- •Белкоопсоюз
- •1.2. Этапы имитационного моделирования
- •1.3. Программное обеспечение имитационного моделирования
- •Тема 2. Основные понятия имитационного моделирования
- •2.1. Пример моделируемой системы
- •Устройство
- •2.2. События и таймер модельного времени.
- •2.3. Механизмы продвижения времени
- •2.4. Организация продвижения времени в системе gpss для моделируемого примера
- •Тема 3. Система моделирования gpss World
- •3.1. Общая характеристика системы gpss World
- •3.2. Объекты языка gpss
- •3.3. Простейшие операторы gpss
- •3.3.1. Введение транзактов в модель
- •3.3.2. Удаление транзактов из модели
- •3.3.3. Управление устройствами
- •3.3.4. Задержка транзактов во времени
- •3.3.5. Сбор статистики при ожидании в очереди
- •3.3.6. Модель работы парикмахерской
- •3.3.7. Изменение маршрутов движения транзактов
- •3.3.8. Моделирование многоканальных устройств
- •Тема 4. Генерация случайных чисел
- •4.1. Общие принципы генерации случайных величин
- •4.2. Линейные конгруентные генераторы
- •4.3. Генерирование непрерывных случайных величин согласно заданному закону распределения
- •Тема 5. Анализ выходных данных
- •5.1. Переходный период стохастического процесса
- •5.2.Оценка средних значений показателей
- •5.3.Получение заданной точности и расчет числа повторных прогонов
Белкоопсоюз
УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ
«БЕЛОРУССКИЙ ТОРГОВО-ЭКОНОМИЧЕСКИЙ
УНИВЕРСИТЕТ ПОТРЕБИТЕЛЬСКОЙ КООПЕРАЦИИ»
________________________________________________
Кафедра информационно-вычислительных систем
Имитационное моделирование экономических процессов
Лекции для студентов заочного отделения
Автор-составитель доц. Еськова О.И.
Гомель 2007
Рекомендовано к использованию в учебном процессе на заседании кафедры ИВС 04.09.2007г., протокол №1
Тема 1. Введение в имитационное моделирование
1.1. Имитационное моделирование как метод исследования слож ных систем
Основным методом исследования сложных систем является метод моделирования. Моделирование – это способ изучения объекта через рассмотрение подобного ему и более простого объекта, т.е. его модели.Модель – это образ реального объекта, который отражает его основные свойства и замещает объект в ходе исследования. (Т.е. о моделировании можно говорить лишь при использовании модели для познания оригинала: в игре ребенка с моделью паровоза новое знание относительно паровоза не рождается).
Модели бывают материальные (физические) и математические. Среди математических моделей выделяют два типа: аналитические и имитационные (рис.1).
Модели
Физические Математические
Аналитические Имитационные
Рис1. Классификация моделей
В аналитических моделях поведение сложной системы описывается в виде алгебраических, интегральных, дифференциальных и иных соотношений и логических условий. Наиболее простым примером аналитической модели является соотношение , гдеS– расстояние,v– скорость перемещения,t – время.
Аналитическая модель требует введения ряда упрощений. Часто такое упрощение получается слишком грубым приближением действительности и результаты не могут быть применены на практике. Например, та же формула будет применима для самолета, который достиг заданной скорости, но не подходит для описания движения по автостраде в час пик. В этих случаях исследовательвынуждениспользовать имитационное моделирование.
Имитационной модельюсложной системы называется программа (или алгоритм), позволяющая имитировать на компьютере поведение отдельных элементов системы и связи между ними в течение заданного времени моделирования.
В ходе выполнения этой программы можно значения определенных переменных интерпретировать как состояние системы в соответствующий момент времени, т.е. имитация рассматривается как наблюдение во времени за характеристиками системы.
Имитационное моделированиесостоит в исследовании системы с помощью компьютерных (вычислительных) экспериментов на имитационной модели. Этот метод наиболее эффективен для исследования сложных систем, на функционирование которых оказывает существенное влияние случайные факторы (стохастических систем). В этом случае результат одного эксперимента на имитационной модели может рассматриваться лишь как оценка истинных характеристик системы. Требуется проведение большого числа экспериментов и статистическая обработка их результатов. Поэтому иногда имитационное моделирование называется также методом статистического моделирования.
К достоинствам имитационного моделирования можно отнести:
1) свободу от каких-либо ограничений на класс решаемых задач;
2) наглядность;
3) возможность исследования системы на различных уровнях детализации;
4) возможность контроля над характеристиками системы в динамике.
Недостаткиимитационного моделирования:
дороговизна;
большой расход машинного времени;
результаты исследования обладают меньшей степенью общности по сравнению с аналитическими моделями;
не существует надежных методов оценки адекватности имитационной модели.
Эти недостатки несколько смягчаются с развитием вычислительной техники и ряда программных продуктов для автоматизации разработки и исследования имитационных моделей. Таким образом, применение имитационного моделирования нужно сводить к разумному минимуму. Такое применение целесообразно:
в случаях “безысходности”, когда сложность ситуации превосходит возможности аналитических методов;
если не существует четкой постановки задачи исследования и идет процесс познания объекта моделирования (модель служит средством изучения явления);
когда необходимо контролировать протекание процессов в системе путем замедления или ускорения явлений в ходе имитации;
при подготовке специалистов и приобретении ими навыков в эксплуатации новой техники.
Метод имитационного моделирования разрабатывался прежде всего для исследования систем массового обслуживания (систем с очередями). Об этом свидетельствует содержание первой отечественной монографии по моделированию: Бусленко Н.П., Шрейдер Ю.А. Метод статистических испытаний и его реализация на электронных цифровых машинах. – М.:Наука, 1962., а также книга признанного классика GPSSТомаса Шрайбера: Моделирование наGPSS, 1980г.
Также одной из первых областей применения имитационного моделирования явилось управление запасами, что было обусловлено сложностью вероятностных задач этого вида и их практической важностью. Здесь можно упомянуть работы:
1957 – Робинсон – об иерархической системе складов нефтепродуктов;
1961 – Берман – о перераспределении запасов;
1964 – Джислер – о снабжении авиационных баз.