Prema ovoj značajki, modeli se dijele u dvije široke klase:

• apstraktni (mentalni) modeli;
• materijalni modeli.

Riža. 1.1.

Često se u modelarskoj praksi pojavljuju mješoviti, apstraktno-materijalni modeli.

Apstraktni modeli predstavljaju određene konstrukcije općeprihvaćenih znakova na papiru ili drugom materijalnom mediju ili u obliku kompjuterski program.

Apstraktne modele, ne ulazeći u pretjerane detalje, možemo podijeliti na:

• simbolički;
• matematički.

Simbolički model- Ovo logički objekt, zamjenjujući stvarni proces i izražavajući osnovna svojstva njegovih odnosa pomoću određeni sustav znakova ili simbola. To su ili riječi prirodnog jezika ili riječi odgovarajućeg tezaurusa, grafikona, dijagrama itd.

Simbolički model može imati samostalno značenje, ali u pravilu njegova konstrukcija ima početno stanje bilo koje drugo modeliranje.

Matematičko modeliranje- ovo je proces uspostavljanja korespondencije između modeliranog objekta i neke matematičke strukture, koja se naziva matematički model, i proučavanje ovog modela, koji omogućuje dobivanje karakteristika modeliranog objekta.

Matematičko modeliranje - glavni cilj te glavni sadržaj discipline koja se proučava.

Matematički modeli mogu biti:

• analitički;
• imitacija;
• mješoviti (analitički i simulacijski).

Analitički modeli - to su funkcionalni odnosi: sustavi algebarskih, diferencijalnih, integro-diferencijalnih jednadžbi, logičkim uvjetima. Maxwellove jednadžbe su analitički model elektromagnetskog polja. Ohmov zakon je model električnog kruga.

Transformacija matematičkih modela prema poznatim zakonima i pravilima može se smatrati eksperimentima. Rješenje temeljeno na analitičkim modelima može se dobiti kao rezultat jednokratnog izračuna, bez obzira na specifične vrijednosti karakteristika („u opći pogled"). Ovo je vizualno i prikladno za prepoznavanje obrazaca. Međutim, za složene sustave nije uvijek moguće izgraditi analitički model koji dovoljno u potpunosti odražava stvarni proces. Međutim, postoje procesi, na primjer, Markovljevi procesi, relevantnost modeliranje koje je s analitičkim modelima dokazano u praksi.

Simulacijsko modeliranje. Stvaranje računala doveli su do razvoja nove potklase matematičkih modela – simulacijskih.

Simulacijsko modeliranje podrazumijeva predstavljanje modela u obliku nekog algoritma – računalnog programa – čije se izvođenje simulira slijedom promjena stanja u sustavu i na taj način predstavlja ponašanje simuliranog sustava.

Proces izrade i testiranja takvih modela naziva se simulacija, a sam algoritam simulacijski model.

Koja je razlika između simulacijskih i analitičkih modela?

U slučaju analitičkog modeliranja, računalo je moćan kalkulator, zbrajalica. Analitički model odlučuje se na računalu.

U slučaju simulacijskog modeliranja, simulacijski model - program - provodi se na računalu.

Simulacijski modeli vrlo jednostavno uzimaju u obzir utjecaj slučajnih čimbenika. Ovo je ozbiljan problem za analitičke modele. U prisutnosti slučajnih faktora, potrebne karakteristike simuliranih procesa dobivaju se ponovljenim izvođenjem (implementacijama) simulacijskog modela i daljnjom statističkom obradom akumuliranih informacija. Stoga se često naziva simulacijsko modeliranje procesa sa slučajnim faktorima statističko modeliranje.

Ako je proučavanje objekta teško samo analitičkim ili simulacijskim modeliranjem, tada se koristi mješovito (kombinirano), analitičko i simulacijsko modeliranje. Prilikom konstruiranja takvih modela procesi funkcioniranja objekta rastavljaju se na sastavne podprocese, za koje se eventualno koriste analitički modeli, a za preostale potprocese grade se simulacijski modeli.

Modeliranje materijala na temelju korištenja modela koji predstavljaju stvarne tehnički nacrti. To može biti sam objekt ili njegovi elementi (modeliranje u punoj mjeri). To može biti poseban uređaj - model koji ima fizičku ili geometrijsku sličnost s originalom. Ovo može biti uređaj drugačije fizičke prirode od originala, ali su procesi u njemu opisani sličnim matematičkim odnosima. To je takozvano analogno modeliranje. Ova se analogija opaža, na primjer, između oscilacija antene satelitske komunikacije pod opterećenjem vjetra i vibracijama električna struja u posebno odabranom električnom krugu.

