- •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).
15. Поняття машинної імітації (імітаційного моделювання).
Імітаційне моделювання в широкому розумінні є процес конструювання моделі реальної системи та експериментування на цій моделі з метою визначити поводження системи або оцінити (в рамках обмежень, зумовлених деяким критерієм чи сукупністю критеріїв) різні стратегії, що забезпечують функціонування даної системи. У вужчому розумінні імітаційне моделювання - це відтворення на ЕОМ реальної виробничої чи організаційної системи. За такого тлумачення термін «імітаційне моделювання» має той самий сенс, що й «машинна імітація» або «машинне моделювання» (останні терміни відповідають експериментальному методу вивчення економіки з допомогою ЕОМ). Щоб застосувати такий метод для досліджень, створюють імітаційну систему, яка містить у собі імітаційну модель, а також внутрішнє і зовнішнє математичне забезпечення. До ЕОМ вводяться потрібні вхідні дані і спостерігаються зміни показників, котрі у процесі моделювання можуть аналізуватися й піддаватися статистичній обробці.
16. Переваги та вади машинної імітації.
Переваги:
1. Вдається відповісти на багато запитань, що постають на ранніх стадіях задуму і попереднього проектування систем, уникнувши застосування методу спроб і помилок, котрий пов’язаний зі значними витратами. 2. Метод дає змогу досліджувати особливості функціонування системи за будь-яких умов, зокрема й тих, котрі не реалізовані в натурних експериментах. При цьому параметри системи і навколишнього середовища можна варіювати в як завгодно широких межах, відтворюючи довільну обстановку. 3. Стає можливим прогнозувати поводження системи в близькому та віддаленому майбутньому, екстраполюючи на моделі результати промислових випробувань. 4. Імітаційні моделі технічних і технологічних систем та пристроїв дають змогу в багато разів скоротити час їх випробування: від днів і місяців у реальних умовах до секунд і хвилин на ЕОМ. Єдиним обмеженням тут можуть бути наявні ресурси машинного часу і пам’яті. . За допомогою методу машинної імітації можна штучним шляхом швидко й у великому обсязі дістати потрібну інформацію, що відбиває хід реальних процесів, уникнувши дорогих, а часто й неможливих натурних випробувань цих процесів - відповідні результати через обмежений обсяг вибірки здебільшого не зовсім достовірні (вірогідні). 6. Імітаційна модель є надзвичайно гнучким пізнавальним інструментом, здатним відтворювати довільні як реальні, так і гіпотетичні ситуації, оскільки на неї не поширюються жодні фактичні обмеження. 7. З огляду на те, що дослідження і оптимізацію деяких складних економічних систем не можна виконати ні з допомогою лабораторних чи натурних експериментів, ні аналітичними методами, імітаційне моделювання на ЕОМ часто буває єдиним реалізовуваним способом розв’язування таких задач.
Метод машинної імітації, попри всі його переваги та універсальність, прийнятний не завжди, оскільки виконання розрахунків на імітаційних моделях потребує значних витрат часу дослідників, програмістів та ЕОМ.
17.Класифікація методів імітаційного моделювання.
Ідея методу машинної імітації досить проста (відображення реальної ситуації на ЕОМ). Можна виділити такі медоди ІМ: детерміновані типу що?...якщо та методи статистичних випробувань. В свою чергу методи статистичних випробувань включають в себе методи Монте-Карло та методи імітації еволюційних процесів. Методи М-К поділяються на методи дослідження стохастичних систем та методи вирішення детермінованих задач. Методи імітації еволюційних процесів поділяються на методи з фіксованою довжиною кроку та методи з довжиною кроку до наступної події.