Вы находитесь на странице: 1из 26

1.

Особенности больших и сложных систем как объектов исследования

ОСОБЕННОСТИ БОЛЬШИХ СИСТЕМ

1 • Наличие большого количества взаимосвязанных и взаимодействующих между собой


элементов.

2 • Сложность функции, выполняемой системой, и направленной на достижение заданной цели


функционирования.

3 • Возможность разбиения системы на подсистемы, цели функционирования которых подчинены


общей цели функционирования всей системы.

4 • Наличие управления (часто имеющего иерархическую структуру), разветвленной


информационной сети и интенсивных потоков информации.

5 • Наличие взаимодействия с внешней средой и функционирование в условиях воздействия


случайных факторов.

2. Понятия модели и моделирования

Модель (лат.modu lus - мера) представление объекта, системы или понятия (идеи) в некоторой
форме, отличной от формы их реального существования (Шенон, 1978)

Моделирование

Процесс замещения исследуемого объекта (оригинала) его условным образом или другим
объектом (моделью)

и изучение свойств оригинала путем исследования свойств модели

Включает две фазы:

Моделирование

Экспериментирование

3. Сущность системного подхода, применяемого в моделировании систем

Сущность системного подхода

•достижение различных целей без «разрушения» системы (вмешательства в ее работу)

Цели, достигаемые при моделировании систем:

Увеличение понимания механизмов в реальных системах

Предсказание поведения системы

Упрощение процедуры проектирования сложных систем

Оценка параметров системы, которые напрямую неизмеримы


Тестирование чувствительности пaрaметров систем

Оптимизация систем

Возможности тренировки операторов на имитаторах систем, обучение на которых опасно и


проблематично

Исследование системы

Сложная система разбивается на конечное число более простых подсистем с учетом взаимосвязей
между ними

Разбиение идет до тех пор, пока полученные подсистемы не станут на столько просты, что их
можно описать и представить в виде модели

Применение системного подхода в моделировании систем

Первый этап –

• определение целевого назначения модели

Второй этап –

• анализ структуры системы

• Структура системы - совокупность связей между элементами системы, отражающих их


взаимодействие

• Выделяется состав выделенных элементов системы и связи между ними Уровни описания
системы:

• Топологический – наиболее общее описание системы (теория графов)

• Функциональный – оцениваются функции, которые выполняет система

Необходимость соблюдения условий

Обеспечение адекватного отображения свойств оригинала, существенных с точки зрения


исследуемой проблемы (цели моделирования)

Обеспечение возможности экспериментирования с моделью

4. Виды моделей, применяемых в науке и технике

Физические модели –

• реальное воплощение тех физических свойств оригинала, которые составляют цель


исследования (макет, стенд)

Математические модели –

• формализованное описание системы (процесса, операции) с помощью некоторого абстрактного


языка (матем.соотношений, алгоритма и т.д.)
5. Общие свойства математических моделей

По состоянию во времени

Статические

Динамические

По структуре математически х соотношений

Линейные

Нелинейные

По представлению времени

Непрерывные

Дискретные

По представлению случайностей

Детерминированные

Стохастические

По способу решения

Аналитические

Имитационные

6. Два типа математических моделей: аналитические и имитационные

Аналитическое моделирование

• предполагает использование матем.модели в форме различного рода уравнений, связывающих


вход. и вых.параметры

• Наличие точного решения

Имитационное моделирование –

• матем. модель воспроизводит логику (алгоритм) функционирования системы во времени при


различных сочетаниях значений параметров системы и внешней среды

7. Преимущества и недостатки метода имитационного моделирования

Имитационное моделирование целесообразно, если:

Характер процессов не позволяет описать их в аналитической форме

Необходимо наблюдать за поведением системы в течение определенного периода времени


Изучение функционирования системы в новых условиях, при включении новых компонент,
внедрения новой стратегии
Большое количество случайных составляющих

Недостатки имитационного моделирования

• Большие затраты времени и сил

• ИМ отражает субъективные представления разработчика

• Получение обоснованных выводов требует проведения серии экспериментов и применения


статистического анализа

Для устранения недостатков необходимо:

• Использование систем моделирования

• Знание схем построения ИМ

8. Основные этапы технологии компьютерного моделирования

Технология компьютерного моделирования

Этап формализации модели включает в себя:

Выбор метода отображения динамики системы на основе:

• событий, • процессов, • работ или • транзактов

Транзакт:

• некоторая динамическая сущность, которая поступает в систему и требует обслуживания

Транзакт характеризуется

• Условием поступления; • Типом (определяет порядок обслуживания).

