- •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»
Глава 1. Моделирование случайных величин
1.1. Предмет и задачи моделирования систем. Основные
понятия и термины моделирования систем. Типы математических
моделей: аналитические, имитационные. Особенности аналитических
и имитационых моделей. Сравнение по совокупности свойств.
1.1.1. Понятия модели и моделирования
Моделирование - метод изучения поведения систем, Оно используется для анализа качества функционирования систем, прогноза состояний, выбора значений параметров и структуры систем, обеспечивающих заданные свойства.
По своей сути моделирование - это метод исследования системы (оригинала) при помощи другой системы (модели), находящейся в определенном соответствии (подобии) с изучаемой системой - оригиналом.
Моделирование включает в себя несколько этапов:
1. Построение модели.
2. Изучение, исследование модели, в том числе путем экспериментов на модели.
3. Перенос результатов, полученных с помощью модели, на оригинал.
Можно выделить пять случаев применения модели:
1. Как средство осмысления действительности.
2. Как средство общения.
3. В качестве средства обучения и тренажа.
4. Как инструмент прогнозирования.
5. Как средство постановки эксперимента.
1.1.2. Основной цикл познания при моделировании
1. Формулируется цель исследования .
2. На основе анализа общих свойств оригинала осуществляется построение модели.
3. После построения модели получают результаты
4. Они интерпретируются в терминах оригинала и переносятся на оригинал.
5. С помощью сравнения осуществляется сопоставление результатов моделирования с результатами, полученными при непосредственном исследовании оригинала.
Если результаты, полученные с помощью модели, близки к результатам, полученным при исследовании оригинала, то в отношении данных свойств модель можно считать адекватной оригиналу.
При проектировании и эксплуатации АСУ часто возникают задачи, связанные с анализом, как количественных, так и качественных закономерностей их функционирования, определением их оптимальной структуры и т.д.
Непосредственное экспериментирование на объектах для решения этих задач имеет ряд существенных недостатков:
1. Нарушается установленный режим работы объекта.
2. В натурном эксперименте невозможно проанализировать все альтернативные варианты построения системы и т.д.
Эти задачи целесообразно решать на модели, отделенной от объекта и реализуемой на ЭВМ.
Выделяются физические и математические модели. Физическая модель отличается от оригинала по своей физической природе, но модель и оригинал подчиняются общим законам движения материи, которые могут иметь различную форму, но характеризуются тождественным математическим описанием.
Область применения физических моделей - отдельные элементы механических систем. Кроме того, моделирование на основе физических аналогий ориентировано на воспроизводение непрерывных процессов, а модели не могут быть использованы при моделировании дискретных элементов.
При моделировании информационных систем эта группа моделей находит ограниченное применение.
1.1.3. Математическое моделирование
Метод математического моделирования по сравнению с физическим моделированием представляет более широкие возможности. Он является способом исследования различных объектов путем составления соответствующего математического описания и вычисления на его основе характеристик исследуемого объекта.
Существенной особенностью данного метода является необходимость построения математической модели. Она формализовано отражает процесс функционирования оригинала и описывает основные закономерности его поведения. При этом все второстепенные, несущественные факторы из рассмотрения исключаются.
Объектом математического моделирования являются сложные системы. Сложной системой называют определенным образом организованную и целенаправленную функционирующую совокупность большого числа информационно связанных и взаимодействующих элементов в условиях воздействия внешних факторов.
