- •Тульский государственный университет
- •Конспект лекций
- •Моделирование систем
- •Оглавление
- •Лекция 1 введение Имитационное моделирование – метод научного познания
- •1. Предмет курса, его цели и задачи
- •2. Имитационное моделирование как метод научного познания. Философские аспекты теории моделирования.
- •3. Основные понятия курса
- •1. Понятие сложной системы
- •2. Факторы, действующие на процесс функционирования сложной системы
- •Лекция 2 введение Сложные системы
- •3. Показатели, характеризующие свойства сложных систем
- •4. Задачи исследования сложных систем
- •Лекция 3 имитационное моделирование
- •1 Модели и их роль в изучении процессов функционирования сложных систем
- •2 Классификация видов моделирования систем
- •3 Математическое моделирование процессов функционирования систем
- •4 Аналитические и имитационные модели
- •Лекция 4
- •1. Основные подходы к описанию функционирования сложных систем
- •2. Дискретно - детерминированные модели
- •3. Непрерывно - детерминированные модели
- •4. Дискретно - стохастические модели
- •5. Непрерывно - стохастические модели
- •Лекция 5 обобщенная схема построения модели сложной системы
- •1. Основные этапы формализации: концептуальная модель, формализованная схема, математическая модель
- •2. Пример описания системы
- •3. Проверка адекватности модели и объекта
- •Лекция 6 принципы построения моделирующих алгоритмов
- •1. Формы представления логической структуры модели
- •2. Методы построения моделирующих алгоритмов
- •3. Формы представлений логической структуры моделей
- •4. Проверка адекватности модели и объекта моделирования
- •Лекция 7 роль времени в имитационных моделях
- •1. Масштабы времени
- •2. Способы управления модельным временем
- •Лекция 8 моделирование дискретных случайных воздействий на систему и событий
- •1. Общая характеристика метода статистического моделирования на эвм
- •2. Методы получения случайных чисел и их машинная генерация
- •3. Проверка качества псевдослучайных последовательностей чисел
- •4. Моделирование случайных событий
- •Лекция 9 моделирование непрерывных случайных величин
- •1. Метод обратной функции.
- •2. Метод исключения
- •3. Моделирование нормального распределения
- •4. Обобщенное распределение Эрланга
- •5. Треугольное распределение.
- •6. Моделирование случайной величины со ступенчатой плотностью
- •Лекция 10 формирование реализаций случайных векторов и процессов
- •1. Имитация случайного вектора, заданного совместной плотностью распределения вероятностей
- •2. Имитация нормально распределенного случайного вектора
- •3. Моделирование вектора, заданного распределением компонент и коэффициентами корреляции.
- •4. Моделирование случайных функций (процессов)
- •Лекция 11 точность и качество испытаний при статистическом моделировании
- •1. Общая схема фиксации и обработки результатов моделирования
- •2. Статистическая обработка независимых реализаций критерия интерпретации
- •3. Оценка точности и необходимого количества реализаций модели
- •4. Использование правил автоматической остановки
- •Лекция 12 общая характеристика языков моделирования
- •1. Общая характеристика языков моделирования
- •2. Основные понятия и средства языков моделирования
- •Лекция 13
- •1. Диалоговые системы моделирования
- •2. Банки данных моделирования
- •3. Моделирование на аналоговых вычислительных машинах и гибридных моделирующих комплексах
- •Лекция 14 планирование машинных экспериментов с моделями систем
- •1. Цели и задачи планирования машинных экспериментов.
- •2. Основные понятия теории планирования экспериментов
- •3. Модели планирования эксперимента
- •4. Стратегическое планирование машинных экспериментов
- •5. Тактическое планирование машинных экспериментов
- •Лекция 15 общая схема фиксации и обработки результатов моделирования систем
- •1. Особенности фиксации и обработки результатов моделирования
- •2. Оценка моментов распределения
- •3. Оценка функции распределения
- •Лекция 16 методы понижения дисперсии результатов моделирования
- •1. Критерии сравнительной оценки вариантов систем
- •2.Методы понижения дисперсии результатов.
- •Лекция 17 сравнение вариантов сложных систем по результатам моделирования
- •1. Сравнение вариантов сложных систем при моделировании
- •Г радиентные методы . Метод также заключается в последовательной проверке значений в точках o, 1, 2,... m
- •Часть 2 Лекция 18 формализация процессов функционированиия систем схемами систем массового обслуживания
- •1. Общая характеристика систем массового обслуживания.
