- •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).
81. Основні задачі й поняття планування імітаційних експериментів.
Планування екстремальних експериментів, широко застосовуваний у багатьох галузях науки і техніки. Планування експерименту під час розв’язання зазначених проблем полягає у виборі числа та умов проведення дослідів, за яких можна дістати потрібні результати із заданою точністю. Найважливіша умова науково поставленого експерименту - мінімізація загального числа спроб (а отже, і витрат матеріальних, трудових та часових ресурсів). Водночас зменшення числа спроб не повинне істотно позначитися на якості здобутої інформації.
Відгук - ендогенна (зумовлена внутрішніми причинами) випадкова величина, яка за припущенням, залежить від факторів. Фактори - змінні величини, які за припущенням, впливають на результати експериментів. Функція відгуку - математична модель , що являє собою залежність математичного сподівання від факторів. Задача дослідження системи полягає в установленні залежності функції відгуку або виявленні впливу різних факторів чи їх комбінацій на функцію відгуку.
82. Апроксимуючий поліном фукції відгуку.
Оскільки істинний функції відгуку встановити неможливо, то її подають наближено за допомогою апроксимуючого полінома - відрізка ряду Тейлора, у який розкладається невідома залежність в околі точки з нульовими координатами: (9.2) де
(9.3)
Апроксимуючий поліном (9.2) беруть першого, другого, а іноді третього степеня, причому порядок його може змінюватися залежно від етапу експерименту або специфіки задачі, що розв’язується. Коефіцієнти полінома визначають експериментально, проводячи досліди при деяких фіксованих значеннях факторів, причому з огляду на випадковість процесу, що досліджується, чи в результаті помилок при вимірюваннях вихідної величини спроби дублюються.
Після обробки результатів експерименту апроксимуючий поліном (9.2) фактично замінюється рівнянням регресії (9.4) де коефіцієнти - статистичні оцінки невідомих теоретичних коефіцієнтів .
83. Дворівнева система вимірювання факторів.
Під час виконання експериментів для кожного фактора обирають два рівні, на яких можна змінювати його значення. Вибір основних рівнів (початкової точки факторного простору) та інтервалів варіювання грунтується на попередніх знаннях щодо процесу, який досліджується. Роблять цей вибір, виходячи з необхідності зменшення числа спроб для розв’язання поставленої задачі. Отже, в результаті попередньої роботи для кожного і-го фактора визначаються: - основний рівень і-го фактора; - верхній рівень і-го фактора; - нижній рівень і-го фактора; - інтервал варіювання.
Під час проведення експериментів використовуються кодовані значення рівнів факторів. При цьому основний рівень беруть таким, що дорівнює нулю, верхній +1, нижній -1. Кодування виконують за формулою , . (9.5)
Кількість усіх точок факторного простору при дворівневій системі змінювання факторів, у яких необхідно експериментально шукати значення функції відгуку, дорівнює , де n - число факторів.
84. Повний факторний план (експеримент) і його властивості.
Нехай в експерименті реалізуються всі можливі поєднання рівнів факторів, тобто . Такий експеримент називається повним факторним експериментом (планом). Повний факторний експеримент зручно подавати у вигляді матриці планування- форма подання повного факторного експерименту. Матриця має n+1 стовпців і N рядків: в n стовпцях записані можливі значення факторів, а в n+1-му стовпцю - експериментально знайдене значення функції відгуку; кожен рядок відповідає номеру спроби, тобто вміщує координати відповідної точки факторного простору.
Геометрично повний факторний план при можна зобразити у вигляді куба, центр якого відповідає точці основного рівня факторів, а координати вершин задані умовами спроб. При повний факторний план геометрично означає n-вимірний гіперкуб.
Повні факторні плани мають властивості:
симетричність плану відносно центра експерименту де - значення рівня i-го фактора в j-й спробі;
нормування плану
ортогональність плану - скалярні добутки векторів-стовпців матриці планування дорівнюють нулю:
рототабельність (від лат. roto - обертаюсь) плану означає, що точність передбачення значення функції відгуку однакова на рівних відстанях від центра експерименту і не залежить від напряму.
Повні факторні плани дають змогу встановити вплив на функцію відгуку не тільки окремо кожного фактора, а і їх комбінації.