Često stvorena materijalno-apstraktni modeli. Onaj dio operacije koji se ne može matematički opisati modelira se materijalno, a ostatak - apstraktno. To su, na primjer, zapovjedne i stožerne vježbe, kada je rad stožera eksperiment punog opsega, a radnje postrojbi odražavaju se u dokumentima.

Klasifikacija prema razmatranoj karakteristici - načinu implementacije modela - prikazana je na sl. 1.2.

1.3. Faze modeliranja

Matematičko modeliranje kao i sve drugo, smatra se umjetnošću i znanošću. Poznati stručnjak u području simulacijskog modeliranja, Robert Shannon, naslovio je svoju knjigu, nadaleko poznatu u znanstvenom i inženjerskom svijetu: " Simulacijsko modeliranje- umjetnost i znanost." Stoga u inženjerskoj praksi nema formaliziranih uputa o tome kako izraditi modele. Ipak, analiza tehnika koje programeri modela koriste omogućuje nam da vidimo prilično transparentnu fazu modeliranja.

Prva razina: razumijevanje ciljeva modeliranja. Zapravo, ovo je glavna faza svake aktivnosti. Cilj bitno određuje sadržaj ostalih faza modeliranja. Imajte na umu da razlika između jednostavnog sustava i složenog nije generirana toliko njihovom suštinom, već i ciljevima koje je postavio istraživač.

Obično su ciljevi modeliranja sljedeći:

• predviđanje ponašanja objekta pod novim modusima, kombinacijama faktora itd.;
• izbor kombinacija i vrijednosti čimbenika koji osiguravaju optimalna vrijednost pokazatelji učinkovitosti procesa;
• analiza osjetljivosti sustava na promjene pojedinih čimbenika;
• testiranje različitih vrsta hipoteza o karakteristikama slučajnih parametara procesa koji se proučava;
• definicija funkcionalne veze između ponašanja ("odgovora") sustava i čimbenika utjecaja, koji mogu pridonijeti predviđanju ponašanja ili analizi osjetljivosti;
• razumijevanje suštine, bolje razumijevanje predmeta proučavanja, kao i formiranje prvih vještina za upravljanje simuliranim ili operacijskim sustavom.

Druga faza: izgradnja konceptualnog modela. Konceptualni model(od lat. koncept) - model na razini definirajućeg plana, koji se formira tijekom proučavanja modeliranog objekta. U ovoj fazi predmet se ispituje i uspostavljaju se potrebna pojednostavljenja i aproksimacije. Bitni aspekti su identificirani, a manji su isključeni. Postavljaju se mjerne jedinice i rasponi promjene varijable modela. Ako je moguće, onda konceptualni model predstavljen je u obliku dobro poznatih i dobro razvijenih sustava: čekanja, upravljanja, autoregulacije, razne vrste strojevi, itd. Konceptualni model u potpunosti sažima studiju projektna dokumentacija ili eksperimentalno ispitivanje modeliranog objekta.

Rezultat druge faze je generalizirani dijagram modela, potpuno spreman za matematički opis – konstrukciju matematičkog modela.

Treća faza: odabir programskog ili modelnog jezika, razvoj algoritma i modela programa. Model može biti analitički ili simulacijski, ili kombinacija oba. U slučaju analitičkog modela, istraživač mora biti vješt u metodama rješenja.

U povijesti matematike (a to je, usput rečeno, povijest matematičko modeliranje) postoji mnogo primjera kada je potreba za modeliranjem raznih vrsta procesa dovela do novih otkrića. Na primjer, potreba za modeliranjem gibanja dovela je do otkrića i razvoja diferencijalnog računa (Leibniz i Newton) i srodnih metoda rješenja. Problemi analitičkog modeliranja stabilnosti broda doveli su akademika A. N. Krilova do stvaranja teorije približnih proračuna i analognog računala.

Rezultat treće faze modeliranja je program sastavljen na najprikladnijem jeziku za modeliranje i istraživanje - univerzalnom ili posebnom.

