- •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.
213. Імітаційна модель керування запасами (логічна структурна схема).
Логічна структурна схема імітаційної моделі задачі пошуку оптимальної стратегії керування запасами складається з двох контурів — зовнішнього і внутрішнього. Зовнішній контур реалізує схему проведення експериментів за методом Бокса–Уїлсона (див. Тему 12), тобто на цьому рівні визначаються точки факторного простору, в яких відбувається імітаційний експеримент для визначення цільової функції — сумарних витрат на постачання.
На вхід до внутрішнього контура надходить пара чисел (вектор) , визначених згідно з процедурою руху в напрямі антиградієнта або в околі базової точки факторного простору. Після проведення машинного експерименту в точці і статистичної обробки результатів моделювання дістаємо значення цільової функції , яке відсилається на зовнішній контур моделі для прийняття рішення щодо подальшого проведення експерименту.
На вхід до внутрішнього контура надходить пара чисел (вектор) , визначених згідно з процедурою руху в напрямі антиградієнта або в околі базової точки факторного простору. Після проведення машинного експерименту в точці і статистичної обробки результатів моделювання дістаємо значення цільової функції , яке відсилається на зовнішній контур моделі для прийняття рішення щодо подальшого проведення експериментів.
214. Імітація випадкових подій, Схема випробувань за "жеребкуванням".
У загальному випадку під час імітаційного моделювання часто виникає потреба імітувати випадкові події, які можуть мати різне призначення. Випадкові події імітуються згідно зі схемою випробувань за «жеребкуванням», сутність якої полягає у такому. Нехай у результаті спроби може настати одна з n несумісних у сукупності подій що утворюють повну групу, причому де — ймовірність появи події . Якщо є генератор випадкових чисел РВП [0, 1], то схему випробувань за «жеребкуванням» можна подати так.
1.Розбиваємо відрізок [0, 1] на n частин завдовжки Координати точок поділу відрізка
2. Обираємо — наступне число із РВП [0, 1]. У разі, коли , вважаємо, що відбулася подія . Справді, за такої схеми
Розглянемо імітацію рівноймовірних подій, що утворюють повну групу:
Відношення у такому разі має вигляд або Індекс події, що настає, визначається співвідношенням k = [n] + 1, де [...] — ціла частина числа. Виконується нерівність
215. Імітація еволюційних процесів у динамічних моделях.
Процеси безперервного, поступового розвитку системи в часі імітують з допомогою динамічних моделей. Такі процеси називають еволюційними.
Існують два способи побудови динамічних імітаційних моделей, тобто процедури відтворення еволюційного процесу на ЕОМ: однорідне градуювання системного часу (принцип часового приросту t ); неоднорідне градуювання системного часу (принцип особливих станів).
Однорідне градуювання. Згідно з цим підходом у моделі використовується сталий приріст системного часу по часовій осі. При цьому весь імітований період часу розбивається на хронологічно впорядковану множину відрізків завдовжки t.
За допомогою машинної програми виконуються обчислювальні процедури для t-го відрізка часу, потім ті самі процедури повторюються для (t +1)-го відрізка і т.д. Якщо події t-го відрізка часу приводять до тих чи інших наслідків, котрі мають ураховуватися в подальших обчисленнях, то ЕОМ зберігає потрібну інформацію про ці події в своїй пам’яті і звертається до неї, коли настає відповідний момент часу. застосування цього способу іноді призводить до нераціональних витрат машинного часу.
Неоднорідне градуювання. За такого способу система моделюється в часі від події до події. Алгоритм моделювання за принципом особливих станів системи складається з кількох кроків: 1) визначається подія з мінімальним часом, тобто найбільш рання подія; 2) модельному часу надається значення часу появи найбільш ранньої події; 3) визначається тип події; 4) залежно від типу події виконуються відповідні дії; 5) перелічені кроки повторюються до закінчення часу моделювання.