
- •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»
1.2.3. Технология построения и функционирования.
Построение имитационной модели начинается с формирования целей моделирования, затем формируются показатели качества функционирования,
которые должны рассчитываться на ней. Далее определяются те функциональные процессы, по результатам моделирования которых можно рассчитывать требуемые показатели качества функционирования. Разрабатываются имитационные модели этих функциональных процессов с учетом их взаимосвязи. Они увязываются в единый имитационный процесс функционирования объекта моделирования, в частности, информационной системы.
В силу вышесказанного имитационная модель имеет блочную структуру. В нее входят следующие блоки общего характера: очистка счетчиков (установка в нуль таймера и всех остальных накапливающих счетчиков), формирования случайного момента прибытия очередного требования, формирования дисциплины обслуживания, формирования моментов окончания обслуживания, формирования данных для расчета показателей качества функционирования, печать.
Кроме того, в ней могут быть блоки, имеющие специфическую природу именно для конкретной модели.
Блоки модели с указанием в виде стрелок связей между ними (последовательностей и условий перехода от одного блока к другому) составляют блок – схему модели, которая и составляет существо модели.
Для того чтобы она стала функционировать, разрабатывают общий алгоритм моделирования, который должен отражать в целом алгоритм функционирования объекта моделирования. При этом отмечаются те факторы функционирования реального объекта, которые учтены в общем алгоритме, и те факторы функционирования реального объекта, которые нельзя учесть в общем алгоритме в силу определенных причин.
После этого разрабатывают частные алгоритмы моделирования отдельных блоков, которые должны отражать детально алгоритмы функционирования их оригиналов в объекте моделирования. При этом отмечаются те факторы функционирования оригиналов блоков реального объекта, которые учтены в частных алгоритмах их моделирования, и те факторы функционирования оригиналов блоков реального объекта, которые нельзя учесть в частных алгоритмах в силу определенных причин.
1.3. Генерирование равномерно распределенных на интервале [0,1] случайных чисел. Проверка качества генераторов случайных чисел
При статистическом моделировании на ЭВМ возникает необходимость моделирования трех типов случайных явлений:
1. Случайных событий.
2. Случайных величин (дискретных и непрерывных).
3. Случайных процессов.
Для того, чтобы провести моделирование указанных случайных явлений, его выполняют в два этапа:
1 этап - формирование некоторой стандартной случайной величины;
2 этап - преобразование стандартной случайной величины и получение искомого случайного явления.
В качестве стандартной случайной величины целесообразно выбирать такую, которая может быть получена с наименьшими затратами машинного времени и обеспечивает простоту дальнейшего преобразования.
Принято выбирать
в качестве стандартной равномерно
распределенную на единичном интервале
случайную величину
.
Рассмотрим случайную величину , которая распределена равномерно на интервале [0,1].
Функция и плотность распределения случайной величины имеют вид:
Числовые характеристики случайной величины :
- математическое
ожидание m
=
0,5; - дисперсия D
= 1/12.
Реже в качестве стандартной используют дискретную случайную десятичную цифру , принимающую с одинаковой вероятностью (р = 0,1) значения 0, 1, 2,..., 9.
Закон распределения случайной десятичной цифры имеет вид:
|
0 |
1 |
2 |
3 |
. . . |
9 |
р |
0,1 |
0,1 |
0,1 |
0,1 |
. . . |
0,1 |
В качестве стандартной может быть использована и случайная двоичная цифра , принимающая с одинаковой вероятностью (р = 0,5) два значения 0 или 1.
Случайная двоичная цифра имеет закон распределения:
-
0
1
р
0,5
0,5
Переход от случайной двоичной цифры к случайной десятичной производится по известным правилам.
Между случайными десятичными цифрами и случайными числами также существует взаимосвязь. Поэтому задание числа в виде последовательности десятичных цифр i или в виде равномерно распределенного на интервале [0, 1] числа эквивалентно.