- •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).
85. Дробовий факторний план (експеримент) і його властивості.
Дробовий
факторний експеримент (план)
- експеримент, в якому реалізується лише
частина числа можливих поєднань рівнів
факторів, тобто
.
План матиме властивості симетричності,
нормованості, ортогональності,
рототабельності.(пит. 84)
Утворений
таким чином дробовий факторний план
називається півреплікою і позначається
.
Доповнюючу повний факторний план
піврепліку, яка реалізує другу половину
повного трифакторного плану, можна
дістати, якщо в повному двофакторному
плані значення елементів (-
)
присвоїти рівням фактора
.
Слід зазначити, що на практиці планування експериментів використовуються репліки і вищого ступеня дрібнення.
86. Лінійна апроксимація функції відгуку.
Апроксимація - наближене зображення одних математичних об’єктів іншими.
Апроксимуюча функція добирається таким чином, щоб середньоквадратичне відхилення (сума квадратів відхилень) фактичних рівнів функції в спостережуваних точках від вирівняних було найменшим.
Щоб дістати опис функції відгуку, виконують N спроб, результати яких використовують для обчислення коефіцієнтів рівняння регресії. При цьому спочатку з’ясовують, чи можлива лінійна апроксимація функції відгуку в заданій області змінювання факторів. До поліномів вищого ступеня переходять в тому разі, коли лінійна модель не адекватна здобутим дослідним даним або потрібно глибше вивчити характер походження функції відгуку в околі деякої точки.
87. Одержання апроксимуючого полінома другого ступеня.
Апроксимуючий поліном - відрізок ряду Тейлора, у який розкладається невідома залежність в околі точки з нульовими координатами:
(9.2)
Рівняння
(9,2) можна записати у вигляді лінійного
полінома відносно нових змінних
,
пов’язаних з факторами системи за
правилом
Після
таких перетворень коефіцієнти регресії
можна знайти, якщо записати систему
нормальних рівнянь (10.3) і обчислити
коефіцієнти
і
з урахуванням нової системи невідомих.
(10.3)
Наприклад,
поліном другого ступеня для двофакторної
моделі
перетвориться
до лінійного вигляду
за допомогою системи позначень
88. Композиційні плани.
З метою збереження здобутих для розрахунків лінійних коефіцієнтів регресії експериментальних даних до повного (або дробового) факторного плану додають нові точки:
нульову точку, тобто базову (центральну) точку повного чи дробового факторного плану;
«зіркові» точки, розміщені на осях кодової системи координат.
Створені таким способом плани називають композиційними. Композиційний план - план, який включає повний чи дробовий факторні експерименти, нульову (центральну) точку, «зіркові» точки, розміщені на осях кодованої системи координат. Використовується для апроксимації функції відгуку поліномом другого ступеня.
Значення зіркового плеча l обчислюється залежно від обраного критерію оптимальності композиційного плану. При побудові квадратних поліномів найчастіше використовуються два критерії оптимальності: ортогональність і рототабельність.
89. Ортогональний центральний композиційний план.
Композиційний
план, вектори-стовпці матриці планування
якого ортогональні, називається
ортогональним
центральним композиційним планом.
Властивість ортогональності планів
дуже істотна, оскільки дає змогу визначати
коефіцієнти регресії незалежно один
від одного, тобто матриця коефіцієнтів
системи нормальних рівнянь при
ортогональності плану має діагональний
вигляд.
Матриця
планування ортогоналізується перетворенням
квадратичних членів
(10.10)
У
цьому разі вектор-стовпець фактора
буде ортогональним до векторів-стовпців,
які відповідають факторам
.
З урахуванням перетворення (10.10) поліном запишеться у вигляді
Для
визначення зіркового плеча, виконавши
перетворення, дістанемо біквадратне
рівняння
(10.12)
Якщо
композиційний план створено на підставі
дробового факторного плану, то рівняння
для розрахунку зіркового плеча матиме
вигляд
ND
ND
(10.13)
де ND - число точок у дробовому факторному плані.
