
- •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»
1.1.3.1. Математическое описание сложных систем
Можно выделить два типа задач, решаемых при проектировании сложных систем:
1. Задачи анализа системы - связаны с определением свойств, значений параметров и характеристик системы.
2. Задача синтеза - определение состава элементов, их структуры, взаимосвязей и т.д. с целью анализа альтернативных вариантов построения системы для выбора оптимального.
Оба класса задач решаются на основании математического описания сложных систем, которое представляет собой формализованное описание процесса функционирования системы во времени.
Построение математического описания сложной системы включает в себя следующие этапы:
1. Формулируется цель исследования.
2. Определяются параметры {X(t)}, характеризующие поведение системы.
3. Определяется перечень состояний системы {S(t)}, представляющих интерес, исходя из поставленной цели исследования.
4. Процесс
функционирования системы
представляет собой последовательную
смену состояний системы
во времени.
5. Для того, чтобы оценить результаты функционирования системы, применяются показатели качества функционирования (критерии эффективности) Э(t), характеризующие степень приспособленности системы для выполнения поставленных перед нею задач.
1.1.3.2. Методы математического моделирования
Методы математического моделирования подразделяются на две группы:
1. Аналитические
2. Имитационные.
Аналитические методы основываются на формализованном описании процесса функционирования объекта, когда записывается математические соотношения модели, которые затем решаются относительно искомых параметров.
Аналитические методы моделирования при исследовании сложных систем находит ограниченное применение. Это обусловлено тем, что построение математических моделей, имеющих аналитическое решение, всегда связано с большим числом упрощающих допущений. Причем, подтвердить достоверность этих допущений практически невозможно.
Поэтому при моделировании сложных систем большее применение находят численные методы имитационного моделирования.
1.1.3.3. Имитационное моделирование
Эти методы исследования заключаются в имитации на моделях процессов функционирования системы. Имитируются элементарные явления, составляющие исследуемый процесс, с сохранением их логической структуры, взаимодействия и взаимосвязей, а также последовательности протекания во времени.
Поскольку методы имитационного моделирования реализуются на ЭВМ, математическая модель системы должна быть преобразована в моделирующий алгоритм и программу, которая позволяет по фиксированным наборам исходных данных воспроизводить процесс функционирования системы, т.е. получить информацию о состоянии системы в определенные моменты времени и на ее основе вычислять характеристики качества функционирования системы.
1.1.3.4. Принципы построения алгоритмов имитационного моделирования
1. Принцип “ t “ Он позволяет в ходе имитационного моделирования определять состояния системы через фиксированные интервалы времени t. Первоначально определяется состояние системы в начальный момент времени Z (tо ).
Затем, с использованием преобразованного в моделирующую программу математического описания системы, последовательно определяются состояния системы с шагом t: Z (t0),Z (t0 + t), . . . . .,Z (t + it).
Принцип t является наиболее универсальным способом построения моделирующих алгоритмов и используется во многих языках моделирования (например, GPSS).
Недостатки принципа t: с точки зрения экономичности - если задается малый шаг t движения во времени, то при этом увеличиваются затраты машинного времени; при большом шаге t возможны ситуации, когда интересующие исследователя состояния могут быть пропущены.
2. Принцип изменения состояний.
При этом принципе моделируется траектория изменения состояний системы от одного состояния к следующему. В этом случае движение во времени осуществляется шагами переменной длины и за счет этого сокращаются затраты машинного времени.
3. Принцип последовательной проводки заявок.
Используется при моделировании систем массового обслуживания (СМО), когда последовательно, фаза за фазой, воспроизводится история прохождения заявкой СМО.