Что такое моделирующий алгоритм

23.09.202328.09.2023 admin 0 Comments

Моделирующий алгоритм. Имитационная модель

Имитационный характер исследования предполагает наличие логико или логико-математических моделей, описываемых изучаемый процесс (систему).

Логико-математическая модель сложной системы может быть как алгоритмической, так и неалгоритмической (например, система дифференциальных уравнений преобразуется в алгоритмическую с использованием численного метода интегрирования, при этом свойства модели меняются и это надо учитывать).

Чтобы быть машинно-реализуемой, на основе логико-математической модели сложной системы строится моделирующий алгоритм, который описывает структуру и логику взаимодействия элементов в системе.

2.4 Проблемы стратегического и тактического планирования имитационного эксперимента. Направленный вычислительный эксперимент на имитационной модели

В начале этой лекции мы в общем виде дали понятие метода имитационного моделирования. Мы определили имитационное моделирование как экспериментальный метод исследования реальной системы по ее имитационной модели.

Рассмотрим особенности этого экспериментального метода. Кстати, слова «simulation», «эксперимент», «имитация» одного плана. Экспериментальная природа имитации также предопределила происхождение названия метода. Итак, цель любого исследования состоит в том, чтобы узнать как можно больше об изучаемой системе, собрать и проанализировать информацию, необходимую для принятия решения. Суть исследования реальной системы по ее имитационной модели состоит в получении (сборе) данных о функционировании системы в результате проведения эксперимента на имитационной модели (см. лекцию 1: имитационный метод исследования).

Для пояснения рассмотрим 2 случая: детерминированный случай; стохастический случай.

Итак, в случае со стохастической системой необходимо осуществлять сбор и оценивание статистических данных на выходе имитационной модели,- для этого проводить серию прогонов и статистическую обработку результатов моделирования.

Детерминированный случай. В этом случае достаточно провести один прогон, по определенным операционным правилам при конкретном наборе параметров.

Теперь представим, что целями моделирования являются: исследование системы при различных условиях, оценка альтернатив, нахождение зависимость выхода модели от ряда параметров и, наконец, поиск некоторого оптимального вариант. В этих случаях исследователь может проникнуть в особенности функционирования моделируемой системы, изменяя значения параметров на входе модели, при этом выполняя многочисленные машинные прогоны имитационной модели.

Таким образом, проведение экспериментов с моделью на ЭВМ заключается в проведении многократных машинных прогонов с целью сбора, накопления и последующей обработки данных о функционировании системы. Имитационное моделирование позволяет исследовать модель реальной системы, чтобы изучать ее поведение путем многократных прогонов на ЭВМ при различных условиях функционирования реальной системы.

Здесь возникают следующие проблемы: как собрать эти данные, провести серию прогонов, как организовать целенаправленное экспериментальное исследование. Выходных данных, полученных в результате такого экспериментирования, может оказаться очень много. Как их обработать? Обработка и изучение их может превратиться в самостоятельную проблему, намного сложнее задачи статистического оценивания.

В имитационном моделировании важным вопросом является не только проведение, но и планирование имитационного эксперимента в соответствии с поставленной целью исследования.

Эта проблема получила название стратегического планирования

имитационного исследования. Для ее решения используются методы регрессионного анализа, планирования эксперимента и др., которые подробно будут рассматриваться в лекции 7.

Наряду с понятием стратегического существует понятие тактического планирования,которое связано с определением способов проведения имитационных прогонов, намеченных планом эксперимента: как провести каждый прогон в рамках составленного плана эксперимента. Здесь решаются задачи: определение длительности прогона, оценка точности результатов моделирования и др.

Такие имитационные эксперименты с имитационной моделью будем называть направленными вычислительными экспериментами.

Имитационный эксперимент, содержание которого определяется предварительно проведенным аналитическим исследованием (т.е. являющимся составной частью вычислительного эксперимента) и результаты которого достоверны и математически обоснованы, назовем направленным вычислительным экспериментом.

В лекции 7 мы детально рассмотрим практические вопросы организации и проведения направленных вычислительных экспериментов на имитационной модели.

Источник

Лекция 32.
Общие принципы построения
моделирующих алгоритмов

При реализации моделирующих алгоритмов на цифровых машинах есть определенные общие закономерности, которые мы обсудим в данной лекции.

