Классификация методов математического моделирования применительно к этапу исследования математической модели

 

Математическое моделирование процесса функционирования системы можно разделить на аналитическое и имитационное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегро-дифферен-циальных, конечно-разностных и т.д.) или логических условий.

Аналитическая модель может быть исследована следующими методами:

Ø аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик;

Ø численным, когда, не умея решать уравнения в общем виде, стремятся получить численные результаты при конкретных начальных данных;

Ø качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость).

Наиболее полное исследование процесса функционирования можно получить, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными исследуемой системы, т.е. в результате аналитического решения задачи. Однако такие зависимости удается получить только для сравнительно простых систем.

Численный метод позволяет исследовать, по сравнению с аналитическим, более широкий класс систем, но при этом полученные решения носят частный характер.

Необходимость учета стохастических свойств системы, недетерминированность исходной информации, дискретность в отдельных элементах, наличие корреляционных связей между большим числом параметров и переменных, характеризующих процессы в системах, приводят к построению сложных математических моделей, которые не могут быть применены в инженерной практике при исследовании таких систем аналитическими методами. Это также не позволяет расчленить систему и использовать принцип суперпозиции в отношении влияющих факторов. Пригодные для практических расчетов аналитические соотношения удается получить лишь при упрощающих предположениях, обычно существенно искажающих фактическую картину исследуемого процесса. Указанные обстоятельства приводят к тому, что при исследовании сложных систем наиболее эффективными являются методы имитационного моделирования.

Под имитационным моделированием обычно понимают такое моделирование, при котором реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени.

Указывая, что данная модель имитационная, мы обычно подчеркиваем, что в отличие от других типов абстрактных моделей, в этой модели сохранены и легко узнаваемы такие черты моделируемого объекта, как структура, связи между компонентами, способ передачи информации. С имитационными моделями также обычно связывают и требование иллюстрации их поведения с помощью принятых в данной прикладной области, графических образов.

Основным преимуществом имитационного моделирования, по сравнению с аналитическим, является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов, случайные воздействия и т.д., которые создают трудности при аналитических исследованиях.

Кроме того, имитационная модель обладает гибкостью варьирования структуры, алгоритмов и параметров моделируемой системы, что важно с точки зрения поиска оптимального варианта построения системы. Она позволяет включать в процедуру моделирования результаты натурных испытаний реальной системы или ее частей.

В настоящее время имитационное моделирование – наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе проектирования.

Главным недостатком, проявляющимся при машинной реализации метода ИМ, является то, что решение, полученное при анализе имитационной модели, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгорит­мам поведения и значениям параметров системы, начальных условий и воздействий внешней среды. Поэтому для полного анализа характеристик процесса, а не только получения отдельной точки, приходится многократно воспроизводить имитацион­ный эксперимент, варьируя исходные данные.

Несмотря на то, что имитационное моделирование является мощным инструментом исследования систем его применение не всегда рационально. Издержки, связанные с имитационным моделированием, всегда много выше, чем при аналитических исследованиях, и часто выше, чем при физическом моделировании. Следует хорошо подумать, прежде чем начинать решать задачу таким путем.

В качестве основных критериев целесообразности применения метода имитационного моделирования, по сравнению с аналитическим подходом, можно указать отсутствие законченной математической постановки задачи, не разработанность методов ее аналитического решения либо их чрезмерная сложность и трудоемкость, слабая подготовка персонала, не позволяющая ими воспользоваться.

Если сравнивать с физическим моделированием, то применение имитационного моделирования целесообразно, если иных методов решения задачи просто нет, либо требуется существенное "сжатие" по времени.