- •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).
71. Другий спосіб використання свж.
У загальному випадку під час імітаційного моделювання часто виникає потреба імітувати випадкові події, які можуть мати різне призначення. Випадкові події імітуються згідно зі схемою випробувань за «жеребкуванням»,. заснована на машинному моделюванні несумісних у сукупності подій, що утворюють повну групу. Економнішим за критерієм раціонального використання запасу чисел датчика РСП [0, 1] є другий спосіб. Він, проте, потребує виконання значних попередніх перетворень. Сутність способу пояснимо на прикладі.
Приклад 1. Вивчається робота цеху, до складу якого належать три конвеєрні лінії. Імовірність безперебійної роботи першої лінії в довільний момент часу становить 0,7, другої - 0,9, третьої - 0,6.
Скласти схему імітації стану виробничого процесу.
Введемо позначення для випадкових подій, що в довільний момент часу t імітують роботу цеху:
- безперебійно працює перший конвеєр; А2 - безперебійно працює другий конвеєр; А3 - безперебійно працює третій конвеєр.
Формуємо повну групу подій :
Обчислюємо ймовірності цих подій за правилом: імовірність добутку незалежних подій дорівнює добутку їх імовірностей. Маємо:
Поділяємо відрізок [0,1] на вісім частин. Координати точок поділу:
Вибираємо наступне випадкове число, наприклад = 0,85828. Оскільки , то імітується подія тобто в досліджуваний момент часу перший конвеєр не працює, а решта працюють.
72. Стандартний метод імітації дискретно-розподілених випадкових величин.
За допомогою схеми випробувань за «жеребкуванням» можна моделювати дискретні випадкові величини (Дискретна випадкова величина - випадкова величина , яка набуває скінченної кількості значень або всі її значення можна розмістити у вигляді нескінченної послідовності , а закон її розподілу описується заданням усіх ймовірностей .) Нехай, наприклад, ряд розподілу дискретної випадкової величини Х має такий вигляд:
Можливі значення |
|
|
... |
xn |
Імовірності |
|
|
... |
|
Звідси можна дістати повну групу подій:
, , ..., .
Недолік стандартного методу полягає в тому, що для великої кількості можливих значень в оперативній пам"яті машини необхідно зберігати всі значення Х і всі значення Р. Ця проблема частково спрощується для тих розподілів у яких можливі значення- це числа натурального ряду, а ймовірності обчислюються за допомогою рекурентної формули
де - деяка функція від значення індексу k.
73. Спеціальні методи імітації дискретних розподілень.
Загальний підхід імітації дискретно розподілених величин у деяких випадках може бути замінений спеціальними методами імітації, котрі ураховують специфічні особливості розподілів.
Рівномірний дискретний розподіл має такий вигляд: де k = 0, 1, 2,....
Для імітування цієї випадкової величини досить здійснити перетворення .
Геометричний розподіл імітується з допомогою перетворення
Цей метод імітації геометрично розподілених випадкових величин є найефективнішим.
Для імітації випадкових величин, що мають розподіл Пуассона, найчастіше застосовується метод Тотчера. Цей метод грунтується на твердженні, що випадкова величина X, яка визначається відношенням розподілена за законом Пуассона з параметром .
Для генерування випадкової величини Х генеруємо РСП [0, 1] доти, доки не буде виконуватися нерівність