- •1.Информационные процессы в природе и обществе.
- •2.Основные составляющие информационного процесса.
- •4.Информационная система.
- •5.Классификация информационной системы.
- •10.Структура жизненного цикла информационных систем.
- •11.Модели жизненного цикла информационной системы. Каскадная, спиральная, основные этапы и недостатки.
- •13.Подходы к разработке ис (объектное, визуальное, событийное программирование).
- •14.Технологии моделирования ис.
- •15. Классификация математических моделей.
- •16. Имитация модели информационной системы.
- •17. Методология, основы применения методов имитации моделей.
- •18. Классификация имитационных моделей.
- •19. Структура типовой имитационной модели с календарем событий.
- •20. Технологии моделирования.
- •21. Генерация псевдослучайных чисел, методы.
- •22. Моделирование случайных событий.
- •23. Имитация модели информационной системы.
- •25. Классификация программирования средств моделирования систем
14.Технологии моделирования ис.
Математическое моделирование – это построение и использование математических моделей для исследования поведения систем (объектов) в различных условиях, для получения (расчета) тех или иных характеристик оригинала без проведения измерений или с небольшим их количеством.
Метод статистического моделирования заключается в воспроизведении исследуемого процесса при помощи вероятностной математической модели и вычислении характеристик этого процесса.
Основан метод на многократном проведении испытаний построенной модели с последующей статистической обработкой полученных данных с целью определения характеристик рассматриваемого процесса в виде статистических оценок его параметров.
Метод статистических испытаний базируется на использовании случайных чисел - возможных значений некоторой случайной величины с заданным распределением вероятностей. При использовании для моделирования ЭВМ в подавляющем большинстве применений генерация любых случайностей начинается с генерации случайных чисел с равномерным распределением в диапазоне (0, 1) с помощью программы - датчика случайных чисел.
15. Классификация математических моделей.
Математические модели разделяют на статические и динамические.
Статические модели описывают состояние системы в определенный момент времени (единовременный срез информации по данному объекту).
Динамические модели описывают процессы изменения и развития системы во времени. Их разделяют на стационарные (от времени зависящие входные и выходные характеристики) и нестационарные (структура, параметры).
16. Имитация модели информационной системы.
Имитационное моделирование – проектирование на ЭВМ модели сложных реальных систем, функционирующих во времени, и постановки на ней опытов.
Важнейшие особенности:
1) предполагает конструирование модели на ЭВМ и постановление экспериментов
2) возможные цели экспериментов: понять поведение, либо оценить стратегии управления системой.
3) исследование сложной системы.
Применения:
1) Познавать систему; 2) Наблюдать за системой; 3) Контроль в системе с помощью имитации;
4) Предсказание последствий; 5) единственный способ исследования.
Достоинства: 1) позволяет описать процесс лучше других моделей;
2) обладает гибкостью варьирования структуры;
3) применение ЭВМ значительно сокращает продолжительность экспериментов.
Недостатки: 1) решение носит частный характер; 2) большие трудозатраты на создание модели;
3) хауторский эффект (использование людей)
17. Методология, основы применения методов имитации моделей.
К имитационному моделированию прибегают, когда:
а) дорого или невозможно экспериментировать на реальном объекте;
б) невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
в) необходимо сымитировать поведение системы во времени.
Можно выделить две разновидности имитации:
Метод Монте-Карло (метод статистических испытаний);
Метод имитационного моделирования (статистическое моделирование).