Основные этапы разработки имитационной модели.

 

Имитационное моделированиереализуется с помощью математических инструментальных средств, специальных компьютерных программ и приемов, которые позволяют с помощью компьютера провести целенаправленное моделирование в режиме «имитации» структуры и функций сложного процесса и оптимизацию некоторых его параметров. При имитационном моделировании происходит запуск в компьютере взаимодействующих вычислительных процессов, которые являются по своим временным параметрам аналогами исследуемых процессов.Процесс последовательной разработки имитационных моделей начинается с создания простой модели, которая постепенно усложняется в соответствии с требованиями, предъявляемыми к результату разрешения некоторой проблемы. В каждом цикле имитационного моделирования можно выделить следующие этапы. 1. Формулировка проблемы Здесь проводится описание исследуемой проблемы и определение целей исследования. 2. Разработка модели Логико-математическое описание моделируемой системы в соответствии с формулировкой проблемы. Включает в себя разработку концептуальной модели и формализацию построенной концептуальной модели. 2.1. Разработка концептуальной модели Концептуальная (содержательная) модель – это абстрактная модель, определяющая структуру моделируемой системы, свойства ее элементов и причинно-следственные связи, присущие системе и существенные для достижения цели моделирования. Построение концептуальной модели включает следующие этапы:- определение типа системы;- описание рабочей нагрузки;- декомпозиция системы 2.2. Формализация построенной концептуальной модели Осуществляется с помощью языка или аппарата математических методов. 3. Подготовка данных Включает идентификацию, спецификацию и сбор данных. Идентификация – статистический анализ модели, статистическое оценивание неизвестных параметров.Спецификация– определение конечных целей моделирования; определение набора экзогенных и эндогенных переменных; определение состава системы уравнений, их структур; формулировка исходных предпосылок, ограничений. Спецификация опирается на имеющиеся экономические теории, специальные знания, интуицию исследователя. 4. Трансляция модели Трансляция модели – это перевод модели со специальных имитационных языков или языка математики на язык программирования, на котором будет реализована прикладная программа, соответствующая имитационной модели. 5. Верификация Верификация – это установка правильности разработанной программы, формальное, либо практическое доказательство ее правильной работоспособности на ЭВМ. 6. Валидация Валидация– это оценка требуемой точности и адекватности имитационной модели. 7. Планирование Определение условий машинного эксперимента с имитационной моделью, а также параметров при тестировании модели, результаты по входным данным. На данном этапе необходимо определить условия, в которых будет осуществляться тестирование, проверка работоспособности и возможности функционирования; параметры, на которые надо обратить внимание при тестировании модели. Параметры могут быть связаны со способностью модели реагировать на какие-либо стохастические воздействия, на неверные входные данные, либо полное их отсутствие, на неверные действия персонала. 8. Постановка экспериментов Предполагает прогон программы имитационной модели на ЭВМ для получения выходных данных или результатов, позволяющих оценить адекватность построенной модели. 9. Анализ результатов Предполагает рассмотрение и изучение результатов имитационного эксперимента для подготовки выводов о возможности применения имитационной модели для решения некоторой проблемы. 10. Реализация и документирование На основе построенной имитационной модели можно дать рекомендации о принятии того или иного управленческого решения.

 

8. Способы организации квазипараллелизма в ИМ

Вследствие последовательного характера обработки информации в большинстве ЭВМ параллельные процессы, происходящие в исследуемой системе, преобразуются в последовательные процессы. Например, при имитационном моделировании билетной кассы параллельные процессы, связанные с имитацией поступления пассажиров, имитацией обслуживания пассажиров в кассе и с контролем состояния очереди, фактически ЭВМ обрабатывает последовательно. Процедура преобразования параллельных процессов в последовательный называется организацией квазипараллелизма. В зависимости от способов описания ИМ применяют следующие основные способы организации квазипараллелизма: событийный, процессный, транзактный, агрегатный и основанный на просмотре активностей. Событийный способ организации квазипараллелизма используется, когда элементы изучаемой системы выполняют одни и те же функциональные действия, которые приводят к одним и тем же событиям. Множество событий можно разбить на небольшое число типов событий. Для каждого типа событий определена последовательность действий, приводящая к изменению состояния системы, а также определены условия перехода от одного события к другому для всех типов событий. Агрегатный способорганизации квазипараллелизма используется, когда имеет место тесное взаимодействие между функциональными действиями элементов системы. При агрегатном способе все элементы исследуемой системы представляют собой агрегаты, обменивающиеся сигналами. Выходной сигнал от одного агрегата является входным сигналом для другого. Моделирование поведения агрегата - это последовательная цепь переходов из одного состояния в другое под воздействием поступающих сигналов. Способ, основанный на просмотре активностей, применяется, когда все действия для элементов исследуемой системы различны и приводят к наступлению различных событий. При этом каждое действие характеризуется набором условий его выполнения. Моделирующий алгоритм, основанный на просмотре активностей, реализует просмотр всех наборов условий, а также обрабатывает активности, условия для которых выполняются, т.е. моделирует время выполнения соответствующего действия и реализует само действие. Процессный способсочетает в себе черты событийного способа и способа, основанного на просмотре активностей. Он применяется, когда поведение элементов исследуемой системы может быть описано фиксированными для некоторого класса систем последовательностями событий и действий, так называемыми процессами. Транзактный способорганизации квазипараллелизма- развитие процессного способа для моделирования систем массового обслуживания. Инициаторами появления событий в ИМ являются транзакты - динамические объекты, отождествляемые с заявками на обслуживание, которые перемещаются между элементами системы массового обслуживания. Для описания ИМ создается фиксированный набор блоков, связанных с обработкой и обслуживанием транзактов. С их помощью происходит уничтожение и создание транзактов, задержка их на некоторый период времени, управление движением транзактов, занятие и освобождение различных типов ресурсов системы. Связь между обслуживающими приборами устанавливается с помощью системы очередей и способов извлечения из них транзактов. Одну и ту же систему принципиально можно представить любым из указанных способов. Однако построенные на их основе модели будут отличаться размерами и количеством ресурсов, затраченных на их создание, испытание и использование.