Основная проблема при составлении алгоритмов на машине с последовательной обработкой процессов состоит в том, что при моделировании необходимо отслеживать множество процессов, которые в реальном времени происходят параллельно. В связи с этим алгоритмы моделирования имеют свои особенности:

В настоящий момент известны четыре основных принципа регламентации событий.

Рассмотрим на примерах, как реализуется в моделирующих алгоритмах каждый принцип по отдельности.

Принцип Δt

Особенности реализации принципа Δt

Это наиболее универсальный из рассматриваемых принципов, так как применяется для очень широкого класса систем. Он же является наиболее простым в реализации, поскольку принцип Δt совпадает с пониманием человека о времени, как о последовательном явлении, текущем с постоянным темпом.

Однако это самый неэкономичный принцип, поскольку вся система анализируется моделирующим алгоритмом на каждом такте, даже если в ней не происходит никаких изменений.

Что такое моделирующий алгоритм. Смотреть фото Что такое моделирующий алгоритм. Смотреть картинку Что такое моделирующий алгоритм. Картинка про Что такое моделирующий алгоритм. Фото Что такое моделирующий алгоритм

Рис. 32.1. Схема моделируемой производственной системы (пример)

Алгоритм построим таким образом, чтобы вычислить вероятности событий возникновения дефицита P_д и переполнения P_п на складе.

Для накопления надежной статистики эксперимент повторяется KK раз. За количеством экспериментов следит счетчик экспериментов k (блоки 2, 3, 8). Каждый эксперимент длится от 0 до T_k момента времени (блоки 5, 7). Счетчик времени t отсчитывает время от 0 до T_k с дискретностью Δt (блок 11).

Заметим, что поскольку на складе в реальности не может быть изделий меньше нуля, то значение Z в момент обнаружения этого факта должно быть возвращено на ближайшую границу, то есть: Z := 0 (блок 16). Тоже самое касается ситуации переполнения ( Z := G ) (блок 19).

Рис. 32.2. Блок-схема алгоритма, реализованного по принципу Δt.
Пример моделирование производственного склада

Принцип особых состояний

Назовем состояние, в котором обычно находится система, обычным состоянием. Такие состояния интереса не представляют, хотя занимают большую часть времени.

Особые состояния это такие состояния в изолированные моменты времени, в которых характеристики системы изменяются скачкообразно. Для изменения состояния системы нужна определенная причина, например, приход очередного входного сигнала. Ясно, что с точки зрения моделирования интерес представляет именно изменение характеристик системы, то есть принцип требует от нас отслеживать моменты перехода системы из одного особого состояния в другое.

Все это существенно экономит время моделирования.

Рис. 32.3. Блок-схема алгоритма, реализованного по принципу особых состояний.
Пример моделирование производственного склада

Принцип последовательной проводки заявок

Принцип состоит в том, что каждая заявка отслеживается от момента поступления ее в систему до момента ее выхода из системы. И только потом рассматривается следующая заявка.

Рассмотрим работу алгоритма на примере двухканальной системы массового обслуживания заявок с двумя местами в общей очереди с дисциплиной FIFO и отказами при переполнении очереди (см. рис. 32.4 ), см. также лекцию 30.

Рис. 32.4. Схема системы массового обслуживания
с двумя каналами и ограниченной очередью

Обозначим: λ интенсивность прихода заявки; μ_i интенсивность обслуживания заявки.

Построим алгоритм, определяющий вероятности обслуживания заявок и отказа заявок, а также пропускную способность системы.

Чтобы понять работу алгоритма, представьте себе для наглядности параллельные линейки оси времени для каждого из мест, в которых может оказаться заявка в процессе обслуживания так, как мы это делали ранее (см. лекцию 30).

Рис. 32.5. Механизм определения освобождения канала
(иллюстрация)

Аналогично обработка происходит и во втором канале, если заявка попадет именно туда (блок 14).

Особенность обработки заявки в очереди состоит в том, что первое место в очереди освобождается, когда освобождается место в одном из каналов, конечно, заявка уходит туда, где место освобождается раньше (блоки 5, 6). Второе место в очереди освобождается одновременно с первым, так как заявка в очереди передвигается на первое освободившееся место (блок 12).

