
- •Архитектурное моделирование
- •Диаграмма прецедентов
- •Состояние и его графическое изображение
- •Этапы имитационного моделирования
- •Регрессионные модели ------Линейные регрессионные модели
- •Регрессионные модели----Линейные регрессионные модели
- •Линейная множественная модель
- •Нелинейные регрессионные модели Квадратичная модель
- •Обратная регрессионная модель
- •Классификация экспериментов
- •16. Матрица планирования эксперимента.
- •17. Законы распределения случайной величины. Дискретные законы распределения
- •Непрерывные законы распределения
- •18. Описательная статистика и случайная величина.
- •19. Параметрические критерии проверки статистической гипотезы.
- •Критерий Стьюдента (t-критерий) Случай независимых выборок
- •Случай связанных (парных) выборок
- •Критерий Фишера
- •20. Непараметрические проверки статистической гипотезы.
- •Непараметрический анализ выборок---Непараметрические критерии анализа выборок позволяют проводить анализ, не учитывая закон распределения.
- •21 . Стратегическое планирование эксперимента на модели. Планирование эксперимента
- •22. Тактическое планирование эксперимента на модели Планирование эксперимента
- •Физической моделью
- •24. Непрерывно – детерминированные модели. D-Схемы.
- •Автомат Милли---Формальное определение [обработка]
- •Автомат Мура
- •Вероятностный автомат Милли--Пусть элементы множества g порождает некоторые законы распределения на множествах z и y.
- •Дискретно стохастические модели. (p- схемы)
- •Вероятностный автомат Мура---Пусть определение выходного сигнала p–автомата завит лишь от того состояния, в котором находится автомат в данном такте работы.
- •Непрерывно-стохастические модели (q-схемы) Основные понятия и определения
- •Обобщенные модели (а - схемы) Понятие агрегата
- •Структура агрегативной системы
- •Дискретно-событийные системы
- •Системная динамика
- •34. Классификация систем массового обслуживания.
- •35. Параметры системы массового облуживания и оценка ее эффективности.
- •Потоки событий и их описание
- •Обратная задача тмо
- •38 . Построение модели состояний системы массового обслуживания.
- •39. Модель состояний «Зарождение – гибель». Особенности аналитического моделирования смо
- •40. Модель отказов системы массового обслуживания. Анализ надёжности сложных систем и оптимизация их обслуживания
38 . Построение модели состояний системы массового обслуживания.
Информационные системы имеют конечное число дискретных состояний и их функционирование можно описать с помощью непрерывных марковских цепей. Время пребывания ИС в том или ином состоянии можно описать непрерывной случайной величиной и определить вероятности нахождения системы во всех возможных состояниях. Естественно, сумма вероятностей всех состояний в любой момент времени равна 1.
Для решения поставленной задачи составляется граф состояний функционирования ИС. На рис. 2.1 представлен граф системы с тремя возможными состояниями С0, С1 и С2 (вершины графа, обозначены кружками). Вероятности пребывания ИС в этих состояниях являются функциями времени p0(t), р1(t), p2(t), которые и следует определить для анализа функционирования системы. Возможные переходы из состояния в состояние изображены стрелками. Интенсивности таких переходов (все потоки полагаются простейшими) представлены значениями 01,10,12,21,02,20
Получим уравнения динамики состояний ИС. Пусть в момент t система находится в состоянии С0 с вероятностью p0(t). Через интервал t для состояния С0 возможны вероятности вариантов:
1) остаться в С0 p0(t+t);
2) выход из состояния С0 в состояния С1 или С2 p0(t)[-01-02] t;
3)переход в С0 из других состояний p1(t)10t+p2(t)20t. Таким образом, получим
p0(t +t)=p0(t)-р0(t)[01+02] t+p1(t)10 t+p2(t)20 t.
Предел
разделенной разности
приt->0
при
водит к дифференциальному уравнению первого порядка для вероятности состояния С0
Аналогичным образом могут быть получены уравнения и для других состояний. В конечном итоге для системы с N со стояниями могут быть записаны N обыкновенных дифференциальных уравнений первого порядка:
39. Модель состояний «Зарождение – гибель». Особенности аналитического моделирования смо
Имитационное моделирование позволяет просто описывать сложные СМО и дает достаточно точное определение показателей эффективности систем, но требует значительного времени для проведения серии опытов и их статистической обработки. Кроме того, по его результатам сложно решать обратную задачу ТМО. Структура многих СМО, в том числе и информационных систем (ИС), позволяет описывать их функционирование уравнениями, допускающими относи- тельно простое решение обратной задачи ТМО.
Так системы с ограниченной очередью имеют конечное число дискретных состояний и их функционирование можно описать процессом с непрерывным временем. Под состоянием понимается количество заявок, находящихся в системе (в очереди и под обработкой). Для описания процессов в системе применяют вероятности состояний, которые в конкретный момент времени определяют вероятности нахождения системы в одном из всех возможных состояний. Для марковских случайных процессов эти вероятности находятся решением системы обыкновенных линей дифференциальных уравнений Колмогорова. Вероятности состояний характеризуют среднюю долю времен в течение которого система находится в данном состоянии.
Для решения поставленной задачи составляется граф Функционирования ИС. На рис. 4.1 представлен граф однопроцессорной (одноканальной) системы с пятью возможными состояниями С0, С1, С2, С3 и С4 (эти состояния обозначены в кружках определенными индексами). В данной схеме накопитель имеет M=3 места для очереди, что соответствует М+2 возможным стояниям: отсутствие заявок, одна заявка в обработке, далее заявка в обработке и 1, 2, 3 заявки в очереди. Вероятности пребывания системы в этих состояниях являются функциями времени p0(t),p1(t),…,p4(t) которые можно определить для анализа функционирования системы. Особенность схемы состоит в том, что переходы возможны из одного состояния (если оно не крайнее) Только в соседние состояния. Интенсивность переходов из текущего состояния в состояние с более высоким индексом (вправо) определяется входным потоком заявок и задается постоянным . Интенсивность переходов в состояния с меньшими индексами (влево) определяется производительностью обрабатывающей части и для одного процессора она равна ,
Система, в которой переходы происходят только в соседние соседние состояния, называют «схемой размножения и гибели». Для такой схемы матрица коэффициентов системы дифференциальных уравнений становится трехдиагональной, что существенно упрощает составление и решение системы уравнений. Для марковских Процессов определение финальных вероятностей состояний сводится к решению системы алгебраических уравнений.