- •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).
93. Статистична перевірка адекватності моделі.
Гіпотеза адекватності моделі перевіряється оцінюванням відхилень передбачених значень функції відгуку від експериментально знайдених, усереднених за числом повторень в експериментальних точках факторного простору. Етапи:
1. Обчислюють статистичну оцінку дисперсії адекватності : (11.6), де - число членів апроксимуючого полінома; - значення функції відгуку; - експериментальне значення функції відгуку в j-й точці плану.
2. Знаходять значення критерію Фішера (11.7)
3. Визначають число ступенів вільності і :
4.Обирають рівень значущості ,звич, =0,05
5. У спеціальній таблиці за заданими , і знаходять критичне значення параметра .
6. Якщо обчислене значення параметра не перевищує табличного , то вважається адекватним. У противному разі гіпотеза про адекватність відкидається і модель вважається не адекватною процесу, що вивчається.
Перевірка гіпотези про адекватність можлива при > 0, тобто коли число дослідних точок факторного простору більше від числа членів апроксимуючого полінома.
94. Планування експерименту під час дослідження системи.
Під час планування експериментів для дослідження систем спочатку перевіряють, чи можна лінійно апроксимувати функцію відгуку. Якщо поліном першого ступеня є достатнім наближенням функції відгуку на заданих інтервалах змінювання факторів, то це означає, що в поліномах вищого порядку коефіцієнти при нелінійних членах малі порівняно з головними ефектами (Головним ефектом фактора називають його внесок при переході від нижнього рівня до верхнього).Тому для оцінювання головних ефектів можна використовувати неповні (дробові) факторні плани. Але для нелінійних моделей оцінювати ефекти факторів при дробових планах непросто, оскільки тут відбувається змішування ефектів. Оцінки найменше змішуються в повних факторних планах.
Оцінки найменше змішуються в повних факторних планах.
Відсутність явища змішування оцінок рівнозначне тому, що вектори-стовпці матриці планування, які відповідають головним ефектам та ефектам взаємодії, відрізняються один від одного. Проте в багатофакторних системах здійснення повних факторних експериментів пов’язане з необхідністю проведення великого числа спроб у точках факторного простору, які до того ж мають багаторазово дублюватися. Тому за таких умов часто застосовуються дробові факторні плани, для яких значною мірою характерне змішування статистичних оцінок.
Під час дослідження систем така обставина може виявитися вирішальною, і тому необхідно ретельно вивчити явище змішування оцінок, перш ніж робити висновки щодо характеру впливу того чи іншого фактора або їх комбінації на ендогенну величину у. Для цього розроблено спеціальні процедури, що дають змогу залежно від поставленої задачі вибирати відповідну дробову репліку.
95. Перший спосіб пошуку екстремуму функції відгуку.
Існує два способи знаходження екстремуму функції відгуку .
Перший полягає в тому, що за допомогою експериментальних досліджень визначається математична модель функції відгуку, яка потім досліджується на екстремум класичними методами диференціального числення. З цією метою обчислюються частинні похідні функції відгуку і відшукуються стаціонарні точки шляхом розв’язання системи рівнянь
Розв’язок такої системи може бути точкою оптимуму функції відгуку. У цьому переконуються з допомогою формальних методів або на підставі інтуїтивних міркувань.
Важливим моментом є знаходження частинних похідних функції відгуку і обчислення точок, у яких похідні набувають нульових значень. Похідні функції відгуку можна визначити і без використання її математичної моделі. Для цього достатньо знайти коефіцієнти лінійної регресії, що є статистичними оцінками коефіцієнтів ряду Тейлора: (12.2)