследователя. Как правило, гипотезы основываются на причинно-следственных связях. При таком подходе высокий уровень абстрагирования.
На начальном этапе моделирования м.б. построено множество гипотетических моделей, некоторые из них переходят в дальнейшую стадию развития.
След этапом после гипотезы является аналоговое моделирование. В этом случае ОО м/б замещен мысленной моделью др. объекта, обладающего схожестью принципами функционирования.
Макетирование представляет собой развитый ОЗ, построенный на причинно-след связях, природа которых известна.
Гипотетическое мод-ие, аналоговое мод-ие и макетирование предназначены для получения первичных сведений об объекте исследования. Кроме того, наглядные модели могут использоваться в процессе подготовки специалистов.
След шагом является формализация, полученная в представлении и знании об объекте. Для формирования единой среды обмена информации между исследователями строятся языковые модели. Происходит построение языка описания объекта исследования.
На первом этапе создается базовое множество исходных данных слов, на основе к-рых стоятся другие слова. Требование – взаимооднозначность.
При переходе к методам произведение эксперимента вводится дополнительный уровень формализации.
На основе формализованных моделей организуется вычислительные эксперименты, позволяющие получить описание изучаемого объекта на уровне количественных характеристик.
Используя методы аналитического моделирования, включающие построение функциональной зависимости, численные методы, методы анализа выходных символов объекта исследования (методы анализа строят новые причинно-следственных связи функциональной зависимости по характерам объекта исследования, полученными в ходе эксперимента). Если функциональная зависимость не м/б определена, то система описывается с помощью спец моделирующих алгоритмов.
Различают натуральное моделирование (эксперимент проводиться на физическом исследовании). Натуральное моделирование по степени автоматизации м/б классифицировано как обычный эксперимент, научный эксперимент. Научный эксп-т характеризуется привлечением большого количества систем автоматизации, ср-в обработки информации, характеризуется возможностью вмешательства человека на всех уровнях проведения эксп-та. В ходе научного эксп-та возможно создание отдельных критических ситуаций, вероятность возникновения к-рых в обычном режиме работы очень мала.
При выявлении общих закономерностей исследуемого объекта выделяют комплексные испытания, в ходе к-рых происходит обработка и обобщение однородных явлений. Как правило комплексные испытания представляют собой по степени оснащенности научные эксп-ты.
Производственные испытания, как правило, носят характер тестирования и определения оптимальных режимов работы ОО.
В зависимости от построения функции характеристик от времени различают эксперименты с реальным масштабом времени, в к-рых еденица модельного времени соответствует единице физического времени. Нереальный масштаб – единицы модельного времени не соответствуют физическим. Часто проводят эксп-ты с замороженным временем (t=const).
Кибернетическое моделирование – объект исследования представляется в виде «черного ящика», законы функционирования не известны. Законы строятся исключительно по входным данным и полученным откликам.