Имитационные методы моделирования

С развитием вычислительной техники широкое применение получили имитационные методы моделирования для анализа систем, преобладающими в которых являются стохастические воздействия. Известный американский ученый Роберт Шеннон дает следующее определение [12]: "Имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы". 

Все имитационные модели используют принцип черного ящика. Это означает, что они выдают выходной сигнал системы при поступлении в нее некоторого входного сигнала. Поэтому в отличие от аналитических моделей для получения необходимой информации или результатов необходимо осуществлять "прогон" имитационных моделей, т. е. подачу некоторой последовательности сигналов, объектов или данных на вход модели и фиксацию выходной информации, а не "решать" их. Происходит своего рода "выборка" состояний объекта моделирования (состояния - свойства системы в конкретные моменты времени) из пространства (множества) состояний (совокупность всех возможных значений состояний). Насколько репрезентативной окажется эта выборка, настолько результаты моделирования будут соответствовать действительности.

Этот вывод показывает важность статистических методов оценки результатов имитации. Таким образом, имитационные модели не формируют свое собственное решение в том виде, в каком это имеет место в аналитических моделях, а могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором [2,6,7].

1. Имитационное моделирование – один из универсальных мощных средств исследования сложных систем. В случаях, когда проведение натурного эксперимента невозможно, а математическая модель системы неразрешима за разумное время и с требуемой точностью или вообще не может быть создана на современном уровне развития математики, этот метод становится незаменимым для оценки эффективности и работоспособности системы, выявления «узких мест», поиска и исследования критических режимов работы. Преимущества метода имитационного моделирования особенно явны при решении экономических и производственных задач, связанных с традиционными в этих сферах рисками. При анализе той или иной сложной экономической системы компьютерный эксперимент безусловно экономичней и безопасней проведения «натурного» эксперимента. Это обуславливает востребованность данного метода в современном мире.

2. Исследование экономических, управленческих и организационных систем в подавляющем большинстве случаев выполняется с помощью методов теории массового обслуживания (ТМО). Любое производство, торговые и сервисные структуры (в том числе и компьютерные), процедуры контроля разнородных объектов (в частности, таможенного контроля) и даже бюрократические процедуры можно интерпретировать в виде последовательности одноканальных, многоканальных и многофазных систем массового обслуживания (СМО).

3. Имитационное моделирование – эффективный аппарат исследования стохастических систем, когда исследуемая система может быть подвержена влиянию многочисленных случайных факторов сложной природы (у математических моделей для этого класса систем ограниченные возможности). Имеется возможность проводить исследование в условиях неопределенности, при неполных и неточных данных.

4. Имитационное моделирование является наиболее ценным, системообразующим звеном в системах 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 не существует).

5. В имитационной модели может быть обеспечен различный (в том числе и очень высокий) уровень детализации моделируемых процессов. При этом модель создается поэтапно, постепенно, без существенных изменений, эволюционно.