
- •Введение
- •Глава 1. Моделирование случайных величин
- •1.1.1. Понятия модели и моделирования
- •1.1.2. Основной цикл познания при моделировании
- •1.1.3. Математическое моделирование
- •1.1.3.1. Математическое описание сложных систем
- •1.1.3.2. Методы математического моделирования
- •1.1.3.3. Имитационное моделирование
- •1.1.3.4. Принципы построения алгоритмов имитационного моделирования
- •1.1.3.5. Характерные особенности имитационного моделирования на эвм
- •1.1.3.6. Статистическое моделирование
- •1.1.3.7. Понятие о вероятностном физическом моделировании
- •1.1.3.8. Достоинства метода имитационного моделирования на эвм
- •1.1.3.9. Недостатки метода имитационного моделирования
- •1.2. Структура имитационной модели. Технологии построения.
- •1.2.1. Этапы разработки имитационной модели
- •1.2.2. Элементы и структура имитационной модели
- •1.2.3. Технология построения и функционирования.
- •1.3. Генерирование равномерно распределенных на интервале [0,1] случайных чисел. Проверка качества генераторов случайных чисел
- •1.3.1. О приближенных случайных числах
- •Физические датчики случайных величин
- •О проверке физических датчиков случайных чисел
- •Метод псевдослучайных чисел
- •Алгоритмы получения псевдослучаных чисел
- •Алгоритмы порядка r
- •Метод возмущений
- •Генератор Лемера
- •Проверка качества формируемой последовательности псевдослучайных чисел
- •1.4. Методы генерирования случайных событий, дискретных и непрерывных случайных величин, многомерных случайных величин, усеченных случайных величин.
- •1.4.1. Моделирование дискретных случайных величин
- •1.4.2. Моделирование семейства биномиальных распределений
- •1.4.3. Моделирование непрерывных случайных величин Метод обратных функций
- •Метод суперпозиций
- •Моделирование многомерных случайных величин
- •Моделирование n-мерной точки с зависимыми координатами
- •Метод отбора
- •Применение метода отбора. Моделирование усеченных распределений
- •Метод Неймана
- •Выбор равномерно распределенных точек в сложных областях
- •1.5. Методы генерирования наиболее часто встречающихся на практике распределений.
- •1.5.1. Моделирование распределения Эрланга
- •1.5.2. Приближенное моделирование нормально распределенных случайных величин
- •1.5.3. Методы генерирования цепей и процессов Маркова.
- •1.5.4. Метод генерирования процессов Маркова с дискретным множеством состояний.
- •1.5.5. Метод генерирования процессов Маркова с дискретно-непрерывным множеством состояний.
- •Глава 2. Моделирование информационных систем железнодорожного транспорта
- •2.1. Формирование реализаций случайных потоков
- •Однородных событий.
- •2.1.1. Входящие потоки
- •2.1.2. Формирование произвольных случайных потоков однородных событий
- •2.2. Введение марковских процессов при моделировании систем массового обслуживания при произвольных распределениях основных случайных величин.
- •2.3. Моделирование однолинейной системы массового обслуживания
- •2.3.1. Распределение длины очереди
- •2.3.2. Время отклика и время ожидания
- •2.4. Моделирование многолинейной системы массового обслуживания
- •2.4.1. Моделирование многолинейной системы массового обслуживания для расчете времени ожидания
- •2.4.2. Моделирование многолинейной системы массового обслуживания для расчета распределения числа требований в системе.
- •2.5. Моделирование сетей массового обслуживания,
- •Глава 3. Оценка точности результатов моделирования
- •3.1. Постановка задачи по оценке точности результатов моделирования. Характеристики точности результатов моделирования Оценка точности результатов аналитического моделирования
- •3.1.1. Постановка задачи по оценке точности результатов
- •3.1.2. Классификация входных случайных величин
- •3.1.3. Смещение и дисперсия оценки выходного показателя
- •3.2. Оценка точности результатов имитационного
- •3.2.1. Оценка смещения
- •3.2.2. Оценка составляющей дисперсии за счет неточности входных параметров
- •3.2.3. Оценка частных производных от показателя эффективности сложной системы на ее математической модели
- •3.3. Оценка точности результатов статистического
- •Глава 4. Разработка математической модели функционирования двухпутного железнодорожного участка для определения минимального расчетного межпоездного интервала
- •4.1. Постановка задачи
- •4.1.1. Актуальность разработки модели
- •4.1.2. Постановка задачи по разработке модели.
