1. Основные определения. Технология моделирования

2. Методология моделирования

3. Анализ моделируемой системы и постановка задач

4.Второй этап моделирования. Формализация.

Решение Задачи. Выбор метода моделирования

5. Корреляционный анализ

6.Третий этап моделирования. Разработка имитационных моделей.

7.Генерация равномерно-распределенных случайных чисел. Оценка их качества на тестах (по книге).

8.Планирование имитационных экспериментов. Концепция «черного ящика»

Планирование экспериментов

9.План ДФЭ (дробных факторных экспериментов).

10. РЦКП (ротатабельный центральный композиционный план).

12.Тактическое планирование имитационных эксперементов

14.Основные свойства системы Arena.

1. ФР, ФП, МПФ, Равномерный экспоненциальный закон.

2. Метод моментов. Равномерный закон.

3. Метод моментов. Нормальный закон.

4. Метод моментов. Экспоненциальный закон.

5. Метод моментов. Гиперэкспоненциальный закон.

6. Метод моментов. Специальный эрланговский закон.

7. Метод обратной функции. Достоинства и недостатки.

8. Табличный метод генерации случайных чисел. Достоинства и недостатки.

9. План ПФЭ (полного факторного эксперимента).

10. План ОЦКП (ортогональный центральный композиционный план).

11. Регрессионный анализ с примером для линейной зависимости y=b0+b1x.

12. Применение дисперсионного анализа для оценки качества уравнений регрессии. Оценка значимости коэффициентов полинома.

13. Метод оптимизации по системе ур-й в частных производных.

14. Геометрический метод для 2 факторов.

15. Метод Ньютона.

1. Временные динамические ряды. основные понятия. проверка гипотез о существовании тенденций.

2. Сглаживание и прогнозирование методом скользящих средних. В чем смысл введения взвешиваний.

3. сглаживание и прогнозирование экспоненциальных средних

4. Прогнозирование на нейронных сетях

5. Группировка. общие понятия. постановка задачи и технология проведения кластерного анализа.

1. Основные определения. Технология моделирования

Система – это совокупность элементов, связанных между собой так, что все вместе они образуют некоторую общность (единство).

. Большой класс систем, в том числе и систем обработки информации (СОИ), формально представляются системами массового обслуживания (СМО) и сетями СМО. СОИ имеют все характерные черты СМО. В них присутствуют:

1. Потоки однородных событий.

2. Обслуживающие аппараты

3. Ограничения на ресурсы

4.Очереди на выполнение запросов.

Для моделирования СМО используют аналитические, имитационные и регрессионные модели. Введем их определения.

Аналитическая модель – это совокупность математических зависимостей, построенных на принципах формального подобия процессов, происходящих в объекте моделирования и его модели.

Имитационная модель – это совокупность операторов алгоритма (программы), в которую можно подставить значения технических характеристик объекта моделирования, параметров внешней среды, времени, начальных значений, имеющихся ограничений и при выполнении имитационной программы в качестве результатов получить значения результативных показателей эффективности.

Регрессионная модель – представляет совокупность математических зависимостей, построенных на основании выявленных статистических зависимостей между переменными методом наименьших квадратов, который требует, чтобы сумма квадратов отклонений экспериментальных значений от вычисленных была минимальной

Для моделирования СОИ требуется определить закон распределения времени между поступлением заявок на обслуживание, имитирование поступления которых в СМО обеспечивает генератор транзактов. Для процессов обслуживания требуется определить и задать закон распределения времени обслуживания. Для очередей требуется задать дисциплину выхода из очереди, например, FIFO или LIFO и ограничения, например, по количеству мест в очереди или по времени ожидания.

Имитация – это численный метод проведения экспериментов над математическими моделями сложных систем, подверженных случайным воздействиям. Из определения выделим характерные особенности имитации:

1. Имитация относится к численным методам, а любой численный метод характеризуется наличием методической ошибки, поэтому предпочтительнее использовать аналитические методы моделирования, не имеющие методической ошибки (если это возможно).

2. Имитация – это эксперимент и хотя он производится над математической моделью, при его проведении целесообразно применить теорию планирования эксперимента и обработки результатов моделирования.

3. Имитируемые объекты моделирования подвержены случайным воздействиям и поэтому, для получения достоверных результатов особое внимание требуется уделить качеству случайных чисел, используемых при моделировании.

4. ЭВМ не является обязательным инструментом имитации и в принципиальном плане имитацию можно выполнить графическим методом без применения ЭВМ. Однако, ввиду того, что для получения достоверных результатов требуется проимитировать сравнительно большое количество состояний, в которых может находиться объект моделирования (ОМ), то применение ЭВМ становится весьма целесообразным.