- •2. Формализация входного потока
- •Лекция 19 моделирующие алгоритмы системы массового обслуживания
- •1. Одноканальная смо с ожиданием
- •2 Однолинейная смо с приоритетным обслуживанием
- •3. Особенности построения моделирующего алгоритма многофазных многоканальных смо
- •Лекция 20 агрегаты и агрегатные системы
- •1.Понятие агрегата.
- •2. Математическое описание агрегата.
- •Лекция 21 построение моделирующих алгоритмов в виде агрегатов
- •1. Моделирование функционирования агрегата при заданных входных и управляющих воздействиях.
- •2. Моделирование функционирования агрегата при вырабатываемых в процессе моделирования воздействиях
- •Лекция 22 агрегативные системы
- •1. Основные понятия и определения агрегативных систем
- •2. Моделирование агрегативных систем.
- •3. Регистровый метод моделирования а-систем
- •4. Автоматизация имитационного моделирования с использованием агрегативного подхода.
- •Лекция 23 основные направления использования моделирования при проектировании и эксплуатации асу
- •1. Универсальная автоматизированная модель в асу
- •2. Применение универсальных автоматизированных моделей в сфере
- •3.Использование имитационного моделирования при проектировании сложных систем.
- •Лекция 24
- •1. Особенности формализации функционирования асу
- •2. Особенности моделирования асу на эвм
- •3. Пример моделирования асу предприятием
- •Лекция 25 моделирование производственных процессов
- •1.Понятие о дискретном производственном процессе.
- •2. Формализованные обобщенные операции
- •3. Формализация операции обработки
- •4. Формализация операции сборки.
- •Лекция 26 моделирование производственных процессов
- •5. Формализация операции управления
- •6. Моделирование операций обработки
- •7. Моделирование операции сборки.
- •Лекция 27 формализация нарушений производственного процесса
- •1. Общая схема нарушений производственного процесса.
- •2. Формализация брака
- •Лекция 28 формализация нарушений производственного процесса
- •3. Формализация процессов отказа оборудования
- •Лекция 29 моделирование непрерывных производственных процессов
- •1. Особенности формализации и методика моделирования
- •Лекция 30 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Модель производственной фирмы
- •1.4. Пример решения задачи моделирования
- •Лекция 31 динамические модели процессов на предприятиях и в организациях различных отраслей экономики.
- •1. Содержательное описание финансовой деятельности фирмы
- •2. Концептуальная модель
- •3. Алгоритм модели
- •4. Пример решения задачи моделирования
- •Лекция 32 перспективы развития машинного моделирования сложных систем
- •Применение имитационного моделирования
- •Направления развития имитационного моделирования
- •Области применения имитационного моделирования
- •Библиографический список
Лекция 14 планирование машинных экспериментов с моделями систем
План лекции
1. Цели и задачи планирования машинных экспериментов.
2. Основные понятия теории планирования экспериментов.
3. Модели планирования эксперимента.
4. Стратегическое планирование машинных экспериментов.
5. Тактическое планирование машинных экспериментов.
1. Цели и задачи планирования машинных экспериментов.
Машинный эксперимент с моделью системы проводится с целью получения информации о характеристиках процесса функционирования исследуемого объекта, его свойствах. Эта информация может быть использована как для анализа характеристик, так и для их оптимизации при заданных ограничениях, т.е. для синтеза структуры, алгоритмов и параметров системы.
В зависимости от поставленных целей моделирования системы на ЭВМ имеются различные подходы к организации имитационного эксперимента с машинной моделью. Основная задача планирования машинных экспериментов - получение необходимой информации об исследуемой системе при ограничениях на ресурсы (затраты машинного времени, памяти и т.п.). К числу частных задач, решаемых при планировании машинных экспериментов, относятся задачи уменьшения затрат машинного времени на моделирование, увеличения точности и достоверности результатов моделирования, проверки адекватности модели и т.п.
Эффективность машинных экспериментов с моделями существенно зависти от выбора плана эксперимента, так как именно план определяет объем и порядок проведения вычислений на ЭВМ, приемы накопления и статистической обработки результатов моделирования системы. Поэтому основная задача планирования машинных экспериментов с моделью формулируется следующим образом: необходимо получить информацию об объекте моделирования, заданном в виде моделирующего алгоритма при минимальных или ограниченных затратах машинных ресурсов на реализацию процесса моделирования.
Таким образом, при машинном моделировании необходимо рационально планировать не только саму модель системы, но и процесс ее использования.