- •4.2.2. Кусочно-непрерывный марковский процесс, описывающий функционирование двухпутного железнодорожного участка
- •4.3. Алгоритм смены состояний кусочно-непрерывного процесса, функционирования железнодорожного участка во времени
- •4.4. Уравнения движения поезда
- •4.5. Программная реализация алгоритма математической модели функционирования двухпутного ж.Д. Участка
- •4.6. Оценка точности линеаризованных решений дифференциальных уравнений движения поезда
- •4.7. Результаты моделирования
- •4.7.1. Описание объекта моделирования и исходные данные
- •4.8. Результаты моделирования для обычных грузовых поездов
- •4.9. Результаты моделирования для поездов повышенной длины и массы
- •4.10. Результаты расчета точности решений линеаризованных уравнений движения поезда
- •Глава 5. Задачи по дисциплине «Моделирование систем» для студентов 4 курса по кафедре «асу» по направлениям
- •Оглавление
- •Глава 1
- •Глава 2. Моделирование информационных систем
- •2.3. Моделирование однолинейной системы массового обслуживания………………………………………………………………...52
- •2.4. Моделирование многолинейной системы массового обслуживания..55
- •Глава 3. Оценка точности результатов моделирования…………………...63
- •Глава 4. Разработка математической модели функционирования
- •Глава 5. Задачи по дисциплине «Моделирование систем»
2.1.2. Формирование произвольных случайных потоков однородных событий
Будем считать, что
при любом
задан совместный закон распределения
случайных величин
,…
являющихся интервалами времени между
последовательными моментами появления
заявок. Для того чтобы получить реализацию
потока однородных событий
,…
необходимо сформировать реализацию
случайного вектора
и вычислить значения
.
Это производится с помощью процедуры
моделирования зависимых случайных
величин.
Пусть ординарный
поток с ограниченным последействием
задан функциями распределения
Тогда величины
получаются
с помощью процедуры моделирования
независимых случайных величин.
2.2. Введение марковских процессов при моделировании систем массового обслуживания при произвольных распределениях основных случайных величин.
Пусть СМО состоит
из n
каналов, способных одновременно
обслуживать заявки. В любой момент
времени канал находится в одном из двух
состояний —свободен или занят. Пусть
в некоторый момент времени в СМО поступает
заявка. Если в этот момент времени
имеются свободные каналы, то заявка
принимается к обслуживанию. В противном
случае, т. е. когда все каналы заняты,
заявка остается в системе в течение
некоторого времени (
—
время пребывания заявки в системе) как
претендент на обслуживание. За
интервал времени
заявка должна быть принята к обслуживанию,
в противном случае она считается
потерянной (получает отказ).
В зависимости от величины системы массового обслуживания делятся на три существенно различных класса, имеющих свою специфику как в строении процесса обслуживания, так и в математической формулировке относящихся к ним задач.
Если = 0, то поступившая в данный момент времени заявка либо немедленно принимается к обслуживанию, если имеются свободные каналы, либо получает отказ, если все каналы заняты. Такие системы массового обслуживания называются системами с отказами. Для систем с отказами показателями качества обслуживания обычно считаются вероятность отказа, среднее число отказов за данный интервал времени и т. д.
Марковский процесс
вводится непрерывными компонентами
,
означающими время с момента
до момента окончания обслуживания
требования на данном канале. Если все
каналы заняты, то она становится в
очередь и ожидает начала обслуживания
время не большее
.
В другом крайнем
случае, когда
,
поступающие в систему заявки отказов
не получают, а ожидают (если все каналы
заняты) в очереди до того момента, когда
они будут приняты к обслуживанию. Такого
рода системы массового обслуживания
называются системами
с ожиданием.
Показателями качества обслуживания в
этом случае могут быть среднее время
ожидании заявки, средняя длина очереди
и т. д.
Марковский процесс вводится непрерывными компонентами , означающими время с момента до момента окончания обслуживания требования на данном канале. Если все каналы заняты, то она становится в очередь и ожидает начала обслуживания.
Наконец, если
,
заявка, заставшая все каналы занятыми
в момент поступления, ожидает в течение
в очереди, а по истечении этого времени
получает отказ. Такие системы массового
обслуживания называются системами с
ограниченным ожиданием.
Качество обслуживания в этом случае
оценивается вероятностными характеристиками
как количества отказов, так и времени
ожидания, а иногда более сложными
показателями, учитывающими обе эти
стороны качества обслуживания.
Введение Марковского процесса в этом
случае описано выше.
Помимо параметра
для характеристики свойств обслуживающей
системы необходимо задать также
— время
обслуживания заявки.
Заявка, принятая к обслуживанию, занимает
один из каналов на время
;
по истечении этого времени канал
освобождается и может приступить к
обслуживанию новой заявки.
Обычно величины и считаются случайными величинами с заданными законами (или совместным законом) распределения. Иногда предполагают, что одна из них или обе фиксированы.