Далее алгоритм генерирует в цикле следующую заявку (блоки 3, 16). Остановка моделирования происходит тогда, когда каждая линейка будет заполнена до момента T_k (блок 16). После этого происходит обработка статистических результатов, накопленных в счетчиках (блок 17). Вероятность оценивается частостью появления события, которая вычисляется как отношение количества появившихся событий к количеству возможных таких появлений.

Рис. 32.6. Блок-схема алгоритма, реализованного по принципу последовательной
проводки заявок. Пример моделирование системы массового обслуживания

И, конечно, надо помнить, что чем больше время моделирования, тем точнее будет вычисленный результат.

Необходимо внимательно следить, чтобы все искомые переменные вошли в интервал объявленной точности, только тогда можно прекратить моделирование и быть уверенным в результате.

Для повышения эффективности алгоритма (уменьшения времени его работы) можно отбросить нехарактерную часть реализации обычно это начальный участок работы системы, «выход ее на режим».

Заметим также, что не важно, имеем ли мы дело с одной длинной реализацией или с большим количеством коротких реализаций (у которых, конечно, вырезан участок «выход на режим»), в сумме дающих реализацию такой же длины статистический результат будет тем же. Это рассуждение устанавливает равенство усреднений по ансамблю реализаций усреднениям по времени.

Примечание. На практике обычно применяют комбинации всех трех методов.

Объектный принцип моделирования

Как правило, алгоритмы, спроектированные по первым трем принципам, плохо модернизируются. А производственная ситуация часто меняется и требует соответствующих моделей для нахождения рациональных решений в процессе управления.

Таким образом, возникла необходимость в приемах моделирования, обеспечивающих независимость составления моделей элементов сложной системы от изменения задачи или структуры производства. Такой подход моделирования отдельных объектов независимо друг от друга позволяет собирать сколь угодно сложные системы без изменения их составляющих. Принцип объектного моделирования обеспечивает модернизацию сложных систем, удлиняя жизненный цикл АСУ.

Рис. 32.7. Схема реализации объектно-ориентированного
моделирования (на примере СМО)

1. Источник заявок (Sourcer) генерирует последовательность случайных событий.

// если счетчик x равен 0, то это момент появления заявки
// tau обеспечивает генерацию времени между заявками в момент появления заявки
tau := 1/λ · ln(rnd) · delta(x) + tau · not(delta(x))

// y фиксирует факт появления заявки
y:= delta(x)

// счетчик моделирует заявочный процесс во времени, отсчитывая время между заявками
// если счетчик x равен 0, то это момент появления заявки
// если x больше нуля, то новая заявка пока не появилась
x := x + ed(

tau x) · dt x · ed(x

// счетчик заявок
Nx := Nx + delta(

2. Канал обслуживания (Channel).

// канал свободен, если не обрабатывает заявку
своб := not(обраб)

// своб флаг-признак, если канал свободен, то «своб» равен 1.
// обраб флаг-признак, если канал занят, то «обраб» равен 1.
// Если канал был свободен, и пришла заявка, то канал начинает ее обрабатывать.
обраб := ed(

своб · вх + not(delta(y))

// вх сигнал о подаче заявки на обслуживание в канале
// tau обеспечивает генерацию необходимого времени обслуживания заявки в момент ее появления
// Новая генерация происходит только в том случае, если канал свободен и пришла заявка
// Если в канале обслуживается заявка, то новое tau не генерируется
// mu интенсивность потока обслуживания (задается константой)
tau := 1/mu · ln(rnd) ·

// счетчик «y» моделирует заявочный процесс во времени, отсчитывая время обслуживания
// если «y» выдал 1, то значит канал выдал обслуженную заявку
y := y + ed(

// счетчик обслуженных заявок
Ny := Ny + delta(

// флаг «обработка» будет погашен, если закончится время обслуживания
обраб := not(delta(

y))
// канал будет свободен, если канал не обрабатывает заявки
своб := not(

// счетчик накапливает статистику общее время простоя канала
ОВП := ОВП +

// счетчик накапливает статистику общее время работы канала
ОВР := ОВР +

// «отказ» счетчик фиксирует отказ, если все места в очереди заняты (Z > Zm)
// и приходит очередная заявка (вх = 1)
// Zm максимальное количество мест в очереди
// Z текущее количество занятых мест
отказ :=

// счетчик количества занятых мест в очереди увеличивается, если приходит
// заявка и есть незанятые места в очереди
Z := Z + delta(

// передаем заявку из очереди в канал
// флаг, фиксирующий освобождение места в очереди в момент
// освобождения канала, если очередь есть
// ch_free флаг (свободен (1) или занят канал обслуживания (0))
вых := delta(

// счетчик уменьшает количество занятых мест в очереди,
// после взятия заявки в канал обслуживания
Z := Z

4. Статистика (Stats).

