Меню
Главная
Авторизация/Регистрация
 
Главная arrow Информатика arrow Имитационное моделирование
Посмотреть оригинал

ВВЕДЕНИЕ

Введение в имитационное моделирование

Место имитационного моделирования среди множества других методов исследования

Во время принятия решений относительно важных вопросов зачастую приходится сталкиваться с ситуацией, когда имеющаяся в наличии информация не позволяет однозначно ответить на вопрос, какой результат мы получим, будет ли наш выбор единственным оптимальным. Поэтому, прежде чем принимать важные решения, следует провести эксперимент или серию экспериментов. Исследованию подлежат устройства и процессы, или, другими словами, системы.

Исследовать можно непосредственно саму существующую систему, однако существуют причины, из-за которых этого сделать невозможно. Например, систему только предстоит создать и в данный момент она не существует; система является чем-то глобальным (например, целый город) и проводить эксперимент над ней невозможно по техническим и этическим соображениям; проведение эксперимента над системой предполагает наблюдения на протяжении многих десятилетий, когда ответ необходимо получить уже сейчас (влияние высадки деревьев на концентрацию ССЬ) и др. В этом случае эксперимент проводят не над самой системой, а над ее моделью. Вопрос о правомерности проведения эксперимента с моделью системы мы разберем в других главах немного позже.

Модель системы может быть физической. Например, уменьшенная копия возводимой на горной реке дамбы или модель корпуса самолета в аэродинамической трубе. Однако многие системы не могут быть представлены физической моделью или это требует колоссальных затрат средств и времени. Поэтому большинство создаваемых моделей являются математическими. Система представляется в виде логических связей или количественных соотношений. С помощью изменения и настройки параметров, наблюдения за реакцией модели можно определить оптимальную конфигурацию системы. Однако и тут могут присутствовать непреодолимые трудности, делающие невозможным использование математической модели. Первая такая трудность — получение аналитического выражения. Некоторые системы могут быть настолько сложны и запутаны, что вывод аналитических выражений потребует годы кропотливой работы. Кроме того, изменения конфигурации системы приведут к тому, что придется проводить все расчеты заново. Вторая трудность — полученное аналитическое выражение может быть очень сложным для вычислений даже на самых мощных компьютерах. Все это требует затрат времени и средств, которые могут превышать любые приемлемые размеры. В этом случае следует использовать имитационное моделирование. Рисунок 1.1 показывает место имитационного моделирования среди способов исследования систем.

Способы исследования системы

Рис. 1.1. Способы исследования системы

Имитационное моделирование (от англ, simulation) позволяет исследовать систему и получить приемлемый результат в том случае, когда невозможно проводить эксперименты на реальной системе и когда недоступно получение аналитического решения математической модели. Основную идею имитационного моделирования можно выразить следующими словами. Вместо того чтобы вычислять, как каждый элемент влияет на конечный результат, описывается поведение и взаимодействие элементов друг с другом, затем запускается сам процесс в течение заданного времени, смотрится, как развивается система, определяются интересующие исследователей характеристики системы, и делается вывод о необходимых преобразованиях для улучшения качества системы. Имитационное моделирование выполняется на компьютерах, как правило, в специализированных для этого программных продуктах, однако можно воспользоваться и обычными языками программирования высокого уровня для эффективной разработки имитационных моделей.

Можно дать следующее определение.

Имитационное моделирование — метод исследования системы с помощью замены реальной системы на компьютерную модель и дальнейшего проведения экспериментов над моделью системы. Модель представляет собой логические связи и функциональные отношения, описывающие логику работы элементов исследуемой системы.

Не стоит считать, что имитационное моделирование превосходит остальные методы исследования и следует использовать только его. Каждый раз, когда мы отдаляемся от реальной системы, мы рискуем получить недостоверный результат. Поэтому, если существует способ проведения исследования реальной системы без негативных последствий на саму систему, стоит использовать именно его. В то же время, если существует простое и понятное решение системы с помощью математической или физической модели, также стоит использовать одну из этих моделей. Имитационное моделирование приходит на выручку, когда затраты на другие методы не устраивают исследователей.

Имитационное моделирование является одним из самых интересных и распространенных методов исследования операций, по популярности имитационное моделирование может тягаться с математическим программированием.

Имитационные модели можно классифицировать на статические (система не изменяется со временем) или динамические, на детерминированные (не содержит случайных величин) или стохастические, на непрерывные (поток объектом можно рассматривать как совокупность) или дискретные (каждый объект учитывается отдельно). В нашем курсе в основном мы будем заниматься дискретными динамическими моделями со случайными числами.

Пример. В качестве примера имитационной модели экономической системы можно рассмотреть модель поликлиники с регистратурой, терапевтом и несколькими принимающими врачами. Всем нам не нравится сидеть в очередях, поэтому модель может дать ответ на вопрос, как организовать работу поликлиники, чтобы время ожидания посетителей было наименьшим. Посетители приходят в поликлинику (в простейшем случае) через случайные интервалы времени каждые 2—3 минуты и встают в очередь в регистратуру. В регистратуре может работать как один специалист, так и несколько, время обслуживания посетителей в регистратуре тоже может быть случайным от 2—5 минут. После этого посетители идут к терапевту, у которого в течение некоторого времени обследуются и затем получают направления к одному из специалистов.

К каждому специалисту может быть организована своя очередь, также время обследования или выполнения различных процедур может быть задано некоторыми случайными числами. Выбор, к какому из специалистов направить пациента, может быть также осуществлен случайным образом, например 30% пациентов идут к хирургу, 20% — в кабинет ЭКГ и 40% — к невропатологу. Создавая соответствующую имитационную модель, можно определить, где образуются самые длинные очереди или где пациенты ждут дольше всего, после чего принять решение о необходимых модернизациях этой системы.

Отдельно выделяют следующие виды моделирования, которые имеют свои собственные названия:

метод Монте-Карло (статическое, непрерывное, стохастическое моделирование);

непрерывные модели и модели системной динамики (динамическое, непрерывное, детерминированное моделирование); дискретно-событийное моделирование (динамическое, дискретное, стохастическое моделирование);

агентно-ориентированное моделирование (динамическое, дискретное, детерминированное или стохастическое моделирование).

Подробнее об этих видах моделирования будет рассказано ниже, стоит сказать, что описанный выше пример, как правило, моделируется с помощью дискретно-событийного моделирования.

 
Посмотреть оригинал
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 

Популярные страницы