С точки зрения представления поведения моделируемой системы имитационные модели относятся к классу описательных. Если в модели учитываются случайные факторы, то в процессе имитации обычно осуществляется большое число прогонов модели, как с разными входными данными, так и с разными значениями последовательностей случайных чисел. Для детерминированной модели (без учета случайностей) достаточно одного прогона модели для каждой комбинации входных данных, однако, в жизни такие модели встречаются крайне редко.
В результате экспериментирования с моделью получают большое количество выходных данных, которые должны быть структурированы и интерпретированы так, чтобы их можно было использовать для принятия решений по результатам моделирования. Для правильной интерпретации полученных от модели выходных данных необходимо организовать эксперименты с моделью.
Организация эксперимента - это разработка плана проведения экспериментов, который дает возможность за минимальное число прогонов модели и при минимальной стоимости работ сделать статистически значимые выводы или найти наилучшее решение. При организации эксперимента обычно определяют:
|
|
- входные данные для каждого эксперимента;
- количество прогонов имитационной модели;
- длительность одного прогона модели;
- длительность переходного процесса моделирования, после которого необходимо собирать выходные данные;
- стратегию сбора данных для каждого прогона модели;
- методы оценки точности выходных данных с построением доверительных интервалов;
- чувствительность модели к входным данным, различным видам распределений, сценариям поведения моделируемой системы;
- условия эксперимента и сценарии;
- условия генерации потоков случайных чисел внутри системы моделирования и для вероятностных входных данных;
- стратегию достижения цели эксперимента (например, сравнение альтернативных вариантов или оптимизация целевой функции).
Конечная цель проведения экспериментов - это получение достаточной статистической информации для принятия решений по результатам моделирования. Как правило, моделирование проводится с целью нахождения некоторых экстремальных значений характеристик моделируемой системы (оптимизирующий эксперимент) или для выявления важных факторов, влияющих на моделируемую систему (отсеивающий эксперимент). Оба эти эксперимента используют факторные планы и аппроксимируют поверхность отклика полиномами разного порядка, а для поиска экстремальных значений применяются численные методы оптимизации. Для этих экспериментов необходима некоторая функциональная зависимость значений выходной переменной (отклика) от входных переменных или факторов, которая, как правило, отражает критерий эффективности моделируемой системы. Таким образом, поиск наилучшего решения выражается численной характеристикой этого критерия, а для нахождения экстремальных значений необходимо исследовать поверхности отклика (проводить эксперименты) в разных точках. От выбора начальной точки в факторном пространстве во многом зависит эффективность экспериментов.
|
|
Другой вид экспериментов, проводимых с моделью, - это структурная оптимизация [21], под которой будем понимать поиск наилучшей структуры моделируемой системы. В этом случае эксперименты проводятся с разными моделями, а не с одной, как в предыдущем случае, причем модели могут отличаться структурой, параметрами и принятыми алгоритмами поведения. Для таких экспериментов нет единого числового критерия оптимизации, что затрудняет использование классических методов. Однако количество рассматриваемых вариантов, как правило, невелико, поэтому для структурной
оптимизации можно использовать метод выдвижения гипотез с перебором вариантов. Оптимизация каждого варианта моделируемой системы обычно осуществляется с помощью поиска узких мест и их устранения, т.е. балансировки моделируемой системы. Узкие места определяют пропускную способность всей системы (см. параграф 2.4).
Поиск наилучшего решения осуществляется сравнением рассмотренных вариантов.