Tэкс := Tэкс + 1 · dt
проп_сп := Nоб/Tэкс
Pоб := Nоб/Nобщ
Pотк := Nотк/Nобщ
Tпрост1 := Tпрост1 +

своб1 · dt
Tпрост12 := Tпрост12 +

своб2 · dt
Tпрост123 := Tпрост123 +

своб3 · dt
ср_кол_пр_КО := Tпрост1 + Tпрост12 · 2 + Tпрост123 · 3
ср_кол_зан_КО := всего_КО ср_кол_пр_КО
S := S +

тек_дл_очер · dt
ср_дл_очер :=

Данные модели могут собираться в любые конфигурации без изменения их содержания.

Источник

Сущность метода имитационного моделирования

Определим метод имитационного моделирования в общем виде как экспериментальный метод исследования реальной системы по ее имитационной модели, который сочетает особенности экспериментального подхода и специфические условия использования вычислительной техники.

В этом определении подчеркивается, что имитационное моделирование является машинным методом моделирования благодаря развитию информационных технологий, что привело к появлению этого вида компьютерного моделирования. В определении также акцентируется внимание на экспериментальной природе имитации, применяется имитационный метод исследования (осуществляется эксперимент с моделью). В имитационном моделировании важную роль играет не только проведение, но и планирование эксперимента на модели. Однако это определение не проясняет, что собой представляет сама имитационная модель. Ответим на вопрос, в чем же состоит сущность имитационного моделирования?

В процессе имитационного моделирования (рис. 2.1) исследователь имеет дело с четырьмя основными элементами:

Выше, реальная система определялась как совокупность взаимодействующих элементов, функционирующих во времени.

Составной характер сложной системы описывает представление ее модели в виде трех множеств:

А – множество элементов (в их число включается и внешняя среда);

S – множество допустимых связей между элементами (структура модели);

Т – множество рассматриваемых моментов времени.

Особенностью имитационного моделирования является то, что имитационная модель позволяет воспроизводить моделируемые объекты:

При имитационном моделировании структура моделируемой системы адекватно отображается в модели, а процессы ее функционирования проигрываются (имитируются) на построенной модели. Поэтому построение имитационной модели заключается в описании структуры и процессов функционирования моделируемого объекта или системы. В описании имитационной модели выделяют две составляющие:

Идея метода, с точки зрения его программной реализации, состоит в следующем. Что, если элементам системы поставить в соответствие некоторые программные компоненты, а состояния этих элементов описывать с помощью переменных состояния. Элементы, по определению, взаимодействуют (или обмениваются информацией), значит, может быть реализован алгоритм функционирования отдельных элементов, т.е., моделирующий алгоритм. Кроме того, элементы существуют во времени, значит надо задать алгоритм изменения переменных состояний. Динамика в имитационных моделях реализуется с помощью механизма продвижения модельного времени.

Отличительной особенностью метода имитационного моделирования является возможность описания и воспроизведения взаимодействия между различными элементами системы. Таким образом, чтобы составить имитационную модель, надо:

Ключевым моментом в имитационном моделировании является выделение и описание состояний системы. Система характеризуется набором переменных состояний, каждая комбинация которых описывает конкретное состояние. Следовательно, путем изменения значений этих переменных можно имитировать переход системы из одного состояния в другое. Таким образом, имитационное моделирование – это представление динамического поведения системы посредством продвижения ее от одного состояния к другому в соответствии с определенными правилами. Эти изменения состояний могут происходить либо непрерывно, либо в дискретные моменты времени. Имитационное моделирование есть динамическое отражение изменений состояния системы с течением времени.