Перейдем к рассмотрению распространенных вариантов порядка занятия канала заявками, поступающими на обслуживание. Если в системе массового обслуживания имеется очередь заявок, то освобождающиеся каналы занимаются немедленно в порядке их освобождения. В случае, когда очереди заявок нет, и имеются свободные каналы, появившаяся заявка может занимать один из свободных каналов в соответствии со специальными правилами. Наиболее часто на практике используются следующие правила.
1. Каналы занимаются в порядке их номеров. Канал с большим номером не может быть привлечен к обслуживанию заявки, если имеется свободный канал с меньшим номером.
2. Каналы занимаются в порядке очереди. Освободившийся канал поступает в очередь и не начинает обслуживания заявок до загрузки всех ранее освободившихся каналов.
3. Каналы
занимаются в случайном порядке в
соответствии с заданными вероятностями.
Если в момент поступления очередей
заявки имеется
свободных каналов, то в простейшем
случае вероятность занять некоторый
определенный канал может быть принята
равной
.
В более сложных случаях вероятности
занять канал считаются зависящими от
номеров каналов, моментов их освобождения
и других параметров.
Аналогичные предположения могут быть сделаны и относительно порядка принятия заявок к обслуживанию в том случае, когда в системе образуется очередь заявок.
1. Заявки принимаются к обслуживанию в порядке очереди. Освободившийся канал приступает к обслуживанию той заявки, которая ранее других поступила в систему.
2. Заявки принимаются к обслуживанию по минимальному времени получения отказа. Освободившаяся линия приступает к обслуживанию той заявки, которая в кратчайшее время может получить отказ.
3. Заявки
принимаются к обслуживанию в случайном
порядке в соответствии с заданными
вероятностями. Если в момент освобождения
канала имеется m
заявок в очереди, то в простейшем случае
вероятность выбрать для обслуживания
некоторую определенную заявку может
быть принята равной
.
В более сложных случаях вероятности
считаются зависящими от времени
пребывания заявки в системе, времени,
остающегося до получения отказа, и
других параметров.
Перечисленными предположениями, естественно, охватываются не все случаи, возникающие на практике, а лишь наиболее распространенные.
Реальный процесс функционирования системы массового обслуживания для удобства исследования следует представлять в виде последовательности отдельных актов (фаз) обслуживания, выполняемых различными устройствами. При этом, как правило, соблюдается такой порядок, при котором следующий канал может приступить к обслуживанию заявки лишь тогда, когда работа предыдущего с данной заявкой полностью закончена. В частном случае обслуживание может быть однофазным.
Весьма распространенным типом обслуживания является обслуживание с преимуществом (с приоритетом). Каждой заявке, поступающей в систему, приписывается некоторый коэффициент преимущества (приоритет). При этом могут быть различные варианты дисциплины очереди. При одном из вариантов в момент освобождения канала на обслуживание поступает заявка из очереди, у которой коэффициент преимущества наибольший.
При другом варианте дисциплины очереди с преимуществами возможно прекращение обслуживания заявки, занимающей канал, если в систему поступила заявка с бóльшим значением коэффициента преимущества, чем у обслуживаемой заявки.
Для системы с
отказами наиболее широко используемым
показателем качества обслуживания
является средняя доля отказов в
обслуживании
за промежуток времени
,
определяемая следующим образом.
Количество заявок,
поступивших на обслуживание за этот
интервал времени для выбранной
наудачу реализации, будет случайной
величиной
.
Пусть
— среднее количество заявок, поступающих
на обслуживание в течение интервала
времени
.
Количество заявок
,
получивших отказ в течение того же
интервала времени, также будет случайной
величиной. Ее математическое ожидание
оценивается средним количеством отказов
за интервал времени
.
Тогда средняя доля отказов
определяется как
Кроме средней
доли отказов
используется вероятность
того, что за время
не будет ни одного отказа. В стационарном
режиме
, где
— интенсивность потока заявок.,
— интенсивность потока отказов
обслуживании. R
имеет также смысл вероятности
отказа для
заявки, поступившей в систему в
произвольный момент времени.
Для систем с ожиданием показателями качества обслуживания могут быть среднее значение времени ожидания или среднее значение длины очереди (количество заявок, ожидающих обслуживания). Иногда используются и другие параметры закона распределения времени ожидания или длины очереди.
Для смешанных систем показателями качества обслуживания служат как те, так и другие величины.
Сущность метода
имитационного моделирования CМО
состоит в следующем. Строятся
алгоритмы, при помощи которых можно
вырабатывать случайные реализации
заданных потоков однородных событий,
а также моделировать процессы
обслуживания
заявок. Эти алгоритмы реализуются на
ЭВМ и используются для многократного
воспроизведения случайного процесса
обслуживания при фиксированных условиях
задачи. Получаемая при этом информация
о состоянии процесса подвергается
статистической обработке для оценки
величин, являющихся показателями
качества обслуживания.