- •1. Система, системные признаки, классификация систем.
- •2. Целостные и суммативные системы.
- •3. Моделирование как метод научного познания и подход к анализу и синтезу сложных систем.
- •4. Назначение моделирования и его место среди других наук.
- •5. Сложные системы как объекты моделирования.
- •6. Системный подход в моделировании сложных систем.
- •10. Характеристика и классификация абстрактных моделей.
- •7. Модели: параметры и характеристики.
- •8. Адекватность моделей.
- •9. Виды моделей, иерархия моделей.
- •11. Имитационные модели (общее описание).
- •12. Примеры математических моделей (анал. И имитационных).
- •13. Методы расчета математических моделей.
- •14. Харарактеристика имитационных методов расчета матем моделей.
- •15.Сравнительный анализ аналитических и имитационных моделей.
- •16.Классификация и характеристика типовых математических моделей.
- •17.Общая хар-ка q-моделей.
- •18. Общая характеристика обобщенных (агрегатных) моделей.
- •19. Технология моделирования. Основные этапы.
- •20. Концептуальные модели.
- •21. Формирование критериев при моделировании.
- •22. Планирование экспериментов с моделью
- •23. Общая характеристика метода статистических испытаний (Монте-Карло).
- •24. Примеры использования метода статистических испытаний.
- •25. Стохастические сетевые модели: параметры и характеристики.
- •26. Сети массового обслуживания: параметры, характеристики, классификация.
- •27.Теоретические основы статич моделирования
- •28.Выбор длительности машинного эксперимента.
- •29.Оценка результатов имитационного моделирования: статические оценки и доверительные интервалы
- •31.Псевдослучайные числа и их использование в моделировании.
- •32.Алгоритмические способы генерации псевдослучаных чисел.
- •33.Моделир-е случайных событий, групп событий.
- •34.Моделирование зависимых и независ событий.
- •35. Моделирование дискретных случайных величин
- •36.Моделирование непрерывных случайных величин.
- •37.Метод обратных функций.
- •38. Моделирование случайных векторов(для случая двухмерных случайных величин)
- •39.Генерация типовых распределений (равномерного, показательного, гаусса и др.)
- •40.Основные задачи имитационного моделирования
- •41.Оценка характеристик моделирования объекта, по результатам статистического моделирования
- •42.Оценка характеристик нестационарного объекта по результатам статистическ моделирования.
- •43. Типовая структура имитационной модели
- •44. Компоненты, функциональные действия, активности и события
- •45. Порядок функционирования имитационной модели
- •4 6. Методы продвижения модельного времени
- •47. Алгоритм и особенности моделирования нестационарных объектов.
- •48. Общая характеристика и сравнительный анализ методов моделирования псевдопараллельностей.
- •49. Псевдопараллельность: смысл и способы реализации.
- •50. Моделирование активностей.
- •52. Укрупненный алгоритм имитационного моделирования одноканальной смо.
- •53. Программные средства имитационного моделирования.
- •54. Аппаратные средства имитационного моделирования.
- •55. Состав системы моделирования gpss.
- •56. Состояния транзактов и узлов. Списки gpss.
- •57. Укрупненный алгоритм обработки событий в языке gpss.
- •58. Укрупненный алгоритм продвижения тразактов в языке gpss.
- •60. Характеристика входного языка системы gpss.
- •61. Стандартный набор статистики gpss. Управление сбором статистики.
- •62. Управление сбором статистики в gpss с помощью table, qtable.
- •63. Именование и адресация объектов в языке gpss
- •64. Вычислимые и хранимые объекты gpss.
- •65. Характеристика объектов языка gpss.
- •66. Управление приоритетными дисциплинами обслуживания в gpss.
- •67. Стандартные числовые атрибуты gpss. Назначение и использование.
- •68. Управление потоками транзактов в языке gpss.
- •69. Устройства и организация приоритетного обслуживания в gpss.
- •70. Управление узлом типа память в gpss. Описание многоканальных смо.
- •72. Управление маршрутами транзактов в языке gpss.
- •73. Использование операторов test, gate. Логические ключи.
- •74. Управление семействами транзактов в языке gpss.
- •75. Характеристика аналитических методов расчета математических моделей.
- •76. Математические модели сложных систем (общее описание).
- •77. Аналитическое решение математической модели.
- •78. Потоки заявок в стохастических сетевых моделях.
- •79. Типы смо, используемых в стохастических сетевых моделях.
- •80. Моделирование смо м/м/1 и м/м/к.
