- •1. Основные понятия теории моделирования систем.
- •2. Цели и задачи моделирования телекоммуникационных систем.
- •3. Формирование последовательности случайных чисел с заданным законом распределения.
- •4. Формирование последовательности случайных чисел с нормальным законом распределения.
- •5. Формирование последовательности равномерно распределенных чисел.
- •7. Этапы моделирования систем
- •8. Общие сведения о системах массового обслуживания (смо).
- •9. Задачи теории систем массового обслуживания.
- •11. Простейший поток событий. Формула Пуассона.
- •10. Поток событий. Свойства потоков событий.
- •12. Символическое обозначение моделей смо (по Кендаллу).
- •13. Свойства и характеристики простейшего потока.
- •14. Процесс обслуживания как Марковский процесс. Уравнение Колмогорова – Чепмена.
- •15. Общее правило составления уравнений Колмогорова.
- •16. Одноканальная смо с ожиданием.
- •17. Схема гибели и размножения. Формула Литтла.
- •18. Одноканальная смо с отказами.
- •19. Многоканальная смо с ожиданием.
- •20. Многоканальная смо с отказами. Уравнения Эрланга.
- •21. Сети смо. Замкнутые и разомкнутые сети смо.
- •22. Цели планирования экспериментов с моделями систем.
- •24. Полный факторный эксперимент. Дробный факторный эксперимент. Частичный факторный эксперимент.
- •25. Тактическое планирование имитационного эксперимента.
- •26. Общие сведения об языке gpss World. Формат gpss – блоков.
- •27. Блок generate.
- •28. Блоки seize и release.
- •29. Блок advance.
- •30. Блоки queue и depart.
- •31. Блок terminate. Оператор start.
- •32. Транзакты и блоки.
- •33. Моделирование одноканального устройства.
- •34. Стандартные числовые атрибуты (сча). Сча для транзакта и блоков.
- •35. Оператор описания многоканального устройства.
- •36. Блок enter.
- •37. Блок leave.
- •38. Блок logic.
- •39. Блок gate.
- •40. Блок loop.
- •41. Безусловный режим выбора в блоке transfer.
- •42. Режим both в блоке transfer.
- •43. Статистический режим выбора в блоке transfer.
- •44. Блок savevalue и оператор initial.
- •45. Операторы gpss.
- •46. Блок assign.
- •47. Оператор описания переменной. Арифметические операции.
- •47. Логические и булевы операторы, операторы отношений.
- •49. Блок test.
- •50. Функции в gpss. Оператор описания функций.
- •51. Блок preemt
- •52. Моделирование неравномерных случайных величин.
- •53. Использование функций в блоках в блоках generate и advance.
- •54. Определение и использование таблиц.
- •Основные понятия теории моделирования систем.
24. Полный факторный эксперимент. Дробный факторный эксперимент. Частичный факторный эксперимент.
Теория планирования экспериментов исходит из абстрактной схемы сложной системы, называемой «черным ящиком» (рис). Считается, что исследователь может наблюдать входы и выходы «черного ящика» (имитационной модели) и по результатам наблюдений определять зависимость между входами и выходами.
Эксперимент на имитационной модели будем рассматривать состоящим из наблюдений, а каждое наблюдение - из прогонов модели.
Входные переменные х1, х2, ..., хт называются факторами. Выходная переменная у называется наблюдаемой переменной (реакцией, откликом).
Факторное пространство - это множество факторов, значения которых исследователь может контролировать в ходе подготовки и проведения модельного эксперимента.
Рисунок - Абстрактная схема системы
Каждый фактор имеет уровни. Уровни - это значения, которые устанавливаются для каждого фактора при определении условий прогона модели в наблюдении.
Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПФЭ).
Общее число различных сочетаний уровней в ПФЭ для т факторов можно вычислить по формуле:
S = k1 · k2 · k3 · ... ki · ... · km,
где кi - число уровней i-го фактора.
Если число уровней для всех факторов одинаково, то S = k^m. Каждому сочетанию уровней факторов соответствует одно наблюдение.
Недостаток ПФЭ - большие затраты на подготовку и проведение, так как с увеличением числа факторов и их уровней число наблюдений в эксперименте растет. Например, если имеется шесть факторов с двумя уровнями каждый, то даже при одном прогоне модели в каждом наблюдении нужно S = 26 = 64 наблюдения. Очевидно, что каждый прогон удваивает это число, следовательно, увеличивает затраты машинного времени.
Если исследователя не интересуют взаимодействия высокого порядка, можно получить большое количество информации с помощью исследования лишь некоторой части (1/2,1/4, 1/8 и т. д.) всех возможных сочетаний уровней факторов.
Если в эксперименте производится лишь часть возможных наблюдений, т. е. уменьшается выборка, эксперимент называется частичным факторным экспериментом (ЧФЭ).
Когда используется выборка меньшая, чем того требует ПФЭ, плата за это осуществляется риском смешивания эффектов. Под смешиванием понимается то, что исследователь, измеряя один эффект, в то же время измеряет, возможно, и некоторый другой эффект. Например, если главный эффект смешивается с взаимодействием более высокого порядка, то эти два эффекта уже невозможно отделить друг от друга.
При построении плана ЧФЭ исследователь должен определить эффекты, смешивание которых он может допустить. Успех ЧФЭ достигается в случае, если его план позволяет не смешивать ни один главный эффект с другим.
Если число факторов невелико (обычно меньше пяти), то ЧФЭ нецелесообразен вследствие смешивания эффектов, не позволяющего различить главные эффекты и важные взаимодействия.
Дробный факторный эксперимент (ДФЭ) - один из видов ЧФЭ. В ДФЭ участвует только 2 уровня каждого фактора - нижний и верхний, поэтому общее число наблюдений S = 2^т.
