Принципы имитационного моделирования

Дискретно-событийный подход (принцип “особых состояний”). В нем координаты времени меняются только когда изменяется состояние системы. Программа-планировщик намечает моменты времени наступления очередных событий в системе (поступление очередной заявки, начало-завершение обслуживания, включение-выключение устройств и пр.)

Принцип «продвижения модельного времени до ближайшего события» заключается в следующем. По всем процессам, параллельно протекающим в исследуемой системе, в каждый момент времени формируются моменты наступления «ближайшего события в будущем». Затем модельное время продвигается до момента наступления ближайшего из всех возможных событий. В зависимости от того, какое событие оказалось ближайшим, выполняются те или иные действия. Если ближайшим событием является поступление заявки в систему, то выполняются действия, связанные с занятием устройства при условии, что он свободен, и занесение заявки в очередь, если устройство занято.

Если же ближайшим событием является завершение обслуживания заявки в устройстве, то выполняются действия, связанные с освобождение устройства и выбором на обслуживание новой заявки из очереди, если последняя не пуста. Затем формируется новый момент наступления этого же события.

Важно отметить, что единицы времени в модели не обязательно должны быть конкретными единицами времени, такими как секунда или час. Основной единицей времени в модели можно выбрать любую единицу, которая позволит получить необходимую точность моделирования. Важно помнить, единицы времени выбираются исходя из требований пользователя к точности моделирования. Какая бы единица ни была выбрана, например миллисекунда или одна десятая часа, она должна неизменно использоваться во всей модели.

На практике дискретно-событийный подход получил наибольшее распространение. Он предпочтителен, когда события распределены неравномерно на временной оси и появляются через значительные временные интервалы.

Вероятностный (статистический, стохастический) подход. Имитационная модель – удобный аппарат для исследования стохастических систем. Стохастические системы – это такие системы, динамика которых зависит от случайных факторов, входные, выходные переменные стохастической модели, как правило, описываются как случайные величины, функции, процессы, последовательности. Очевидно, что однократное испытание вероятностной модели не даст полной картины процесса, так как результат одного испытания является также случайным. Поэтому в моделировании применяется метод Монте-Карло, при котором производится серия прогонов вероятностной модели, а искомые величины обычно определяют как средние значения по данным большого числа реализаций процесса. Результаты моделирования обобщаются с помощью методов математической статистики. Ясно, что по закону больших чисел, чем больше число реализаций, тем больше получаемые оценки приобретают статистическую устойчивость.

Структурный подход. Программа модели отображает структуру реально существующей системы. Разработчик анализирует систему, выделяя в ней потоки заявок, одноканальные и многоканальные устройства обслуживания, структурные связи и маршруты движения потоков заявок. Эти реальные элементы имитируются в программе модели с помощь набора стандартных операторов и команд.

Имитационное моделирование дискретных систем со стохастическим характером функционирования, таких как системы и сети массового обслуживания, предполагает использование ряда типовых процедур, обеспечивающих реализацию соответствующих имитационных моделей. К таким процедурам, в первую очередь, относятся следующие:

• выработка (генерирование) случайных величин с заданным законом распределения;

• формирование потоков заявок, организация очередей заявок;

• имитация обслуживания в устройствах;

• организация службы времени, в том числе времени моделирования;

• сбор и статистическая обработка результатов.