 

9. Виды неопределенностей в математических моделях и способы их математической формализации.

Обобщенное представление негативных характеристик информационных объектов, процессов и ситуаций выполняет категория неопределенности. Важность и весомость этого понятия для теоретической информатики обусловлена тем, что суть всякой информационной деятельности – это борьба с неопределенностями, их устранение или уменьшение.

Различают формализованную и неформализованную неопределенность субъекта, объекта и их связей. Формализованная неопределенность – индефиниция порождается объективированными источниками – средствами измерений, вычислений и оценок последствий от нехватки знаний, она имеет однозначно заданную семантику, определяемую типом, моделью и меройнеопределенности. Тип семантики – семантическое значение индефиниции формализуется классификационными признаками неопределенностей проблемного объекта и решающей системы. Модели статические (аналитическая, частотная), динамические (траекторная, алгоритмическая) и меры неопределенностей – логарифмическая (энтропия), линейная (альтернант), квадратическая мера (дисперсия). Неформализованная – субъективная неопределенность выражает отношение субъекта к своим знаниям, к предполагаемым свойствам проблемного объекта и информационной ситуации в виде предположения, субъективной вероятности, правдоподобности, нечеткости знания, но степень его объективности, адекватности обычно не рассматривается и квалифицируется как мнение субъекта – источника знаний и заблуждений.

Класс семиотических неопределенностей разделяется на подклассы синтаксических неизвестных имен (букв, слов, изображений, сигналов,) и семантических неопределенностей с неизвестным смыслом, прямым или косвенным – дентом, контом, адресом, с неопределенной конкретной (предметной) и/или абстрактной (логико-математической или информационной) семантикой имени знака.

Для знаков с вполне определенной абстрактной семантикой выделяется подкласс математических неопределенностей (математических переменных) с определенной либо неопределенной конкретной семантикой. Математические переменные имеют одназначно заданные имена, конты (типы), адреса в информационном процессе и неопределенные значения (денты) из областей допустимых вариаций и пространств значений математических переменных. Представление знания в виде пары информационных объектов и процесса познания в виде основного, порождающего знание , и адеквативного, который оценивает точность, погрешность , доказывает истинность результата , такое представление приводит к различению их неопределенностей, а именно к вариативной var и адеквативной индефиниции знания. Однако предельная адеквативная неопределенность, т.е. незнание меры точности-погрешности переносится на основное знание и означает по сути его полную вариативную неопределенность.

Неопределенностей выделяют две главные и наиболее простые модели:

1) Описывает ситуацию неизвестности, незаданности определенного значения математической переменной x, но точно известна индефиниция , описывающая допустимые вариации переменной. В таких случаях переменной x присваивается значение базисного информационного нуля: –биноль, круглый информационный ноль, а также обозначается греческой буквой тета прочерком, и т.п. Биноль отсылает информационный процесс к соответствующей индефиниции , в которой переменная x и ее модель неопределенности в общем случае есть fsr -объект, полюсная структура и т.п.

2) Описывает противоречивую информационную ситуацию, в которой невозможно получить определенное значение математической переменной x из-за грубых ошибок источников информации, абсурдных данных и т.п. В таких случаях переменной x, точнее, ее приближенной оценки присваивается значение критического информационного нуля: – киноль, квадратный информационный ноль, который отсылает информационный процесс к проверке исходной формализации, данных источников фактической и априорной информации и т.д. Киноль характеризует внешнюю неопределенность информационной ситуации, а биноль – внутреннюю неопределенность в границах допустимых вариаций индефиниции , а общий случай неопределенности в ситуациях, когда неизвестен тип внешней либо внутренне неопределенности будем отмечать общим информационным нулем – бикиноль .