Četvrta faza: planiranje pokusa. Matematički model je predmet eksperimenta. Eksperiment mora biti što je moguće informativniji, zadovoljiti ograničenja i dati podatke s potrebnom točnošću i pouzdanošću. Postoji teorija eksperimentalnog planiranja; mi ćemo proučavati elemente ove teorije koji su nam potrebni na odgovarajućem mjestu u disciplini. GPSS World, AnyLogic, itd.) i može se primijeniti automatski. Moguće je da se tijekom analize dobivenih rezultata model doradi, dopuni ili čak potpuno revidira.

Nakon analize rezultata modeliranja, provodi se njihova interpretacija, odnosno rezultati se prevode u termine predmetno područje . To je potrebno jer obično specijalist za predmet(onaj koji treba rezultate istraživanja) ne poznaje terminologiju matematike i modeliranja i može obavljati svoje zadatke koristeći samo pojmove koji su mu dobro poznati.

Ovime završavamo naše razmatranje slijeda modeliranja, nakon što smo donijeli vrlo važan zaključak o potrebi dokumentiranja rezultata svake faze. Ovo je neophodno iz sljedećih razloga.

Prvo, modeliranje je iterativni proces, to jest, iz svake faze se može vratiti na bilo koju od prethodnih faza kako bi se pojasnile informacije potrebne u ovoj fazi, a dokumentacija može spremiti rezultate dobivene u prethodnoj iteraciji.

Drugo, u slučaju istraživanja složenog sustava uključeni su veliki timovi programera i razne faze provode različiti timovi. Stoga rezultati dobiveni u svakoj fazi moraju biti prenosivi u naredne faze, odnosno imati jedinstvenu prezentacijsku formu i sadržaj koji je razumljiv drugim zainteresiranim stručnjacima.

Treće, rezultat svake faze mora biti vrijedan proizvod sam po sebi. Na primjer, konceptualni model ne smije se koristiti za daljnju konverziju u matematički model, već biti opis koji pohranjuje informacije o sustavu, koji se može koristiti kao arhiva, kao nastavno sredstvo itd.

USPOREDBA ANALITIČKOG I SIMULACIONOG MODELIRANJA ZA KLASIČNI TROFAZNI SUSTAV ČEKANJA

Tretyakova Anastasia Alekseevna 1, Zolotov Alexander Alexandrovich 1
1 Moskovsko državno tehničko sveučilište nazvano po N.E. Bauman

USPOREDBA ANALITIČKOG I SIMULACIONOG MODELIRANJA ZA KLASIČNI TROFAZNI SUSTAV ČEKANJA

Tretjakova Anastazija Aleksejevna 1, Zolotov Aleksandar Aleksandrovič 1
1 Moskovsko državno sveučilište Bauman

Bibliografska poveznica na članak:
Tretyakova A.A., Zolotov A.A. Usporedba analitičkog i simulacijskog modeliranja za klasični trofazni sustav čekanja // Moderna Znanstveno istraživanje i inovativnost. 2016. No. 12 [Elektronički izvor]..03.2019).

Trenutno je računalo neizostavan dio ljudske djelatnosti. Osim osobna upotreba, računala se aktivno koriste za organiziranje LAN-a (Lokalni računalna mreža). Pravilna izgradnja LAN mreže koja zadovoljava sigurnosne standarde omogućuje pristup potrebne informacije, pruža zaštitu od neovlaštenog pristupa podacima.
Za izgradnju pouzdanog, učinkovitog LAN-a potrebno je graditi na zahtjevima mreže. Svaki LAN obavlja funkcije sustava za obradu informacija (IPS). Prije odabira mrežne opreme važno je procijeniti tijek dolaznih zahtjeva, opterećenje radnih stanica, prijenosne kanale i druge karakteristike sustava. Za procjenu, simulacija dizajniranog, budući sustav uzimajući u obzir broj radnih stanica, broj procesora, vrijeme generiranja zahtjeva sa radna stanica itd.
Model nije objekt koji u potpunosti odražava sva svojstva i karakteristike budućeg sustava. Pri modeliranju se uzimaju u obzir glavni ulazni parametri koji utječu na proučavana svojstva sustava.
Međutim, manekenstvo jest važan korak u fazi razvoja sustava, budući da ima niz prednosti:isplativost u usporedbi s odmah implementiranim sustavom bez faze modeliranja. Može se pokazati da je takav sustav izrazito nerazvijen i zahtijeva nova gospodarska ulaganja;
ne zahtijeva izgradnju kompletan sustav proučavati njegove karakteristike;
omogućuje simulaciju ponašanja sustava u kritičnim stanjima;
omogućuje prepoznavanje novih obrazaca u kraćem vremenu.Prema načinu prikazivanja svojstava objekta u modelima se dijele na sljedeće vrste: analitički, algoritamski, simulacijski (slika 1).