- •81. Моделирование смо м/м/1 и м/м/к.
- •82. Параметры и характеристики сетей мо.
- •83.Экспоненциальные сети мо.
- •84. Расчёт интенсивностей потоков и , сама сеть в соотв. Фициент мкнутой сети.0000000000000000000000000000000000000000000000000000000000000000000000000000000000000коэффициентов передач сетей мо.
- •85. Расчёт вероятностей состояний разомкнутых сетей мо.
- •86. Расчёт вероятностей состояний замкнутых сетей мо.
- •87. Моделирование узловых характеристик объекта на основе разомкнутых сетей мо.
- •88. Моделирование системных характеристик объекта на основе замкнутых сетей мо.
- •89. Моделирование узловых характеристик объекта на основе замкнутых сетей мо.
- •90. Общая методика моделирования объекта на основе разомкнутых сетей мо.
- •91. Общая методика моделирования объекта на основе замкнутых сетей мо.
- •92. Предельные оценки характеристик стохастических сетевых моделей
- •93. Моделирование систем обработки информации стохастическими сетями.
- •Система, системные признаки, классификация систем.
- •Целостные и суммативные системы.
- •Моделирование как метод научного познания и подход к анализу и синтезу сложных систем.
31.Псевдослучайные числа и их использование в моделировании.
При статистическом моделиров-и систем одним из основн вопросов явл учет стохастическ воздействий.Для формирования стохастических воздействий при машинном моделир-ии обычно используют последовательности случайных чисел с заданными вероятностными характерис-ми. Кол-во случайных чисел, требуемых для получения статистич устойчивых оценок пар-ов процесса функционир-ия сист S при реализации модулирующ алгоритма на ЭВМ, колеблется в достаточно широких пределах в завис-ти от класса объекта моделир-ия, вида оцениваемых пар-ров, необход точности и достоверности результатов моделирования.
Для метода статистич моделир-ния на ЭВМ характерно, что бол число операций,а соответст и большая доля машин времени, расходуются на действия со
случайными числами.Кроме того,результаты статистическ
моделирования существенно зависят от кач-ва сходных
(базовых)последов-тей случайн чисел.Поэтому наличие
простых и экономичн способов формирования последоват-тей случайных чисел требуемого качества во многом определ возможность практич использ-ия
машин моделирования систем.
32.Алгоритмические способы генерации псевдослучаных чисел.
Одной из первых процедур получения псевдослучайных чисел была процедура, получившая название метода серединных квадратов. Пусть имеется 2n- разрядное число, меньшее 1 :Xi= =A1,A2,....A2n. Возведем его в квадрат: Xi=B1B2...B4n,а затем выделим средн 2n разрядов Xi+1=Bn+1.Bn+2.....B3n, котор и будут является очередным числом псевдослучайной
Послед-ти.Недостаток этого метода - наличие корреляции м/у числами последовател-сти, а в ряде случаев случайность вообще может существовать.
Кроме того, при некоторых i* вообще может наблюдаться
Вырождение последовательности, т.е. Xi =0 при i>=i*. Это
существенно ограничивает возможности использования метода серединных квадратов.
Широкое применение при моделировании систем на ЭВМ
получили конгруэнтные процедуры генерации псевдослуч
последоват-тей,представляющие собой арифметические операции, в основе кот лежит фундаментал понятие конгруэнтности.
Два целых числа а и в конгруэнтны (сравнимы) по модулю m,где m - целое число тогда,когда существует целое число k такое, что а-в = km, т.е. разность делится на m и, если числа дают одинаковые остатки от деления на абсолют величины числа m.
Конгруэнтные процедуры явл чисто детерминированными,
т.к
описыв в виде рекуррентн соотношения,
когда ф-ия имеет вид
(2)
где X, l,m ,М - неотрицател числа.
Если задано начальное значение X0, множитель и аддитивная
константа,то (2)однозначно определ последоват-ть целых чисел{Xi}составленную из остатков деления на М
членов последовательности (l X + m). Таким образом, для любого i>=1 справедливо неравенство X<М.По целым числам последов-ти {Xi} можно построить последовательность
{Xi} = {Xi/ М} рационал чисел из единичн интервала (0,1).
Конгруэнтная процедура получения последовател-тей
псевдослуч равномерно распредел-ых чисел м/б
реализована мультипликативным либо смешанным методом.
Мультипликативный метод задает последоват-сть
неотрицат чисел {X }, не превосход М, по формуле
(
3 )
т.е частный случай соотношения (2) при m =0.
