Методика реализации событийной модели.

1. Для всех активных блоков (блоки, порождающие события) заводят свой элемент в одномерном массиве – в списке будущих событий (СБС).

2. В качестве подготовительной операции в СБС заносят время ближайшего события от любого активного блока. Активизируя программный имитатор источника событий вырабатывают псевдослучайную величину a₀, определяющую момент появления первого сообщенияt₁₁от источника информации и эту величину заносят в СБС. Активизируя программу-имитатор, ОА вырабатывает псевдослучайную величинуb₀, определяющую момент времениt₂₁, которую также заносят вSBS. В момент времениt₃₁(момент первого сбора статистики) определяется равным стандартному шагу сбору статистикиt_СТАТи заносится так же в СБС. В этот же список заносим время окончания моделированияt₄₁. На этом подготовительный этап заканчивается и далее протяжка времени осуществляется по следующему алгоритму:

Алгоритм:

1. В SBSопределяется минимальное числовое значение и его номер.

2. Реализуется событие, порождаемое блоком с соответствующим номером, т.е. модельное время = t₁₁. Далее реализуется событие с номером 1, связанное с появлением нового сообщения в ИИ. Реализация этого события заключается в том, что само сообщение записывается в память, а с помощью имитатора ИИ, вырабатывается момент появления следующего событияt₁₂. Это время помещается в соответствующую ячейкуSBSвместоt₁₁.

3. Затем вновь организуется поиск минимального элемента в SBS. Для данного примера реализуется событие 3, после чего выражение момента времениt₃₂– новое время сбора статистики. Так до тех пор, пока минимальное время не станет равнымt₄₁.

[27.10][Лекция 13]

Комбинированный метод.

Два приведенных метода являются универсальными алгоритмами протяжки модального времени. Причем для некоторых предметных областей один принцип может работать быстро и без потерь, а другой будет работать неэффективно. Выбор метода необходимо производить исходя из распределения событий по времени. В реальных системах распределение событий, как правило, неоднородно. События, как бы группируются по времени. Образование таких групп связано с наступлением какого-то «значимого» события, которое начинает определенную последовательность действий с соответствующими событиями, имеющими высокую плотность на следующем временном интервале. Такой интервал называетсяпиковым. А распределение событийквази-синхронным. Примером может являться –цифровая сеть, в которой синхронизирующие сигналы переключают большое количество триггеров. Для сложных дискретных систем, в которых присутствуютквазисинхронноераспределение событий, был разработан алгоритм с названиеDelft. Особенностью данного метода является автоматическая адаптация к распределению событий. Метод реализуется таким образом, что на пиковых интервалах он приближается кметоду t, а вне пиковых ксобытийному. В основе лежит использование иерархической структуры циркулярных списков.

Список уровня 1 содержит n₁элементов и описывает планируемое событие в пиковых интервалах. Числоn₁ представляет собой разбиение пикового интервала на более мелкие участки, с каждым из которых связан список событий происшедших за этот интервал. Списки второго уровня и выше являютсямасштабирующими списками, количество элементов которого равно константному значениюn₂, которое характеризует коэффициент масштабирования временных интервалов.

Собственно алгоритм протяжки времени заключается в последовательном поиске непустых элементов в самом верхнем циркулярном списке с большим шагом и дальнейшим спуском на нижние уровни (иерархические), вследствие чего уменьшается шаг протяжки модельного времени.

Лабораторная работа №4.

Программная имитация i-го прибора.

Генератор, очередь и ОА. Закон генерации заявок выбирается равномерный (параметры настраиваются и варьируются). Закон в ОА из 3 лабораторной работы.

Определить оптимальную длину очереди, т.е. ту длину, при которой ни одно сообщение необработанным не исчезает. Т.е. нет отказа.