- •1.Моделювання. Визначення і основні поняття.
- •2.Поняття моделі та форми існування моделей.
- •3.Мета застосування моделювання та способи її досягнення.
- •4.Види моделювання.
- •5.Фізичне моделювання.
- •6.Математичне моделювання.
- •7. Макетне моделювання.
- •8.Аналогове моделювання.
- •9.Ситуаційне моделювання.
- •10.Способи використання математичних моделей.
- •11.Визначення імітаційної моделі та її характерні особливості.
- •12. Що входить в поняття імітаційної моделі як інструмента дослідження складних систем?
- •13. Основні напрямки використання машинної імітації.
- •15. Поняття машинної імітації (імітаційного моделювання).
- •16. Переваги та вади машинної імітації.
- •17.Класифікація методів імітаційного моделювання.
- •18. Імітація еволюційних процесів у динамічних моделях.
- •19. Загальна схема і цілі машинної імітації.
- •20. Програмна реалізація імітаційних моделей.
- •21. Мови імітаційного моделювання.
- •22. Імітаційна модель обчислювальної системи з відмовами (табличний спосіб реалізації)
- •23. Імітаційна модель обчислювальної системи з чергою (табличний спосіб реалізації).
- •24. Імітаційна модель обчислювальної системи з відмовами (комбінований спосіб реалізації).
- •25. Імітаційна модель обчислювальної системи з чергою (комбінований спосіб реалізації).
- •26. Імітаційна модель обчислювальної системи з відмовами (алгоритм програмної реалізації).
- •27. Імітаційна модель обчислювальної системи з чергою (алгоритм програмної реалізації).
- •28. Імітаційна модель обчислювальної системи з чергою (реалізація процедурно-орієнтованими засобами мови програмування). Визначаємо змінні
- •29. Імітаційна модель обчислювальної системи з відмовами (реалізація процедурно-орієнтованими засобами мови програмування). Визначаємо змінні
- •30. Основні етапи побудови імітаційної моделі.
- •31. Gpss-програма імітаційної моделі обчислювальної системи з відмовами.
- •32. Gpss-програма імітаційної моделі обчислювальної системи з чергою.
- •30 Queue qeom *стати в чергу
- •30 Queue qeom *стати в чергу
- •33. Верхній і середній рівень представлення в системі gpss імітаційної моделі телефонної станції.
- •2. Середній рівень
- •34. Gpss-програма імітаційної моделі телефонної станції.
- •35. Імітаційна модель керування запасами: сутність оптимального керування запасами.
- •36. Імітаційна модель керування запасами: система постачання.
- •37. Імітаційна модель керування запасами: попит на предмети постачання та система поповнення запасів.
- •38. Імітаційна модель керування запасами: вартісні функції витрат.
- •39. Імітаційна модель керування запасами: обмеження, що застосовуються до запасів, і стратегії (політики) керування запасами.
- •40. Імітаційна модель керування запасами: статична детермінована модель.
- •41. Керування багатопродуктовими запасами: основні передумови та економіко-математична модель.
- •42. Імітаційна модель керування запасами: опис концептуальної моделі (основні передумови).
- •43. Імітаційна модель керування запасами: схема алгоритму.
- •44. Визначення, характерні особливості та сфера використання методу Монте-Карло.
- •45. Основні етапи методу статистичних випробувань
- •46. Обчислення означеного інтегралу методом Монте-Карло (табличний спосіб реалізації).
- •47. Обчислення означеного інтегралу методом Монте-Карло (реалізація процедурно-орієнтованими засобами мови програмування).
- •48. Методи випадкового пошуку при вирішенні оптимізаційних задач. Характерні особливості, переваги та недоліки.
- •49. Чисто випадковий пошук і його ефективність.
- •50. Алгоритм чисто випадкового пошуку при вирішенні задачі математичного програмування без обмежень.
- •51. Вирішення задачі нелінійного програмування без обмежень методом Монте-Карло (табличний спосіб реалізації чисто випадкового пошуку).
- •52. Програмна реалізація алгоритму чисто випадкового пошуку при вирішенні задачі математичного програмування без обмежень.
- •53. Модель вибору технологічного процесу виготовлення виробів (табличний спосіб реалізації чисто випадкового методу).
- •54. Алгоритм чисто випадкового пошуку при виборі технологічного процесу виготовлення виробів.
- •55. Програмна реалізація алгоритму чисто випадкового пошуку при виборі технологічного процесу виготовлення виробів.
- •56. Направлений випадковий пошук. Його переваги, недоліки та способи покращення збіжності.
- •57. Алгоритм направленого випадкового пошуку при вирішенні задачі математичного програмування без обмежень.
- •58. Вирішення задачі нелінійного програмування без обмежень методом Монте-Карло (табличний спосіб реалізації направленого випадкового пошуку).
- •59. Програмна реалізація алгоритму направленого випадкового пошуку при вирішенні задачі математичного програмування без обмежень).
- •60. Модель вибору технологічного процесу виготовлення виробів (табличний спосіб реалізації направленого випадкового методу).
- •61. Алгоритм направленого випадкового пошуку при виборі технологічного процесу виготовлення виробів.
- •62. Програмна реалізація алгоритму направленого випадкового пошуку при виборі технологічного процесу виготовлення виробів.
- •63. Точність оцінки ймовірності за допомогою відносної частоти.
- •64. Рівномірна випадкова послідовність чисел (рвп [0,1]).
- •65. Табличний спосіб одержання рвп [0,1].
- •66. Фізичні генератори рвп [0,1].
- •67. Програмні датчики рвп [0,1].
- •68. Перевірка якості випадкових чисел.
- •69. Схема випробувань за "жеребком" (свж).
