Основы имитационного моделирования

Cистема — это четко определенная совокупность объектов. Объекты характеризуются с помощью значений, именуемых атрибутами. В дискретно-событийной имитационной модели эти атрибуты являются частью состояния системы. Объекты с каким-либо общим свойством часто объединяются в списки (в файлы, либо наборы). Для каждого объекта существует запись в списке, состоящем из атрибутов объектов. Порядок размещения объектов в списке определяется некоторым правилом.

Рисунок 1.2. Поток управления в механизме продвижения времени от события к событию

Такой подход к имитационному моделированию называется планированием событий, поскольку время будущих событий явно указано в модели и запланировано в модельном будущем. Существует альтернативный подход к имитационному моделированию, именуемый процессным подходом. При этом моделирование рассматривается с точки зрения отдельных объектов, участвующих в нем, и разработанный код описывает «опыт» отдельного «типичного» объекта по мере его «перемещения» по системе. Для разработки такого рода имитационных моделей требуется специальное программное обеспечение имитационного моделирования.

 

1.3. Непрерывное моделирование

 

Непрерывное моделирование — это моделирование системы по времени с помощью представления, в котором переменные состояния меняются непрерывно по отношению ко времени. Как правило, в непрерывных имитационных моделях используются дифференциальные уравнения, которые устанавливают отношения для скоростей изменения переменных состояния во времени. Если дифференциальные уравнения очень просты, их можно решать аналитически, чтобы представить значения переменных состояния для всех значений времени как функцию значений переменных состояния в момент времени 0. При больших непрерывных моделях аналитическое решение невозможно, но для численного интегрирования дифференциальных уравнений в случае с заданными специальными значениями для переменных состояния в момент времени 0 используются технологии численного анализа, например интегрирование Рунге-Кутта.

 

Преимущества, недостатки и ошибки моделирования

 

Популярности моделирования в этой сфере способствуют его преимущества.

- Большинство из сложных  реальных систем со стохастическими  элементами не могут быть точно описаны с помощью математических моделей, которые можно оценить аналитически, поэтому моделирование становится единственно возможным методом их исследования.

- Моделирование позволяет  оценить эксплуатационные показатели  существующей системы при некоторых  проектных условиях эксплуатации.

- Путем моделирования можно сравнивать предлагаемые альтернативные варианты проектов системы (или альтернативные стратегии эксплуатации для конкретной системы), чтобы определить, какой из них больше соответствует указанным требованиям.

- При моделировании мы можем обеспечить гораздо более эффективный контроль условий эксперимента, нежели при экспериментировании с самой системой.

- Моделирование позволяет  изучить длительный интервал  функционирования системы (скажем, экономической) в сжатые сроки  или, наоборот, изучить более подробно работу системы в развернутый интервал времени.

Конечно, моделирование имеет и свои недостатки.

- Каждый из прогонов  стохастической имитационной модели  позволяет получить лишь оценки настоящих характеристик модели для определенного набора входных параметров. Следовательно, для каждого изучаемого набора входных параметров понадобится несколько независимых прогонов модели. По этой причине имитационные модели не столь удобны при оптимизации, как при сравнении определенного числа альтернативных проектов системы. Однако с помощью аналитической модели, в случае, если она подходит для решения данной задачи, часто можно легко получить точные настоящие характеристики модели для различных наборов входных параметров. Поэтому, если доступна или может быть легко разработана аналитическая модель, адекватная системе, лучше использовать именно ее, а не обращаться к имитационному моделированию.

- Обычно разработка имитационных  моделей дорого стоит и занимает  много времени.

- Большое число данных, получаемых в результате исследования  посредством моделирования, или убедительное влияние реалистичной анимации часто приводят к тому, что результатам такого исследования доверяют больше, чем это оправдано. Если модель не является адекватным представлением изучаемой системы, результаты моделирования (какими бы убедительными они ни казались) будут содержать мало полезной информации о действительной системе.

Принимая решение, подходит ли исследование посредством моделирования к конкретной ситуации, следует учитывать все указанные преимущества и недостатки имитационного моделирования. Кроме того, обратите внимание, что в некоторых исследованиях можно использовать как аналитические модели, так и имитационное моделирование. В частности, моделирование может быть использовано для проверки обоснованности допущений, необходимых для аналитической модели. И наоборот, аналитическая модель может предложить рациональные альтернативы для исследования системы посредством моделирования.

Однако успешному исследованию с помощью модели могут помешать такие обстоятельства:

1. нечеткая постановка  задач в начале исследования  системы посредством моделирования;

2. недостаточный уровень  проработки деталей модели;

3. недостаток согласованности  с руководством в процессе исследования системы посредством моделирования;

4. неправильное понимание  моделирования руководством;

5. подход к исследованию  системы посредством моделирования  как к простому упражнению в программировании;

6. отсутствие в команде, работающей над моделированием системы, специалистов со знанием методологии моделирования;

7. недостаточная подборка  данных по системе;

8. использование в явном  виде программного обеспечения  для моделирования, сложные макро операторы которого не могут быть надлежащим образом подтверждены документально и не могут реализовать нужную модельную логику;

9. ошибочность убеждений  в том, что для работы с простыми  в употреблении пакетами программ для моделирования, почти не нуждающимися в программировании, достаточно более низкого уровня технической подготовки;

10. неправильное использование  анимации;

11. неверное определение  источников случайных величин  в реальных системах;

12. использование произвольных  распределений (то есть нормальных, равномерных и треугольных) в качестве входных параметров моделирования;

13. анализ выходных данных, полученных в результате одного  прогона имитационной модели, с помощью формул, допускающих независимость;

14. отношение к выходным  статистическим данным, полученным  на основании единственного прогона определенного проекта системы, как к единственно правильным ответам;

15. сравнение альтернативных  проектов системы на основе  одного прогона каждого проекта;

16. использование неправильных  критериев оценки работы.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Список литературы.   Имитационное моделирование производственных систем / Под. ред. А.А. Вавилова. – М.: Моделирование сложных систем по экспериментальным данным – М.: Радио и связь, 1987. – 120с. Моделирование сложных систем – М. : Наука, 1978 Шеннон Р. Имитационное моделирование систем - искусство и наука: Пер. с англ. - М.: Мир, 1978. Максимей И.В.