9. Понятие концептуальной модели


Концептуальная модель –

• это абстрактная модель, определяющая

• структуру моделируемой системы,

• свойства элементов и

• причинно-следственные связи ей присущие.

Этапы построения концептуальной модели:

• определение типа системы

• описание набора внешних воздействий

• Определение набора замеряемых и контролируемых параметров

• декомпозиция системы

• установление связей между выделенными элементами модели на горизонтальном и


вертикальном уровнях

10. Виды событий в простейшей системе массового обслуживания

Система массового обслуживания (СМО)

• Нотация Кендалла • A/B/c/K/m/Z • A — распределение времени между прибытиями • B —


распределение времени обслуживания • c — количество серверов • K — ёмкость системы
обслуживания • m — численность источника заявок • Z — принцип обслуживания

11. Два способа отсчёта времени в моделях процессов с дискретными событиями


12. Два случайных параметра в простейшей системе массового обслуживания

В процессе имитации процесса используются генераторы случайных величин для определения


следующих значений:

• Ai = t i – t i-1 = интервал между (i-1) и i моментами поступления заявок;

• Si = время, затрачиваемое сервером на обслуживание i-ого клиента (исключая ожидание в


очереди).

13. Понятия случайного и псевдослучайного числа


Случайные числа — искусственно полученная последовательность реализаций случайной величины с заданным
законом распределения.

При компьютерном математическом моделировании случайных процессов нельзя обойтись без наборов так называемых
случайных чисел, удовлетворяющих заданному закону распределения. На самом деле эти числа генерирует компьютер по
определенному алгоритму, т.е. они не являются вполне случайными хотя бы потому, что при повторном запуске программы с
теми же параметрами последовательность повторится; такие числа называют “псевдослучайными”.

откуда взята инфа:

http://csaa.ru/tehnika-modelirovanija-sluchajnyh-processov/

14. Свойства случайных чисел, равномерно распределённых в интервале [0, 1)

В основе используются СВ, равномерно распределенные в (0,1)

При программной реализации числа псевдослучайны

Должна поддерживаться возможность воспроизведения

Сгенерированные числа должны быть независимы между собой

Свойство последовательности чисел, полученных алгоритмическим путем

• «Последовательность псевдослучайных чисел {Ui } есть детерминированная последовательность


чисел в интервале (0, 1), имеющая одинаковые статистические характеристики с
последовательностью независимых случайных чисел, равномерно распределенных в интервале
(0, 1)» Риплей

15. Линейный конгруэнтный метод генерирования псевдослучайных чисел

Линейный конгруэнтный метод (ЛКГ)

• ЛКГ смешанного типа:

• Последовательность целых чисел {Zi }= Z1 , Z2 , … получается по формуле:

• где M – модуль (M>0), a – множитель (0 ≤ 𝑎 < 𝑀 ), c – приращение (0 ≤ 𝑐 < 𝑀) и Z0 - начальное или


стартовое число (0 ≤ Z0 < 𝑀).

• M, a, c, Z0 – неотрицательные целые числа.


• Получаемое число лежит в пределах 0 ≤ 𝑍𝑖 ≤ (𝑀 − 1).

• При с=0 - ЛКГ мультипликативного типа.

• Для получения числа 𝑈𝑖 ∈ [0; 1) выполняется преобразование: 𝑈𝑖 = 𝑍𝑖 /𝑀 .

