- •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.
77. Аналитическое решение математической модели.
Смысл
Ан решения состоит в построении уравнений,
связыв-х хар-ки объекта с его пар-ми. Это
означ что функционал Фс разрешим
относительно хар-к С и
.Если
функционал в явном виде не разрешим
или разрешим с низким качеством, то
можно воспольз-ся численными методами
и, в том числе, методом Монте-Карло. Здесь
матем операции над переменными заменяют
действиями над числами. Достоинства
АМ:-высокая общность или универс-сть
получаемых результатов, что позволяет
в дальнейшем применять аппарат матем
анализа для их исслед-ния и методы
оптимиз. для синтеза наилучших
решений;-сравнительно низкая трудоёмкость
расчёта (для вычисления хар-к для одного
набора значений пар-ов требуется лишь
однократный расчет полученных формул).
Недостаток
-
сравнительно низкая унив-стъ моделей
из-за вносимых упрощений, соответственно
их
низкая точность и ограниченная познават.
и информац. ценность. Наиболее простые
АМ - алгебраические, регрессионные,
более сложные- модели теории массового
обслуживания, учитывающие действие
случ. факторов
78. Потоки заявок в стохастических сетевых моделях.
Точному аналитическому расчету поддаются линейные однородные экспоненциальные сети массового обслуживания. В ССМ обслуживаются заявки одного типа. - основной обслуживающий узел СМО типа G/M/1 и G/M/K с временем обслуживания заявок в каждом канале распределенным по экспоненциальному закону; - основной маршрутный узел вероятностный; - входной потов заявок в сети простейший, число заявок в потоке распределяется по закону Пуассона, а отрезки времени между соседними заявками потока распределены экспоненциально.
Любую систему, в которой поток заявок встречает ограниченные средства их обслуживания, можно рассматривать как СМО. Расчет характеристик СМО базируется, в частности, на теории марковских цепей.
Основные компоненты СМО: 1. Обслуживающие каналы. Задаются количеством (канальностью) К и быстродействием канала V. Все каналы полностью идентичны. 2. Очередь, в которой заявки могут накапливаться, ожидая обслуживания. Размер варьируется от 0 до ∞ (для СМО типа М/М/1 и М/М/К). 3. Дисциплина обслуживания ДО, определяющая правила выбора на обслуживание очередной заявки из очереди. 4. Входной поток или потоки заявок. Характеризуются законом распределения fϴ трудоемкости ϴ обслуживания заявок и законом распределения fτ временных отрезков между соседними заявками потока.
τk = τnk – τnk-1
Если τk постоянна, то поток регулярный (детерминированный). В противном случае поток случайный и характеризуется законом распределения:
Fk(τ)=P[τk ≤ τ] = F(τ).
Для СМО М/М/1 и М/М/К входной поток и поток обслуженных заявок является простейшим, значения τ подчиняются экспоненциальному закону:
,
а распределение числа заявок в потоке
подчиняется закону Пуассона:
, т.е. достаточно задать интенсивность
поступления заявок =1/mτ
. Закон распределения fϴ
легко
пересчитать в закон fτ
распределения длительности t=ϴ/V
обслуживания
заявок в канале. Для СМО типа М/М/1 и М/М/К
время обслуживания заявок в каждом
канале подчиняется экспоненциальному
закону и достаточно задать среднюю
интенсивность обслуживания =1/mτ.
