Общая технологическая схема имитационного моделирования.
Традиционная схема моделирования может быть представлена в виде сравнительно независимых групп блоков (рис.1.4). Блоки 1-3 соответствуют этапу формирования математической модели и перевода ее в моделирующую программу.
Блок 4 ответственен за проведение имитации. В блоке 6 производится обработка результатов моделирования. В блоках 4-7 реализуется план имитационного эксперимента. Результаты имитационных экспериментов могут влиять на вид модели лишь после завершения серии прогонов ее на ЭВМ.
1-построение математической модели; 2- разработка моделирующего алгоритма; 3- построение машинной модели; 4- имитационные эксперименты с моделью; 5- планирование имитационных экспериментов; 6- обработка данных; 7- отображение результатов
Например, если в процессе эксперимента выяснится, что выходные результаты слабо зависят от того или иного параметра, то это может послужить причиной упрощения модели, состоящего в исключении данного параметра и соответствующем уменьшении размерности.
Направленный вычислительный эксперимент на имитационной модели и его содержание.
Имитационный эксперимент, содержание которого определяется предварительно проведенным аналитическим исследованием и являющийся составной частью вычислительного эксперимента и результаты которого достоверны и математически обоснованы, называется направленным вычислительным экспериментом.
Целями имитационного эксперимента могут являться оценка и прогноз, сравнение альтернатив, выявление зависимостей и анализ чувствительности, а также однокритериальная и многокритериальная оптимизация.
Общая методика проведения направленного вычислительного эксперимента обычно включает выполнение следующих этапов:
1. формулировка целей исследования;
2. выбор функции критерия;
3. выбор существенных факторов;
4. определение области определения факторов;
5. разработка и реализация плана эксперимента;
6. обработка результатов эксперимента с помощью различных математических методов (дисперсионный, регрессионный анализ, методология анализа поверхности отклика и др.)
7. выводы и принятие решений
Возможности, область применения имитационного моделирования.
Возможность: Имитационное моделирование — метод, благодаря которому возможно построить модели различных процессов так, как они могли бы проходить в реальной жизни. Имитационное моделирование — является процессом исследования при проведении которого, изучаемая система заменяется программной, математической или какой-либо другой моделью достаточно точно описывающей её (системы) основные характеристики.
Имитационное моделирование дает возможность сымитировать поведение системы во временном промежутке. И ключевым моментом здесь является то, что можно ускорять медленно протекающие процессы и замедлять скоротечные. Второе основное преимущество имитационного моделирования это возможность проведения исследования с такими объектами, реальные эксперименты с которыми невозможны, опасны или очень дороги.
На данный момент "НПО Персональный интеллект" может продемонстрировать Вам две модели: "Модель хищник жертва" и "Модель сбора мусора муравьями", которые в скором времени будут доступны для скачивания.
Модель хищник-жертва
Имитационная модель, показывающая сосуществование двух биологических видов в определенном, изолированном ареале.
Сбор мусора муравьями
Модель представляет из себя плоскость в двухмерном пространстве, на которой расположено множество кусочков мусора и муравьи, стремящиеся его собрать.
Применение имитационного моделирования
К имитационному моделированию прибегают, когда :
дорого или невозможно экспериментировать на реальном объекте;
невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
необходимо сымитировать поведение системы во времени.
Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами — разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.
Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны. С наступлением эпохи персональных компьютеров производство сложных и уникальных изделий, как правило, сопровождается компьютерным трёхмерным имитационным моделированием. Эта точная и относительно быстрая технология позволяет накопить все необходимые знания, оборудование и полуфабрикаты для будущего изделия до начала производстваКомпьютерное 3D моделирование теперь не редкость даже для небольших компанийИмитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950-х — 1960-х годах.
Можно выделить две разновидности имитации:
Метод Монте-Карло (метод статистических испытаний);
Метод имитационного моделирования (статистическое моделирование).
Области применения:
Бизнес-процессы
Боевые действия
Динамика населения
Дорожное движение
ИТ-инфраструктура
Математическое моделирование исторических процессов
Логистика
Пешеходная динамика
Производство
Рынок и конкуренция
Сервисные центры
Цепочки поставок
Уличное движение
Управление проектами
Экономика здравоохранения
Экосистема
Информационная безопасность
Основные этапы имитационного моделирования. Общая технологическая схема (формулировка проблемы, определение целей имитационного моделирования, разработка концептуальной модели объекта моделирования, формализация, программирование модели, испытание и исследование модели).
Основные этапы имитационного моделирования. Общая технологическая схема.