Riža. 1. Klasifikacija matematičkih modela prema načinu prikazivanja svojstava objekta

Analitički matematički modeli koristiti matematički izrazi za dobivanje izlaznih parametara kao funkcija ulaznih parametara, algoritamski modeli su algoritam ili nekoliko algoritama koji određuju funkcioniranje modela. Simulacijski model namijenjen je istraživanju moguće načine model se mijenja kada različita značenja parametri.Analitičko modeliranje. Analitički model definiran je kao matematički opis strukture i procesa funkcioniranja sustava, kao i metoda za određivanje pokazatelja njegove učinkovitosti. Ovaj model vam omogućuje da brzo i točno karakterizirate ponašanje sustava.

Tijekom analitičkog modeliranja uspostavljaju se ovisnosti između ulaznih i izlaznih parametara sustava. Te se ovisnosti opisuju pomoću različitih jednadžbi (algebarskih, diferencijalnih, integralnih itd.). Analitičko modeliranje se ne koristi za računovodstvo veliki broj parametri. Zadaci koji zahtijevaju više parametri se rješavaju metodama simulacije. Analitički modeli se aktivno koriste za opisivanje QS (Queuing Systems). QS je sustav koji služi za servisiranje toka prijava.
Razmotrimo SOI prikazan na slici 2.

Riža. 2. Formalizirana shema SOI-a koja sadrži PC, kanal i poslužitelj

U dijagramu se koriste sljedeće oznake:
OADi - servisni uređaj koji simulira dodatnu obradu na i-toj radnoj stanici mreže zahtjeva od te stanice prema poslužitelju nakon obrade zahtjeva na poslužitelju;
OAf ja - servisni uređaj koji simulira formiranje zahtjeva od i-te radne stanice prema poslužitelju; (ja= 1… N);
BDO- međuspremnik koji simulira red zahtjeva za kanal;
OADO- servisni uređaj koji simulira kašnjenje pri prijenosu podataka kroz kanal;
BP - međuspremnik koji simulira red zahtjeva procesorima;
OAP- servisni uređaji koji simuliraju rad procesora.
Bd ja - međuspremnik koji simulira red zahtjeva prema i-tom disku;
OAd ja - servisni uređaj koji simulira rad i-tog diska.
P – vjerojatnost da će zahtjev biti poslan CPU-u nakon obrade na disku. Servis
primjene u svim OA poštuje eksponencijalni zakon.
Ovaj SOI poslužuje zahtjeve primljene od radnih stanica do poslužitelja. Ovi se nalozi generiraju u određenim vremenskim intervalima. Prijave se primaju servisnim uređajima. Sustav također predviđa odgodu pri slanju prijave kroz kanal, te mogućnost daljnje obrade prijave.
Analitički model ovog SOI može se konstruirati pomoću sljedećih formula:

1. (1)

Gdje - prosječna vrijednost ukupnog intenziteta pozadinskog protoka zahtjeva koji izlaze iz OA, simulirajući rad radnih stanica, u kanal;
- prosječan broj prolazaka zahtjeva na putu procesor-disk tijekom jednog ciklusa njegove obrade u sustavu;
- prosječna vrijednost vremena obrade zahtjeva u kanalu prijenosa podataka;
- prosječna vrijednost vremena obrade zahtjeva u CPU poslužitelja;
- prosječna vrijednost vremena obrade zahtjeva na disku poslužitelja;
N- broj radnih mjesta;
- vjerojatnost pristupa i-tom disku poslužitelja.
K1 uzima vrijednosti u rasponu 0,9…0,999995, zadano 0,995.

2. (2.1)

(2.2)

(2.3)

Gdje - prosječno vrijeme zadržavanja zahtjeva u kanalu;

Prosječno vrijeme koje zahtjev provede u procesoru;
- prosječno vrijeme koje zahtjev ostaje na diskovima;
S- broj poslužiteljskih procesora.

3. ,(3)

Gdje - intenzitet pozadinskog toka nakon sljedeće iteracije.

4. Nakon izračuna pomoću formula (1-3), uspoređujemo. Ako , zatim idite na točku 5, inače nastavljamo izračun pomoću formula (4.1-4.2).- može poprimiti vrijednosti u rasponu od 0,000001 do 0,9. Zadana vrijednost je 0,05.

gdje K2 uzima vrijednosti u rasponu od 10...100000, zadana vrijednost je 100.