Параметры ЛКГ и длина периода последовательности


16. Проверка качества генераторов чисел с равномерным законом распределения

Проверка качества генераторов равномерного распределения

Проверка на периодичность

Проверка на равномерность

Проверка на случайность
https://e.tsi.lv/pluginfile.php/93735/mod_resource/content/5/Lecture_4_model_ru.pdf

17. Метод обратной функции для генерирования значений дискретной случайной величины
18. Метод обратной функции для генерирования значений непрерывной случайной величины
19. Генерирование случайной величины с экспоненциальным законом распределения
20. Генерирование случайной величины с нормальным законом распределения

21. Моделирование случайных событий


22. Отличия языков моделирования от универсальных языков программирования

• Автоматический отсчет модельного времени, имитация событий и параллельно развивающихся


процессов

• Встроенные генераторы случайных чисел

• Накопление и обработка статистических данных

• Автоматический вывод результатов • Диагностика логических ошибок

23. Понятие транзакта в языке GPSS

Транзакты (сообщения, элементы потока)

Транзакты – это динамические объекты, которые создаются в определенные моменты модельного времени,


продвигаются интерпретатором системы через блоки модели и затем уничтожаются.

Динамическим элементом модели является транзакт — абстрактный объект, который


перемещается между статическими элементами, воспроизводя различные события реального
моделируемого объекта. В процессе работы модели накапливается статистика,
автоматически выводимая по завершении процесса моделирования. Статические элементы
модели: источники транзактов, устройства, очереди и другие. Их расположение в модели
определяется блоками.

24. Основные функции блоков в языке GPSS

Блоки

Задают логику функционирования имитационной модели (ИМ) системы и определяют пути


движения транзактов между объектами аппаратной категории

Почти все изменения состояний ИМ происходят в результате входа транзактов в блоки и


выполнения блоками своих функций

Основные функции:

• Создание и уничтожение транзактов

• Изменение числовых атрибутов объектов

• Задержка транзактов на указанное время

• Изменение маршрута движения транзакта и др.


25. Аппаратные объекты в языке GPSS

Объекты аппаратной категории

Служат для описания единиц оборудования систем. Воздействуя на эти объекты, транзакты
изменяют их состояния и влияют на движение других транзактов

• Устройство (прибор) • Память (многоканальное устройство) • Логические ключи

26. Виды статистики в стандартном выводе GPSS

Статистические объекты

Обеспечивают вычисление и представление в стандартном виде показателей эффективности


функционирования системы

• Очереди • Таблицы

27. Сущность метода Монте-Карло

Метод Монте-Карло (методы Монте-Карло, ММК) — общее название группы численных методов,
основанных на получении большого числа реализаций стохастического (случайного) процесса,
который формируется таким образом, чтобы его вероятностные характеристики совпадали с
аналогичными величинами решаемой задачи. Используется для решения задач в областях
физики, математики, экономики, теории управления и др.
Метод Монте-Карло составляет основу имитационного моделирования и является его частным
случаем (стохастической имитацией). Он является синтезом и результатом развития численных
методов, методов анализа чувствительности и анализа сценариев.

сущность метода

28. Пример моделирования длительности поездки: структура табличной модели

https://e.tsi.lv/pluginfile.php/111751/mod_resource/content/2/lecture_6_Monte_Carlo.pdf

page 13
29. Стандартные этапы разработки моделей производственных и логистических систем

https://e.tsi.lv/pluginfile.php/111752/mod_resource/content/1/lecture_7_zhiznennnij_cikl.pdf
page 5

30. Примеры блоков Библиотеки Моделирования Процессов в пакете AnyLogic,


предназначенных для работы с ресурсами

https://e.tsi.lv/pluginfile.php/111861/mod_resource/content/1/lecture_8_diskretnie_sobitija.pdf

page 13
31. Примеры блоков Библиотеки Моделирования Процессов в пакете AnyLogic,
предназначенных для управления потоками агентов

https://e.tsi.lv/pluginfile.php/111861/mod_resource/content/1/lecture_8_diskretnie_sobitija.pdf

page 21
32. Принципы построения моделей системной динамики

https://e.tsi.lv/pluginfile.php/111944/mod_resource/content/1/lecture_9_sistemnaja_dinamika.pdf

page 5 -15

Особенности системной динамики (System Dynamics)

Системная динамика. Этот подход был разработан и предложен Джеем Форрестером в конце
1950х как “исследование информационных обратных связей в промышленной деятельности с
целью показать как организационная структура, усиления (в политиках) и задержки (в принятии
решений и действиях) взаимодействуют, влияя на успешность предприятия” [Forrester 1958 и
1961].

