Понятия имитационного моделирования

Имитационное моделирование

А. Определение ИМ. Имитационной моделью сложной системы S называются машинные программы или алгоритмы, позволяющие имитировать на ЭВМ поведение системы и ее отдельных компонентов и связей между ними в течение заданного времени моделирования. По Р. Шеннону «модель – комбинация компонентов, переменных, параметров, функций, ограничений и критериев». Под компонентом понимается элемент или подсистема, переменные определяются видом функций, параметры выбираются исследователем. Функции, определенные в разделе 4.2, устанавливают связи между параметрами и переменными. Ограничения задают пределы изменения переменных. Под критерием понимается отображение цели и правила оценки ее достижения». Как видно данные выше определения не вступают в противоречие с представлениями Р. Шеннона. На этапе ИМ (этап 2, рис. 3.2) при переходе от концептуальной модели S` (одна из моделей 3.2) к моделирующему алгоритму и имитационной модели S`` можно выделить пять основных подэтапов.

2.1 Выбор способа имитации (см. 3.3.2), а также вычислительных и программных средств реализации ИМ.

2.2 Построение логической схемы моделирующего алгоритма.

2.3 Алгоритмизация математических моделей, описывающих поведение элементов системы и связей между ними в рамках выбранного способа имитации.

2.4 Программирование моделирующего алгоритма, т.е. разработка самой имитационной модели.

2.5 Отладка, тестирование и проверка адекватности ИМ.

Как уже было сказано выше, рамки учебного пособия не позволяют подробно рассмотреть вопросы планирования имитационных экспериментов и вопросы обработки, анализа и интерпретации результатов моделирования. Рассмотрение указанных задач является содержанием третьего этапа моделирования. Для понимания всего цикла ИМ кратко рассмотрим смысл действий на третьем этапе. Вначале оценим основные проблемы исследования и проектирования, которые могут успешно решаться с помощью ИМ:

Группа 1. Оценка значений показателей вектора КЦФ – Q, а также значений параметров компонентов.

Группа 2. Нахождение функциональной зависимости между КЦФ и значениями параметров системы.

Группа 3. Сравнение систем с разными ФДС (функционально достаточными структурами, см. раздел 2.3.3) и разными значениями параметров для одной ФДС.

Группа 4. Оптимизация системы S на множестве параметров на основе двойственной задачи оптимизации (достижения максимума КЦФ при заданном значении ресурсов, либо минимизация ресурсов при достижении заданного значения КЦФ).

Любая задача из названных групп проблем может быть решена на этапе 3 с помощью методов планирования имитационных экспериментов [21,23]. В результате имитационного моделирования системы S при заданном времени и векторе параметров системы получается фазовая траектория системы S:

(3.3)

и значения показателей КЦФ для каждого интервала модельного времени и для всего интервала моделирования в целом

(3.4)

Результаты одного вычислительного эксперимента (ВЭ), в результате которого имитируется фазовая траектория (3.3) и показатели КЦФ называются прогоном. Итогом одного прогона является значение искомой характеристики. Для получения представительной статистики необходимо провести ряд прогонов, после чего проводится подэтап обработки данных ВЭ.