Методологические основы применения

Выше было дано формальное определение имитационной модели с точки зрения свойств двух ее важнейших операторов: оператора моделирования исхода и оператора оценивания показателя эффективности. Приведем классическое вербальное определение имитационного моделирования.

По Р. Шеннону (Robert Е. Shannon — профессор университета в Хантсвилле, штат Алабама, С Ш А), имитационное

моделирование есть процесс конструирования на ЭВМ модели сложной реальной системы, функционирующей во времени, и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить различные стратегии, обеспечивающие функционирование данной системы.

Выделим в этом определении ряд важнейших обстоятельств, учитывая особенности применения метода в интересах поддержки деятельности ЛПР, управляющего сложной ЭИС.

Во- первых, имитационное моделирование предполагает

два этапа: конструирование модели на ЭВМ и проведение

экспериментов с этой моделью. Каждый из этих этапов предусматривает использование собственных методов. Так, на первом этапе весьма важно грамотно провести информационное обследование, разработку всех видов документации и их реализацию. Второй этап должен предполагать использование методов планирования эксперимента с учетом особенностей машинной имитации.

Во- вторых, в полном соответствии с системными принципами четко выделены две возможные цели имитационных экспериментов:

• либо понять поведение исследуемой системы (о которой по каким-либо причинам было "мало" информации) — потребность в этом часто возникает, например,

при создании принципиально новых образцов (систем)

продукции;

• либо оценить возможные стратегии (альтернативы) управления системой, что также очень характерно для решения широкой круга экономических прикладных задач, прежде всего управленческих.

В- третьих, с помощью имитационного моделирования исследуют сложные системы. Понятие "сложность " является субъективным и по сути выражает отношение исследователя к объекту моделирования. Укажем пять признаков " сложности " системы, по которым можно судить о ее принадлежности к такому классу систем:

• наличие большого количества взаимосвязанных и взаимодействующих элементов;

• сложность функции (функций), выполняемой системой;

• возможность разбиения системы на подсистемы (декомпозиции);

• наличие управления (часто имеющего иерархическую структуру), разветвленной информационной сети и интенсивных потоков информации;

• наличие взаимодействия с внешней средой и функционирование в условиях воздействия случайных (неопределенных) факторов.

Очевидно, что некоторые приведенные признаки сами

предполагают субъективные суждения. Вместе с тем становится понятным, почему значительное число ЭИС относят к сложным системам и, следовательно, применяют метод имитационного моделирования. Отметим, что последний признак определяет потребность развития методов моделирования случайных факторов, т. е. проведения так называемой стохастической имитации.

В- четвертых, методом имитационного моделирования исследуют системы, функционирующие во времени, что определяет необходимость создания и использования специальных методов (механизмов) управления системным временем.

Наконец, в-пятых, в определении прямо указывается на необходимость использования Э В М для реализации имитационных моделей, т. е. проведения машинного эксперимента (машинной имитации), причем в подавляющем большинстве случаев применяются цифровые машины.

Даже столь краткий анализ позволяет сформулировать

вывод о целесообразности (а следовательно, и необходимости) использования метода имитационного моделирования для исследования сложных человекомашинных (эргатических) систем экономического назначения и управления ими. До настоящего момента особое внимание в толковании термина "имитационное моделирование системы " было уделено первому слову. Однако не следует упускать из вида, что создание любой (в том числе и имитационной) модели

предполагает, что она будет отражать лишь наиболее существенные, с точки зрения конкретной решаемой задачи, свойства объекта оригинала. Английский аналог этого термина — systems simulation — при дословном переводе непосредственно указывает на необходимость воспроизводства (симуляции) лишь основных черт реального явления (ср. с термином " симуляция симптомов болезни" из медицинской практики). Важно отметить еще один аспект: создание любой (в том числе и

имитационной) модели есть процесс творческий (не случайно

Р. Шеннон назвал свою классическую книгу "Имитационное

моделирование систем — искусство и наука"), и, вообще говоря, каждый автор имеет право на собственную версию

модели реальной системы. Однако за достаточно длительное

время применения метода накоплены определенный опыт и

признанные разумными рекомендации, которыми целесообразно руководствоваться при организации имитационных экспериментов.

Укажем ряд основных достоинств и недостатков метода

имитационного моделирования.

Основные достоинства:

• имитационная модель позволяет, в принципе, описать

моделируемый процесс с большей адекватностью, чем

другие;

• имитационная модель обладает известной гибкостью

варьирования структуры, алгоритмов и параметров системы;

• применение Э В М существенно сокращает продолжительность испытаний по сравнению с натурным экспериментом (если он возможен), а также их стоимость.

Основные недостатки:

• решение, полученное на имитационной модели, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям параметров системы;

• большие трудозатраты на создание модели и проведение экспериментов, а также обработку их результатов;

• если использование системы предполагает участие людей при проведении машинного эксперимента, на результаты может оказать влияние так называемый хауторнский эффект, заключающийся в том, что люди, зная (чувствуя), что за ними наблюдают, могут изменить свое обычное поведение.

Итак, само использование термина "имитационное моделирование" предполагает работу с такими математическими моделями, с помощью которых результат исследуемой операции нельзя заранее вычислить или предсказать, поэтому необходим эксперимент (имитация) на модели при заданных исходных данных. В свою очередь, сущность машинной

имитации заключается в реализации численного метода проведения на Э В М экспериментов с математическими моделями, описывающими поведение сложной системы в течение заданного или формируемого периода времени.

При реализации имитационной модели, как правило, рассматриваются не все реально осуществляемые функциональные действия (ФД) системы, а только те из них, которые являются наиболее существенными для исследуемой операции. Кроме того, реальные ФД аппроксимируются у прощенными действиями Ф Д, причем степень этих упрощений определяется уровнем детализации учитываемых в модели факторов. Названные обстоятельства порождают ошибки имитации процесса функционирования реальной системы, что, в

свою очередь, обусловливает адекватность модели объектуоригиналу и достоверность получаемых в ходе моделирования результатов.

Очевидно, что в реальной системе в различных ее компонентах могут одновременно (параллельно) производиться функциональные действия и, соответственно, наступать события. В большинстве же современных Э В М в каждый из моментов времени можно отрабатывать лишь один алгоритм какого­либо ФД. Возникает вопрос: каким образом учесть параллельность протекания процессов в реальной системе без потери существенной информации о ней?

Для обеспечения имитации наступления параллельных событий в реальной системе вводят специальную глобальную переменную £0, которую называют модельным (системным) временем. Именно с помощью этой переменной организуется синхронизация наступления всех событий в модели ЭИС и выполнение алгоритмов функционирования ее компонент.

Принцип такой организации моделирования называется принципом квазипараллелизма.

Таким образом, при реализации имитационных моделей

используют три представления времени:

· t_p- реальное время системы;

· t₀- модельное(системное) время;

· t_M-машинное время имитации.