2. Основные понятия теории планирования экспериментов
К настоящему времени разработаны достаточно мощные методы теории планирования физических экспериментов. Однако, перенос этих результатов на область машинных экспериментов с моделями может иметь место только с учетом специфики моделирования систем на ЭВМ. Для планирования машинного эксперимента наиболее важное значение имеет следующее: 1) простота повторения условий эксперимента на ЭВМ с моделью системы; 2) возможность управления экспериментом с моделью, включая его прерывание и возобновление; 3) легкость варьирования условий проведения эксперимента; 4) наличие корреляции между последовательностью точек в процесс моделирования; 5) трудности, связанные с определением интервала моделирования.
Рассмотрим основные понятия теории планирования экспериментов. В связи с тем,что математические методы планирования экспериментов основаны на кибернетическом представлении процесса проведения эксперимента, за модель последнего принята абстрактная схема, называемая "черным ящиком". При таком подходе различают входные (X1, X2,...,Xк) и выходные (Y1,Y2,...,Yl) переменные. В зависимости от того, какую роль играет каждая переменная в проводимом эксперименте, она может являться либо фактором, либо реакцией. Пусть, например, имеют место только две переменные х и у . Цель эксперимента - изучение влияния переменной х на переменную у. Тогда х - фактор,
а у - реакция. В экспериментах с машинными моделями систем фактор является экзогенной (управляемой, входной) переменной, а реакция - эндогенной (выходной) переменной.
Каждый фактор Xi, i=1,K может принимать в эксперименте одно или несколько значений, называемых у р о в н я м и. Фиксированный набор уровней факторов определяет одно из возможных состояний рассматриваемой системы и одновременно представляет собой условия проведения одного из возможных экспериментов.
Каждому фиксированному набору уровней факторов соответствует определенная точка в многомерном пространстве, называемом фак-
торном пространством. Эксперименты реализуются в определенных точках факторного пространства.
Между уровнями факторов и реакций (откликом) системы существует определенная связь, которую можно представит в виде соотношения
Функцию
,связывающую реакцию с факторами,
называют функцией реакции (отклика), а
геометрический образ, соответствующий
ей - поверхностью реакции. Исследователю
заранее не известен вид зависимостей
, поэтому используют приближенные
соотношения:
Зависимости
находятся по данным эксперимента.
Эксперимент необходимо поставить так,
чтобы при минимальных затратах ресурсов
(например, минимальном числе испытаний),
варьируя по специально сформулированным
правилам значения входных переменных,
построить математическую модель системы
и оценить ее характеристики.
Фактор называется у п р а в л я е м ы м, если его уровни целенаправленно выбираются исследователем в процессе эксперимента.
Фактор называется н а б л ю д а е м ы м, если его значения наблюдаются регистрируются. Обычно в машинном эксперименте наблюдаемые факторы совпадают с управляемыми. Не управляемый фактор также можно наблюдать. Наблюдаемые неуправляемые факторы получили название с о п у т с т в у ю щ и х. Обычно при машинном моделировании число сопутствующих факторов велико. Поэтому рационально
учитывать влияние лишь тех из них, которые наиболее существенно воздействуют на интересующую исследователя реакцию.
Фактор будет количественным, если его значения - числовые величины, влияющие на реакцию. В противном случае фактор называется качественным.
Фактор называется ф и к с и р о в а н н ы м, если в эксперименте исследуются все интересующие значения фактора. Если экспериментатор исследует только некоторую случайную выборку из совокупности интересующих значений факторов, то называется случайным. На основании случайных факторов могут быт сделаны вероятностные выводы и о тех значениях факторов, которые в эксперименте не исследовались.
Каждый фактор может принимать в испытании одно или несколько значений, называемых у р о в н я м и. Фактор будет управляемым, если его уровни целенаправленно выбираются экспериментатором. Уровень фактора может поддерживаться постоянным в течение всего испытания или меняться в соответствии с заданной программой.
При планировании эксперимента обычно одновременно изменяются несколько факторов. К совокупности факторов предъявляют требования: совместимости и независимости. Совместимость факторов означает, что все их комбинации осуществимы, а независимость соответствует возможности установления фактора на любом уровне независимо от других.
Машинный
эксперимент обычно проводят в условиях,
которые способствуют выявлению влияния
факторов на искомую характеристику.
Для этого необходимо: отобрать факторы
Xi,
(i=1..k), влияющие на искомую характеристику,
и описать функциональную зависимость;
установить диапазон изменения факторов;
определить координаты точек факторного
пространства (X1,
x2,...,Xk),
в которых следует проводить эксперимент;
оценить необходимое число реализаций
и их порядок в эксперименте.