Формулировка проблемы, определение целей моделирования. Системный подход к решению проблем. Разработка концептуальной модели объекта моделирования. Построение концептуальных моделей сложных систем. Элементы, параметры и переменные модели, функции критерия. Анализ (декомпозиция) и синтез (композиция) сложной системы. Границы системы, уровень детализации. Генерирование альтернатив; Формализация имитационной модели; Создание компьютерной модели с использованием инструментов имитационного моделирования; Сбор и анализ исходных данных; Испытание и исследование свойств имитационной модели; Направленный вычислительный эксперимент на имитационной модели; Анализ результатов моделирования и принятие решений.
Другой аспект системной динамики заключается в предположении, что организация более эффективно представляется в терминах лежащих в ее основе потоков, нежели в терминах отдельных функций. Потоки людей, денег, материалов, заявок и оборудования, а также интегрированные потоки информации могут быть выявлены во всех организациях.
Традиционная схема моделирования может быть представлена в виде сравнительно независимых групп блоков (рис.1.4). Блоки 1-3 соответствуют этапу формирования математической модели и перевода ее в моделирующую программу.
Блок 4 ответственен за проведение имитации. В блоке 6 производится обработка результатов моделирования. В блоках 4-7 реализуется план имитационного эксперимента. Результаты имитационных экспериментов могут влиять на вид модели лишь после завершения серии прогонов ее на ЭВМ.
Рис. 1.4. Технологическая схема имитационного моделирования
построение математической модели; 2- разработка моделирующего алгоритма; 3- построение машинной модели; 4- имитационные эксперименты с моделью; 5- планирование имитационных экспериментов; 6- обработка данных; 7- отображение результатов
Например, если в процессе эксперимента выяснится, что выходные результаты слабо зависят от того или иного параметра, то это может послужить причиной упрощения модели, состоящего в исключении данного параметра и соответствующем уменьшении размерности.
Традиционно используемые программные средства для поддержки работы блоков 1-3 строятся с использованием языков программирования и моделирования.
Применение языков программирования порождает ряд проблем. В процессе исследования систем часто приходится модель уточнять, варьировать, упрощать или, наоборот, усложнять. Каждый раз при этом приходится составлять новые программы. Ясно, что такой процесс моделирования не будет эффективным. Требуемую гибкость можно обеспечить, если использовать формальные схемы, описывающие классы моделей из определенной предметной области, поскольку программировать тогда нужно функционирование данной схемы, а не описываемой ею частной модели. Чем уже проблемная ориентация используемой схемы, тем менее трудоемка работа по перепрограммированию. В идеале можно добиться полной параметризации системы, и тогда формирование конкретной модели будет состоять лишь в задании ее параметров, причем на языке, естественном для рассматриваемой предметной области. В этом случае пользователь по сути будет иметь дело с пакетом моделей.
Формально математическая модель системы в языках моделирования не используется, т.к. языки позволяют непосредственно переходить от содержательных описаний моделируемой системы к машинным моделям. Содержательное описание существенно облегчает пользователю общение с программой, позволяя составлять модель и использовать понятия из хорошо известной ему предметной области. Но оно не может служить препятствием для расширения класса моделируемых систем и применения для их анализа математических методов, ибо последние требуют знания особенностей именно математической модели.
Вернемся к блокам 5-7 (рис.1.4.). Функции этих блоков определяются пользователем сообразно с его практическими потребностями и существующими методами обработки результатов. Имитационный эксперимент, дающий информацию о системе, подобен натурному. Однако в натурных экспериментах исследованию подвергается существующая система, и вопрос об адекватности не стоит. При имитационных экспериментах изучению подвергается модель, которая лишь в общих чертах воспроизводит поведение реальной системы. Поэтому первоочередным является вопрос об адекватности, решение которого частично заменяется сравнением выходных данных с наблюдениями, полученными на реальном объекте, а частично – математическим исследованием модели.
Если по схеме рис.1.3. решается задача выбора приемлемого варианта из некоторого множества (например, при проектировании систем), то задача может быть решена лишь путем перебора конечного числа вариантов. Поскольку такой перебор не является полным, то таким образом нельзя получить обоснованного ответа на поставленные задачи.
Кроме этого, существует ряд задач, которые принципиально не могут быть решены в рамках указанной схемы. Например, оценку вероятностей редких событий (отказ высоконадежных систем, перегрузка сетей электроснабжения и т.п.) невозможно получить путем прямой имитации из-за чрезмерных затрат машинного времени.
Следовательно, часто используемое или подразумеваемое сведение процесса моделирования лишь к имитации в значительной степени неприемлемо для принятия ответственных решений при анализе крупномасштабных систем, когда необходимо комплексное исследование возникающих проблем, требующее применения как количественных, так и описательных методов.