При имитационном моделировании логическая структура реальной системы отображается в модели, а также имитируется динамика взаимодействий подсистем в моделируемой системе.

Понятие о модельном времени

Для описания динамики моделируемых процессов в имитационном моделировании реализован механизм задания модельного времени. Этот механизм встроен в управляющие программы системы моделирования.

Если бы на ЭВМ имитировалось поведение одной компоненты системы, то выполнение действий в имитационной модели можно было бы осуществить последовательно, по пересчету временной координаты.

Существуют два основных способа изменения t₀:

В случае пошагового метода продвижение времени происходит с минимально возможной постоянной длиной шага (принцип t). Эти алгоритмы не очень эффективны с точки зрения использования машинного времени на их реализацию.

Способ фиксированного шага применяется в случаях:

В остальных случаях применяется по-событийный метод, например, когда события распределены неравномерно на временной оси и появляются через значительные временные интервалы.

По-событийный метод (принцип “особых состояний”). В нем координаты времени меняются тогда, когда изменяется состояние системы. В по-событийных методах длина шага временного сдвига максимально возможная. Модельное время с текущего момента изменяется до ближайшего момента наступления следующего события. Применение по-событийного метода предпочтительнее в том случае, если частота наступления событий невелика. Тогда большая длина шага позволит ускорить ход модельного времени. На практике по-событийный метод получил наибольшее распространение.

Таким образом, вследствие последовательного характера обработки информации в ЭВМ, параллельные процессы, происходящие в модели, преобразуются с помощью рассмотренного механизма в последовательные. Такой способ представления носит название квазипараллельного процесса.

Простейшая классификация на основные виды имитационных моделей связана с применением двух этих способов продвижения модельного времени. Различают имитационные модели:

В непрерывных имитационных моделях переменные изменяются непрерывно, состояние моделируемой системы меняется как непрерывная функция времени, и, как правило, это изменение описывается системами дифференциальных уравнений. Соответственно продвижение модельного времени зависит от численных методов решения дифференциальных уравнений.

В дискретных имитационных моделях переменные изменяются дискретно в определенные моменты имитационного времени (наступления событий). Динамика дискретных моделей представляет собой процесс перехода от момента наступления очередного события к моменту наступления следующего события.

Поскольку в реальных системах непрерывные и дискретные процессы часто невозможно разделить, были разработаны непрерывно-дискретные модели, в которых совмещаются механизмы продвижения времени, характерные для этих двух процессов.

Моделирующий алгоритм

Имитационный характер исследования предполагает наличие логико, или логико-математических моделей, описываемых изучаемый процесс (систему).

Логико-математическая модель сложной системы может быть как алгоритмической, так и неалгоритмической.

Чтобы быть машинно-реализуемой, на основе логико-математической модели сложной системы строится моделирующий алгоритм, который описывает структуру и логику взаимодействия элементов в системе.

Имитационная модель – это программная реализация моделирующего алгоритма. Она составляется с применением средств автоматизации моделирования. Подробнее технология имитационного моделирования, инструментальные средства моделирования, языки и системы моделирования, с помощью которых реализуются имитационные модели, будут рассмотрены ниже.

Общая технологическая схема имитационного моделирования

В общем виде технологическая схема имитационного моделирования представлена на рис.2.5.

Рис. 2.5. Технологическая схема имитационного моделирования

Возможности метода имитационного моделирования

Метод имитационного моделирования позволяет решать задачи высокой сложности, обеспечивает имитацию сложных и многообразных процессов, с большим количеством элементов. Отдельные функциональные зависимости в таких моделях могут описываться громоздкими математическими соотношениями. Поэтому имитационное моделирование эффективно используется в задачах исследования систем со сложной структурой с целью решения конкретных проблем.

Имитационная модель содержит элементы непрерывного и дискретного действия, поэтому применяется для исследования динамических систем, когда требуется анализ узких мест, исследование динамики функционирования, когда желательно наблюдать на имитационной модели ход процесса в течение определенного времени.

Имитационное моделирование – эффективный аппарат исследования стохастических систем, когда исследуемая система может быть подвержена влиянию многочисленных случайных факторов сложной природы. Имеется возможность проводить исследование в условиях неопределенности, при неполных и неточных данных.

В имитационной модели может быть обеспечен различный, в том числе и высокий, уровень детализации моделируемых процессов. При этом модель создается поэтапно, эволюционно.