- •70. Перший спосіб використання свж.
- •71. Другий спосіб використання свж.
- •72. Стандартний метод імітації дискретно-розподілених випадкових величин.
- •73. Спеціальні методи імітації дискретних розподілень.
- •74. Стандартний метод імітації неперервних випадкових величин.
- •75. Приклади застосування стандартного методу імітації неперервних випадкових величин.
- •76. Метод добору (відбраковки).
- •77. Наближене формування розподілів.
- •78. Генерування нормально розподілених випадкових чисел: використання центральної граничної теореми (цгт).
- •79. Генерування нормально розподілених випадкових чисел: метод Бокса-Маллера.
- •80. Генерування нормально розподілених випадкових чисел: метод Марсальї-Брея.
- •81. Основні задачі й поняття планування імітаційних експериментів.
- •82. Апроксимуючий поліном фукції відгуку.
- •83. Дворівнева система вимірювання факторів.
- •84. Повний факторний план (експеримент) і його властивості.
- •85. Дробовий факторний план (експеримент) і його властивості.
- •86. Лінійна апроксимація функції відгуку.
- •87. Одержання апроксимуючого полінома другого ступеня.
- •88. Композиційні плани.
- •89. Ортогональний центральний композиційний план.
- •90. Рототабельний композиційний план. (ркп)
- •91. Статистична перевірка однорідності дисперсіїй.
- •92. Статистична перевірка значущості коефіцієнтів регресії.
- •93. Статистична перевірка адекватності моделі.
- •94. Планування експерименту під час дослідження системи.
- •95. Перший спосіб пошуку екстремуму функції відгуку.
- •96. Загальна схема методу Бокса-Уїлсона.
- •97. Рух у напрямку крутого сходження (спаду).
61. Алгоритм направленого випадкового пошуку при виборі технологічного процесу виготовлення виробів.
Алгоритм:
1) Задатиабо визначити початкові значення х1,х2, ..., хn і довжину кроку n.
2) Визначити початкове значення цільової ф-ції у.
3) Повторювати :
a. визначити випадкові значення х=Rz, z - випадкові рівномірні розподілені числа (z від -1 до +1 )
b. визначити нове значення критеріальної ф-ції у2.
c. Якщо значення ф-ції покращилися, прийняти х=х+х, у1=у2.
d. Кінець циклу.
4)Вивід результатів.
62. Програмна реалізація алгоритму направленого випадкового пошуку при виборі технологічного процесу виготовлення виробів.
With ActiveCell
.Activate
If Not IsNumeric(.Text) Then Exit Sub
If .Value < Range("D7") Then
lRow = ActiveCell.Row
vX = Range(Cells(lRow, 3), Cells(lRow, 4)).Value
Range(Cells(7, 2), Cells(7, 3)).Value = vX
End If
End With
h = Range("D8").Value
lKilEx = Range("D9")
iKilX = 2 ' = Кількість іксів, починаючи з 1
ReDim X(iKilX)
ReDim Xmin(iKilX)
ReDim Z(iKilX)
If F = True Then
For i = 0 To iKilX
Cells(10 + i, 7).Value = Cells(10 + i, 4).Value
Next
fMin = Range("D10").Value
End If
Randomize
For i = 0 To iKilX - 1
X(i) = Cells(11 + i, 4).Value
Z(i) = -1 + (1 + 1) * Rnd
Xmin(i) = Cells(11 + i, 7).Value
Next
For l = 0 To lKilEx
For i = 0 To iKilX - 1
X(i) = h * Z(i) + Xmin(i)
Cells(11 + i, 4).Value = X(i)
Next
fFun = Range("D10").Value
If fFun < fMin Then
fMin = fFun
For i = 0 To iKilX - 1
Xmin(i) = X(i)
Next
End If
Next
Range("G10").Value = fMin
For i = 0 To iKilX - 1
Cells(11 + i, 7).Value = Xmin(i)
Next
End Sub
63. Точність оцінки ймовірності за допомогою відносної частоти.
Знайдемо точність методу, коли ймовірність оцінюється з допомогою відносної частоти. Нехай моделюються появи випадкової події A, імовірність якої дорівнює p. Візьмемо якщо при i-й спробі настала подія A, і коли подія A не настала. Отже, загальна кількість спроб, в яких настала подія A, подається так: де n - загальне число спроб.
Оскільки розглядається схема незалежних випробувань, то відносна частота появи події A, є випадкова величина, яка при досить великому n має розподіл, близький до нормального. Для нормально розподіленої випадкової величини виконується правило «трьох сигм»:
Тому для практичних розрахунків праву частину цієї рівності вважають такою, що дорівнює одиниці, а дослідні дані, котрі не задовольняють зазначену умову, відкидаються як такі, що не мають імовірнісного характеру.
Для розглядуваного випадку Знайшовши математичне сподівання даної величини та середнє квадратичне , маємо :
Позначивши символом помилку визначення p, тобто дістанемо , або
Звідси
64. Рівномірна випадкова послідовність чисел (рвп [0,1]).
Ці числа дають змогу імітувати на машині ситуації зі складною стохастичною природою. Випадкова величина Х має рівномірний розподіл на відрізку [a, b], коли її щільність розподілу ймовірностей має вигл
Математичне сподівання та дисперсія випадкової величини
Якщо випадкова величина розподілена на відрізку [0, 1], то
Рівномірно розподілену на відрізку [0, 1] випадкову величину позначимо . Для неї характерна унікальна (притаманна лише даному розподілу) властивість: імовірність того, що значення цієї випадкової величини потраплять на деякий інтервал з межами 0 1, дорівнює довжині цього інтервалу: