
- •Оглавление
- •1. Моделирование для принятия решений
- •2. Дискретно-стохастические модели (p-схема)
- •3. Подходы к анализу и синтезу систем
- •4. Классификация языков для программирования моделей систем
- •5. Архитектура языков моделирования
- •6. Инструментальные средства и языки моделирования
- •7. Классификация видов моделирования
- •8. Универсальный способ получения случайных чисел
- •9. Схема процесса моделирования
- •10. Непрерывно-детерминированные модели (д – схема)
- •11. Дискретно-детерминированные модели (f-схема)
- •12. Статистическое моделирование систем на эвм
- •13. Непрерывно стохастическе модели (q– схема)
- •14. Комбинированные модели (a-схема)
- •15. Сетевые модели (n-схемы)
- •16. Цель и сущность моделирования
- •17. Системы массового обслуживания
- •18. Моделирование как метод научного познания
- •19. Математическая модель
- •20. Натурное моделирование
- •21. Особенности моделирования систем на эвм
- •22. Построение моделирующих алгоритмов.
- •23. ЯзыкUml
- •24. Методы поиска экстремума функции
20. Натурное моделирование
Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натруное моделирование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент. Научный эксперимент характеризуется широким использованием средств автоматизации, применением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения эксперимента. Одна из разновидностей эксперимента — комплексные испытания, в процессе которых вследствие повторения испытаний объектов в целом (или больших частей системы) выявляются общие закономерности о характеристиках качества, надежности этих объектов. В этом случае моделирование осуществляется путем обработки и обобщения сведений о группе однородных явлений. Наряду со специально организованными испытаниями возможна реализация натурного моделирования путем обобщения опыта, накопленного в ходе производственного процесса, т.е. можно говорить о производственном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и получают его обобщенные характеристики. Необходимо помнить про отличие эксперимента от реального протекания процесса. Оно заключается в том, что в эксперименте могут появиться отдельные критические ситуации и определиться границы устойчивости процесса. В ходе эксперимента вводятся новые факторы возмущающие воздействия в процесс функционирования объекта.
21. Особенности моделирования систем на эвм
Различают два основных метода моделирования с использованием ЭВМ:
Аналитический – применяется для анализа характеристик модели, полученной по упрощенным аналитическим зависимостям. ЭВМ используется только как вычислитель этих зависимостей. Имитационный – позволяет не только анализировать характеристики модели, но и проводить структурный, алгоритмический и параметрический синтез модели на ЭВМ при заданных критериях оценки эффективности и ограничениях. Имитационная система реализуется на ЭВМ и позволяет исследовать имитационную модель М, задаваемую в виде определенной совокупности отдельных блочных моделей и связей между ними в их взаимодействии в пространстве и времени при реализации какого-либо процесса. Можно выделить три основные группы блоков:блоки, хар-е моделируемый процесс функционирования системы S; блоки, отр-е внешнюю среду Е и ее воздействие на процесс; блоки, обеспеч. взаим-е первых двух.
Имитационная система хар-я набором переменных, с пом. кот. удается управлять изучаемым процессом, и набором начальных условий, когда можно изменять условия (план) проведения машин. эксперимента.
Достоинства и недостатки имитационного моделирования.
Основные достоинства имитационного моделирования: при исследовании сложных систем: возможность исследовать особенности процесса функционир-я системы S в любых условиях; за счет применения ЭВМ существенно сокращается продолж-ть испытаний по сравнению с натурным экспериментом; рез-ты натурных испытаний реальной системы или ее частей можно использовать для проведения имитац. моделир-я; гибкость варьирования структуры, алгоритмов и параметров моделируемой системы при поиске оптимального варианта системы; для сложных систем – это единственный практически реализуемый метод исследования процесса функционирования систем.
Основные недостатки: для полного анализа хар-к процесса функционир-я систем и поиска оптимальн. варианта требуется многократно воспроизводить имитац. эксперимент, варьируя исходные данные задачи; большие затраты машинного времени.