Приложения СД включают также социальные, урбанистические, экологические системы.


Процессы, происходящие в реальном мире, в СД представляются в терминах накопителей, stocks,
(например, материальных объектов, знаний, людей, денег), потоков между этими накопителями,
flows, и информации, которая определяет величину этих потоков. СД абстрагируется от отдельных
объектов и событий и предполагает “агрегатный” взгляд на процессы, концентрируясь на
политиках, этими процессами управляющих. Моделируя в стиле СД, вы представляете структуру и
поведение системы как множество взаимодействующих положительных и отрицательных
обратных связей и задержек.

Свойства системной динамики

Системная динамика:

(+) позволяет обходиться в значительной мере без применения высшей математики


(дифференциального и интегрального исчислений) в явной форме, хотя сутью моделирования
часто является численное интегрирование дифференциальных уравнений
(+) структура модели в наглядной форме вытекает из анализа взаимных влияний → это требует
применения системного мышления

(+) особенно хорошо подходит для моделирования систем, для которых не вполне точно заданы
математические закономерности функционирования

(+) требует применения лишь небольшого числа элементов описания

(-) требует наличия у разработчика модели развитого абстрактного мышления

(-) оценивание численных параметров часто вызывает затруднения

Компоненты модели системной динамики

Накопители (уровни запасов накопителей): величины, которые могут расти или уменьшаться под
влиянием входящих и выходящих потоков

Характеристики накопителя:

a) он отражает текущее состояние элемента системы

b) он не выводится из состояния других накопителей

наглядность: содержимое накопителя (резервуара, сосуда)

Потоки (интенсивности потоков): факторы усиления или ослабления, которые влияют на


состояние накопителей

наглядность: входящие и выходящие потоки накопителя

Динамические переменные:

a) константы, которые не изменяются в ходе прогона модели; они служат лишь для настройки
модели

b) вспомогательные переменные, которые служат для реализации цепей расчёта интенсивностей


потоков

33. Свойства агентов в пакете AnyLogic

https://e.tsi.lv/pluginfile.php/112053/mod_resource/content/1/lecture_10_agentnoe_modelirovanie.p
df

page 4
Свойства агентов

 Поведение определяется на индивидуальном уровне


 Глобальное поведение – результат деятельности многих агентов
 Каждый агент имеет свои правила, живет в общей среде и взаимодействует со средой и с
другими агентами
Свойства агентного моделирования
Агентное моделирование позволяет учесть любую сложность структуры системы и
варианты поведения агентов
Разработка модели возможна в отсутствии знания о глобальных зависимостях
Агентную модель проще поддерживать: уточнения обычно делаются на локальном уровне
и не требуют глобальных изменений
Цель агентного моделирования: Получение общего представления о поведении системы в
целом исходя из предположений об индивидуальном поведении отдельных активных
объектов

34. Возможные действия агента в пакете AnyLogic

https://e.tsi.lv/pluginfile.php/112053/mod_resource/content/1/lecture_10_agentnoe_modelirovanie.p
df

page 14

Действия агента

При запуске - Здесь вы можете написать Java код, который будет выполняться после того, как все
объекты модели будут созданы, соединены и проинициализированы, но до выполнения каких-
либо дальнейших активных действий. Здесь вы можете, например, запустить какие-либо события
этого агента. Порядок выполнения действий

При запуске у агентов может меняться.

При уничтожении - Здесь вы можете написать Java код, который будет выполняться при
уничтожении агента этого типа (например, когда пользователь завершает эксперимент и
уничтожается агент верхнего уровня, для агентов, которые в нем находились, запускается в
определенном порядке код При уничтожении).
При достижении точки назначения – Код, выполняемый, когда агент прибывает на место
назначения.

Перед выполнением шага – Код, выполняемый до того, как агент выполнит шаг в агентных
моделях с синхронизацией. Действие Перед выполнением шага выполняется для агентов в
детерминированном порядке.

Действие на шаге – Код, выполняемый, когда агент делает шаг в агентных моделях с
синхронизацией. Действие на шаге выполняется для агентов в детерминированном порядке.

