- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
- •204. Визначення ключових параметрів ризику.
- •206. Визначення математичного сподівання та дисперсії з генерованих випадкових величин.
- •207. Визначення тісноти взаємозв'язку між випадковими параметрами.
- •209. Задачі планування експериментів.
- •208. Загальна схема і цілі машинної імітації.
- •211. Застосування методу Монте-Карло для розв'язування детермінованих задач (обчислення визначеного інтегралу).
- •212. Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів.
- •213. Імітаційна модель керування запасами (логічна структурна схема).
- •214. Імітація випадкових подій, Схема випробувань за "жеребкуванням".
- •215. Імітація еволюційних процесів у динамічних моделях.
- •216. Керування багато продуктовими запасами: основні перед посилки.
- •217. Опис концептуальної моделі та перевірка її вірогідності.
- •218. Основні етапи факторного аналізу.
- •219. Основні поняття планування експериментів: відгук, фактори, функція відгуку.
- •220. Перевірка значущості коефіцієнтів регресії.
- •222. Побудова імітаційної моделі: визначення задачі та її аналіз.
- •221. Перевірка однорідності дисперсії.
- •223. Поняття і характеристики квазірівномірної випадкової послідовність чисел.
- •224. Поняття і характеристики рівномірної випадкової послідовність чисел.
- •233. Статична детермінована модель керування запасами: економіко-математична модель.
- •226. Поняття та інструментарій планування експериментів.
- •227. Прийняття гіпотез стосовно розподілів випадкових параметрів.
- •228. Програмні способи одержання рівномірної випадкової послідовність чисел: метод серединних квадратів.
- •229. Програмні способи одержання рівномірної випадкової послідовність чисел: мультиплікативний конгруентний метод.
- •230. Способи програмної реалізації імітаційних моделей, їх переваги та вади.
- •234. Статична детермінована модель керування запасами: основні перед посилки.
- •231. Стандартний метод імітації дискретної випадкової величини.
- •232. Статистичне оброблення експериментальних даних.
- •235. Стратегії (політики) керування запасами.
- •236. Сутність критерію Стьюдента.
- •237. Сутність критерію Фішера.
- •240. Сутність оптимального керування запасами.
- •238. Сутність методу Бокса-Уілсона.
- •239. Сутність методу добору при генеруванні випадкових величин.
- •201. Gpss- програма імітаційної моделі завантаження еом.
- •202. Алгоритм імітації роботи обчислювальної системи з терміналами.
- •203. Визначення інтервалів значень випадкових параметрів.
212. Збір даних про чинники та побудова аналітичної моделі для проведення імітаційних експериментів.
У дослідженні операцій широко застосовуються як аналітичні, так і статистичні моделі. Кожен з цих типів має свої переваги і недоліки. Аналітичні моделі більш грубі, враховують менше число факторів, завжди вимагають якихось припущень і спрощень. Зате результати розрахунку по них легше доступні для огляду, чіткіше відображають властиві явищу основні закономірності. А, головне, аналітичні моделі більше пристосовані для пошуку оптимальних рішень. Статистичні моделі, в порівнянні, з аналітичними, більш точні і докладні, не вимагають настільки грубих припущень, дозволяють врахувати велику (в теорії - необмежено велике) число факторів. Але й у них - свої недоліки: громіздкість, погана видимістю, велика витрата машинного часу, а головне, крайня труднощі пошуку оптимальних рішень, які припадають шукати «на дотик», шляхом здогадок і проб.
Найкращі роботи в сфері дослідження операцій засновані на спільному застосуванні аналітичних та статистичних моделей. Аналітична модель дає можливість в загальних рисах розібратися в явищі, намітити як би контур основних закономірностей. Будь-які уточнення можуть бути отримані за допомогою статистичних моделей.
Етапи процесу побудови математичної моделі складної системи:
1. Формулюються основні питання про поводження системи, відповіді на які ми хочемо одержати за допомогою моделі. 2. З безлічі законів, керуючих поводженням системи, вибираються ті, вплив яких істотно при пошуку відповідей на поставлені питання. 3. У поповнення до цих законів, якщо необхідно, для системи в цілому або окремих її частин формулюються визначені гіпотези про функціонування. Критерієм адекватності моделі служить практика.
Труднощі при побудові математичної моделі складної системи:
- Якщо модель містить багато зв'язків між елементами, різноманітні нелінійні обмеження, велике число параметрів і т.д. - Реальні системи найчастіше піддані впливу випадкових різних факторів, облік яких аналітичним шляхом представляє дуже великі труднощі, найчастіше нездоланні при великій їх числі; - Можливість зіставлення моделі й оригіналу при такому підході є лише на початку.
Ці труднощі й обумовлюють застосування імітаційного моделювання.
Воно реалізується за наступними етапами:
1 . Як і раніше, формулюються основні питання про поводження складної системи, відповіді на які ми хочемо отримати. 2. Здійснюється декомпозиція системи на більш прості частини-блоки. 3. Формулюються закони і «правдоподібні» гіпотези щодо поводження як системи в цілому, так і окремих її частин. 4. В залежності від поставлених перед дослідником питань вводиться так званий системний час, що моделює хід часу в реальній системі. 5. Формалізованим чином задаються необхідні феноменологічні властивості системи і окремих її частин. 6. Випадковим параметрами, що фігурують в моделі, зіставляються деякі їх реалізації, що зберігаються постійними протягом одного або декількох тактів системного часу. Далі відшукуються нові реалізації.