Организация экспериментов

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.