Определимметод имитационного моделированияв общем виде какэкспериментальный метод исследования реальной системы по ее имитационной модели, который сочетает особенности эксперименталь ного подхода и специфические условия использования вычислительной техники.

В этом определении подчеркивается, что имитационное моделиро вание является машинным методом моделирования благодаря развитию информационных технологий, что привело к появлению этого вида компьютерного моделирования. В определении также акцентируется внимание на экспериментальной природе имитации, применяется имитационный метод исследования (осуществляется эксперимент с моделью). В имитационном моделировании важную роль играет не только проведение, но и планирование эксперимента на модели. Однако это определение не проясняет, что собой представляет сама имитационная модель. Ответим на вопрос, в чем же состоит сущность имитационного моделирования?

В процессе имитационного моделирования (рис. 2.1) исследователь имеет дело с четырьмя основными элементами:

Выше,реальнаясистемаопределяласькаксовокупность взаимодействующих элементов, функционирующих во времени.

Составной характер сложной системы описывает представление ее модели в виде трех множеств:

А– множество элементов (в их число включается и внешняя среда);

S– множество допустимых связей между элементами (структура модели);

Т– множество рассматриваемых моментов времени.

Особенностью имитационного моделированияявляется то, что имитационная модель позволяет воспроизводить моделируемые объекты:

При имитационном моделировании структура моделируемой системы адекватно отображается в модели, а процессы ее функционирования проигрываются (имитируются) на построенной модели. Поэтому построение имитационной модели заключается в описании структуры и процессов функционирования моделируемого объекта или системы.В описании имитационной модели выделяют две составляющие:

Идея метода, с точки зрения его программной реализации, состоит в следующем. Что, если элементам системы поставить в соответствие некоторые программные компоненты, а состояния этих элементов описывать с помощью переменных состояния. Элементы, по определению, взаимодействуют (или обмениваются информацией), значит, может быть реализован алгоритм функционирования отдельных элементов, т.е., моделирующий алгоритм. Кроме того, элементы существуют во времени, значит надо задать алгоритм изменения переменных состояний. Динамика в имитационных моделях реализуется с помощьюмеханизма продвижения модельного времени.

Ключевым моментом в имитационном моделировании является выделение и описаниесостоянийсистемы. Система характеризуетсянабором переменных состояний, каждая комбинация которых описывает конкретное состояние. Следовательно, путем изменения значений этих переменных можно имитировать переход системы из одного состояния в другое. Таким образом, имитационное моделирование – это представле ниединамического поведениясистемы посредством продвижения ее от одного состояния к другому в соответствии с определенными правилами. Эти изменения состояний могут происходить либо непрерывно, либо в дискретные моменты времени. Имитационное моделированиеесть динамическое отражение изменений состояния системы с течением времени.

При имитационном моделировании логическая структура реальной системы отображается в модели, а такжеимитируетсядинамика взаимодействий подсистем в моделируемой системе.

Понятие о модельном времени. Дискретные и непрерывные имитационные модели

Для описания динамики моделируемых процессов в имитационном моделировании реализованмеханизм задания модельного времени.Этот механизм встроен в управляющие программы системы моделирования.

Чтобы обеспечить имитацию параллельных событий реальной системы вводят некоторую глобальную переменную (обеспечивающую синхронизацию всех событий в системе)t₀, которую называютмодельным (или системным) временем.

Существуют два основных способа измененияt₀:

В случаепошагового методапродвижение времени происходит с минимально возможной постоянной длиной шага(принципt).Эти алгоритмы не очень эффективны с точки зрения использования машинного времени на их реализацию.

Способ фиксированного шага применяется в случаях:

По-событийный метод (принцип “особых состояний”).В нем координаты времени меняются тогда, когда изменяется состояние системы. В по-событийных методах длина шага временного сдвига максимально возможная. Модельное время с текущего момента изменяется до ближайшего момента наступления следующего события. Применение по-событийного метода предпочтительнее в том случае, если частота наступления событий невелика. Тогда большая длина шага позволит ускорить ход модельного времени. На практике по-событийный метод получил наибольшее распространение.