35. Понятие диаграммы состояний в пакете AnyLogic

https://e.tsi.lv/pluginfile.php/112053/mod_resource/content/1/lecture_10_agentnoe_modelirovanie.p
df

page 26

Диаграммы состояний

Если у агента можно выделить несколько состояний, выполняющих различные действия при
происхождении каких-то событий, или если у агента есть несколько качественно различных
поведений, последовательно сменяющих друг друга при происхождении определенных событий,
то поведение такого объекта может быть описано в терминах диаграммы состояний. Диаграмма
состояний позволяет графически задать пространство состояний алгоритма поведения объекта, а
также события, которые являются причинами срабатывания переходов из одних состояний в
другие, и действия, происходящие при смене состояний.

Диаграммы состояний AnyLogic соответствуют стандарту UML. Они сохраняют графический вид,
атрибуты и семантику выполнения, определенную в UML.

Диаграмма состояний представляет собой состояния, соединенные переходами. Переходы могут


сработать в результате заданного в качестве условия перехода события - это может быть
истечение заданного таймаута, получение диаграммой состояний сообщения, выполнение
заданного логического условия и т.д. Срабатывание перехода приводит к переходу управления
диаграммы состояний в то состояние, в которое ведет этот переход. Состояния могут быть
иерархическими, т.e. содержать другие состояния и переходы.

36. Понятия верификации и валидации модели

«верификация (от лат. verus — истинный и facio — делаю), проверка, эмпирическое


подтверждение теоретических положений науки путем сопоставления их с наблюдаемыми
объектами, чувственными данными, экспериментом (Большая энциклопедия Кирилла и
Мефодия)

------------- Верификация — что это такое простыми словами?

-----
Слово «верификация» происходит от латинских слов verus, что значит
«истинный» и facere,  что значит «делать». Таким образом в буквальном значении слово
переводится, как «делать или подтверждать истинность чего либо». Верифицировать —
значит ПРОВЕРЯТЬ И ПОДТВЕРЖДАТЬ правильность.

----------------------

Основные понятия

• Верификация – процесс контроля корректности построения имитационной модели на основе


концептуальной

• Верификация модели {model verification} - процесс, имеющий целью определить, правильно ли


отображает данная вычислительная модель искомую концептуальную модель или
математическую модель

• Валидация – процесс удостоверения того, что модель в сфере ее применения достаточна точна
для ее использования (Schlesinger, 1974)

• Если модель и ее результаты приняты пользователем и используются для принятия решений, то


модель считается заслуживающей доверие (credible) (Carson, 1986)

37. Основные термины теории планирования эксперимента

Термины теории планирования эксперимента

Центр плана –

• точка, соответствующая нулевым уровням всех факторов

Верхний и нижний уровни фактора –

• расположены симметрично относительно нулевого уровня.

Интервал варьирования -

• некоторое число J, прибавление которого к нулевому уровню дает верхний уровень, а


вычитание – нижний.

38. Понятие стратегического планирования имитационных экспериментов

Стратегическое планирование эксперимента

• Из всех допустимых выбирается такой план, который позволил бы получить наиболее


достоверное значение отклика (исследуемого показателя) при фиксированном числе опытов

39. Понятие тактического планирования имитационных экспериментов

Тактическое планирование эксперимента

• Выбирается такой допустимый план, при котором статистическая оценка функции отклика может
быть получена с заданной точностью при минимальном объеме опытов
40. Понятие полного факторного плана

https://e.tsi.lv/pluginfile.php/93743/mod_resource/content/3/Lecture_10.pdf

page 18

page 29

41. Вычисление требуемого объема испытаний при тактическом планировании имитационных


экспериментов

https://e.tsi.lv/pluginfile.php/93743/mod_resource/content/3/Lecture_10.pdf

page 34

Тактическое планирование

• Нацелено на установление необходимого объема испытаний для достижения заданной


точности

Вычисление объема испытаний

• При отсутствии корреляции между случ.значениями исследуемого показателя


42. Способы поиска оптимального варианта системы с использованием моделей

https://e.tsi.lv/pluginfile.php/112139/mod_resource/content/1/lecture_12_44BD_planir_eksperim.pdf

page 32

43. Понятия INET Framework и OMNeT++

44. Цели моделирования систем и сетей обработки и передачи данных