- •Имитационное моделирование
- •4. Вероятностно-статистические аспекты метода Монте-Карло и имитационного моделирования (им), Определение характеристик случайных параметров моделируемой системы.
- •1. Метод Монте-Карло (мк).
- •2. Случайные числа (сч) и методы их получения.
- •3. Вероятностно-статистические аспекты метода Монте-Карло и имитационного моделирования
- •4. Моделирование Марковских процессов.
- •4.1 Марковская цепь с дискретным временем.
- •4.2 Марковская цепь с непрерывным временем
- •Моделирование систем массового обслуживания
- •Задание № 2. Системы массового обслуживания с очередями. Задача 1
- •Задача 2
- •Задача 3
Министерство транспорта Российской Федерации
Уральский государственный университет путей сообщения
__________________________________________________________________
Кафедра высшей математики
П.П. Скачков
Имитационное моделирование
методическое пособие для студентов
специальности «Прикладная информатика в
экономике»
Екатеринбург
2006
2004 УДК 519.852
С 42
Методическое пособие «Имитационное моделирование» (ИМ) содержит краткие сведения по теории статистического моделирования. При этом в качестве основ метода ИМ рассмотрены простейшие, но характерные задачи метода «Монте-Карло». Подробно анализируется проблема получения последовательностей случайных чисел. Приведены примеры моделирования детерминированных и стохастических систем. Наиболее подробно анализируются Марковские процессы и системы массового обслуживания. При работе с данным пособием предполагается знание пакета MathCad и использование специально разработанных программных средств (ПС). Индивидуальные задания для студентов содержат задачи, требующие как умения решать задачи «вручную», так и с использованием указанных ПС. Пособие составлено в соответствии с учебным планом и предназначено для проведения занятий со студентами специальности «Прикладная информатика в экономике», а также может служить основой для написания курсовой работы по данной дисциплине.
Методическое пособие «Имитационное моделирование» утверждено на заседании кафедры «Высшая математика» Уральского государственного университета путей сообщения (протокол № ** от **11. 2006г.).
Автор: П.П. Скачков, канд. физ.-мат. наук, доцент, УрГУПС
Рецензент: В.Е. Замыслов, канд. физ.-мат. наук, доцент
кафедры прикладной математики УрГУПС.
Уральский государственный университет путей сообщения (УрГУПС), 2006
ОГЛАВЛЕНИЕ
1. Введение.
2. Случайные числа.
3. Метод Монте-Карло. Решение детерминированных задач. Моделирование задач имеющих стохастическую природу.
4. Вероятностно-статистические аспекты метода Монте-Карло и имитационного моделирования (им), Определение характеристик случайных параметров моделируемой системы.
5. ИМ Марковских процессов.
6. ИМ систем массового обслуживания.
7. Моделирование стоимости пакета акций в условиях случайных колебаний цен.
Приложение.
Введение.
Имитационным моделированием называется воспроизведение поведения изучаемой системы на основе анализа ее структуры и наиболее существенных взаимосвязей элементов с целью получения информации о функциональных свойствах этого объекта.
Модель системы представляет изучаемый объект и выступает в роли относительно самостоятельной системы, позволяющей получить важнейшие сведения о самом объекте. Натурное моделирование при решении многих практических задач требует больших финансовых и временных затрат (например, продувка летательного аппарата в аэродинамической трубе, войсковые учения – как моделирование венных действий и т.д.), поэтому в настоящее время все шире используется компьютерное моделирование.
Компьютерное ИМ предполагает выполнение ряда последовательных действий.
Описание реальной системы с выделением структуры, динамического взаимодействия элементов, факторов неопределенности и состояний системы, в которых она может находиться.
Создание блоковой схемы объекта с указанием состояний его элементов и возможных переходов между ними.
Построение моделирующей программы на специальном языке ИМ или общем языке программирования.
Проигрывание различных возможных ситуаций на модели.
Верификация модели и программы на основе анализа полученных результатов и их сравнения с теорией процесса и (или) информацией о функционировании реального объекта.
ИМ следует рассматривать как статистический эксперимент, а его результаты представляют собой наблюдения. Любое утверждение относительно характеристик изучаемой системы является статистической гипотезой. Результаты имитационного моделирования обычно рассматривают как оценки средних значений характеристик системы, поэтому после проведения n испытаний находят среднее значение характеристики
,
и принимают в качестве оценки интересующей нас величины . Например, если моделируется система массового обслуживания, то практический интерес представляет собой, в частности, среднее время заявки в очереди , где n число прошедших через систему заявок. Постановка любого эксперимента ставит вопросы о детализации модели, а именно − какими характеристиками системы можно пренебречь, а какие являются определяющими в рамках проблем поставленных в задаче.
При этом необходимо установить начальное состояние системы (и модели) и время прогона, достаточное для статистического анализа. Все эти непростые вопросы с той или иной степенью успеха можно решить лишь в приложении к конкретному объекту.
ИМ, по сравнению с обычными методами решения задач исследования операций является более гибким инструментом, особенно в части детализации поведения сложных систем. Но создание модели и моделирующей программы и проведения численных опытов с ней сопряжены со значительными затратами средств и машинного времени, особенно при решении оптимизационных задач.
Область применения ИМ в настоящее время можно разделить на две основные части.
Теоретические задачи математики, математической физики, физики, химии…., в частности
вычисление многомерных интегралов;
обращение и псевдообращение матриц;
вычисление констант;
решение дифференциальных уравнений в частных производных;
диффузия в смесях.
Практические задачи организации управления
анализ производственных технологических процессов;
планирование и прогнозирование инвестиционных проектов;
задачи социально-психологического характера;
разработка военной тактики и стратегии.
С помощью ИМ решаются вопросы углубленного изучения действующих функциональных систем, анализируются гипотетические системы (ситуации) или проектируются новые системы.