Внепрерывных имитационных моделяхпеременные изменяются непрерывно, состояние моделируемой системы меняется как непрерывная функция времени, и, как правило, это изменение описывается системами дифференциальных уравнений. Соответственно продвижение модельного времени зависит от численных методов решения дифференциальных уравнений.

Вдискретных имитационных моделяхпеременные изменяются дискретно в определенные моменты имитационного времени (наступления событий). Динамика дискретных моделей представляет собой процесс перехода от момента наступления очередного события к моменту наступления следующего события.

Поскольку в реальных системах непрерывные и дискретные процессы часто невозможно разделить, были разработанынепрерывно-дискретные модели, в которых совмещаются механизмы продвижения времени, характерные для этих двух процессов.

Моделирующий алгоритм. Имитационная модель

Имитационный характер исследования предполагает наличиелогико, или логико-математических моделей,описываемых изучаемый процесс (систему).

Логико-математическая модель сложной системы может быть какалгоритмической, так инеалгоритмической.

Чтобы быть машинно-реализуемой, на основе логико-математической модели сложной системы строитсямоделирующий алгоритм, который описывает структуру и логику взаимодействия элементов в системе.

Имита ционная модель– это программная реализация моделирующего алгоритма. Она составляется с применением средств автоматизации моделирования. Подробнее технология имитационного моделирования, инструментальные средства моделирования, языки и системы моделиро вания, с помощью которых реализуются имитационные модели, будут рассмотрены ниже.

Возможности метода имитационного моделирования

Имитационная модель содержит элементы непрерывного и дискрет ного действия, поэтому применяется для исследования динамических систем, когда требуетсяанализ узких мест, исследованиединамики функционирования,когда желательно наблюдать на имитационной модели ход процесса в течение определенного времени.

Имитационное моделирование – эффективный аппарат исследова ниястохастических систем,когда исследуемая система может быть подвержена влиянию многочисленных случайных факторов сложной природы. Имеется возможность проводить исследованиев условиях неопределенности,при неполных и неточных данных.

Имитационное моделирование является важным фактором всистемах поддержки принятия решений, т.к. позволяет исследовать большое число альтернатив (вариантов решений), проигрывать различные сценарии при любых входных данных. Главное преимущество имитационного моделирования состоит в том, что исследователь для проверки новых стратегий и принятия решений, при изучении возможных ситуаций, всегда может получить ответ на вопрос “Что будет, если?. ”. Имитационная модель позволяет прогнозировать, когда речь идет о проектируемой системе или исследуются процессы развития (т.е. в тех случаях, когда реальной системы еще не существует).

В имитационной модели может быть обеспечен различный, в том числе и высокий,уровень детализациимоделируемых процессов. При этом модель создается поэтапно, эволюционно.

Источник

Портал знаний darwinaward.ru

Что такое моделирующий алгоритм

Моделирующий алгоритм. Имитационная модель

Лекция 32.
Общие принципы построения
моделирующих алгоритмов

Принцип Δt

Особенности реализации принципа Δt

Принцип особых состояний

Принцип последовательной проводки заявок

Объектный принцип моделирования

Сущность метода имитационного моделирования

Понятие о модельном времени

Моделирующий алгоритм

Общая технологическая схема имитационного моделирования

Возможности метода имитационного моделирования

Понятие о модельном времени. Дискретные и непрерывные имитационные модели

Моделирующий алгоритм. Имитационная модель

Возможности метода имитационного моделирования

Добавить комментарий Отменить ответ

Моделирующий алгоритм. Имитационная модель

Лекция 32. Общие принципы построения моделирующих алгоритмов

Принцип Δt

Особенности реализации принципа Δt

Принцип особых состояний

Принцип последовательной проводки заявок

Объектный принцип моделирования

Сущность метода имитационного моделирования

Понятие о модельном времени

Моделирующий алгоритм

Общая технологическая схема имитационного моделирования

Возможности метода имитационного моделирования

Понятие о модельном времени. Дискретные и непрерывные имитационные модели

Моделирующий алгоритм. Имитационная модель

Возможности метода имитационного моделирования

Вам также понравится

Будет что вспомнить запятая

на что клюет карась и сазан в июле

В детстве ели калачики что это за растение

Добавить комментарий Отменить ответ

Лекция 32.
Общие принципы построения
моделирующих алгоритмов