Idite na točku 2.
5. Određivanje izlaznih rezultata analitičkog modela zase proizvodi prema formulama (2). Pomoću donjih formula određuju se preostale izlazne karakteristike SOI.

(5.5)

Prosječno vrijeme ciklusa sustava;
- prosječno vrijeme generiranja zahtjeva;

Implementacija SOI analitičkog modela. Programska implementacija analitičkog modela pomoću formula (1-5) napisana je u programskom jeziku C#. Oblik interakcije korisnika prikazan je na slici 3.

Riža. 3. Sučelje programa “Analitički model SOI”

U tablici Slika 1 prikazuje ulazne i izlazne parametre SOI modela.

Tablica 1. Parametri SOI modela

Provođenje eksperimenata na SOI modelu. Pomoću analitičkog modela simuliran je rad SOI. Eksperimenti su provedeni za različite brojeve radnih stanica, procesora, diskova, vremena generiranja zahtjeva, obrade i dodatne obrade, za sustave bez dodatne obrade i s dodatnom obradom aplikacije. Početni podaci i rezultati simulacije za neke eksperimente dani su u tablici. 2.

Tablica 2. Analitičko modeliranje SOI

Također, korištenjem analitičkog modela utvrđeno je da se za različite K1, K2, ∆ rezultati značajno ne razlikuju, osim pokazatelja - broja iteracija. Kada koristite gornji pristup analitičkog modeliranja, preporučljivo je koristiti zadane vrijednosti za K1, K2, ∆, osim ako je potrebno visoka točnost kalkulacije.
Simulacijsko modeliranje. Simulacijsko modeliranje je metoda koja omogućuje izradu i dobivanje modela situacija koje bi se dogodile u stvarnosti. Simulacija se može provoditi u određenom vremenskom intervalu. Koristeći ovu značajku simulacijski modeli može se promatrati kako se sustav ponaša tijekom vremena. Ovo može biti korisno kada je sustav složen, a znanstvenici ili istraživači ne razumiju kako će se sustav ponašati nakon određenog vremenskog odsječka (za sat, dan itd.).
Simulacijski model je logički i matematički opis objekta koji se može koristiti za eksperimentiranje na računalu u svrhu projektiranja, analize i procjene funkcioniranja objekta.
Jezik za modeliranje koji se danas najviše koristi je GPSS. Jezik GPSS dokazao se kao dobar jezik simulacijsko modeliranje za sustave čekanja i sustave koji se mogu formalizirati kao sustavi čekanja.
GPSS model je niz iskaza. Svaki operater ima svoje (posebno) ponašanje
Tumači jezika GPSS koriste metodu obrade koja se temelji na događajima. U modelu može postojati nekoliko transakcija odjednom. Transakcija je apstraktni objekt koji se kreće između statičkih objekata (izjave GPSS jezika), reproducirajući specifično ponašanje stvarnog objekta. Tumač servisira transakcije određenim redoslijedom (FIFO, LIFO), simulirajući na taj način tijek transakcija prema simulacijskom modelu.
Gore razmotren sustav pripada klasi masovnih servisnih sustava. Sukladno tome, moguće je izraditi simulacijski model ovog sustava i provjeriti rezultate analitičkog modeliranja.
Model specificira broj radnih stanica, vrijeme obrade zahtjeva na radnoj stanici, vrijeme obrade zahtjeva, vrijeme prijenosa kroz kanal, broj procesora, vrijeme obrade zahtjeva na procesoru, broj diskova, vrijeme obrade na disku. Usporedimo rezultate analitičkog i simulacijskog modeliranja. Rezultati simulacije, kao i ulazni podaci, prikazani su u tablici 3.

Tablica 3. Rezultati simulacije.

Iz prikazanih rezultata jasno je da se simulacijsko modeliranje prilično dobro slaže s analitičkim modeliranjem. Razlika u rezultatima simulacije ne prelazi 7-8%, što je sasvim prihvatljivo za inženjerski proračuni.

Zaključak.U članku su ispitana 2 pristupa analizi sustava čekanja: analitička metoda i metoda simulacije. Nekoliko pokusa dalo je rezultate koji su se međusobno dobro slagali. Pogreška između ove dvije metode nije veća od 7-8%, što je dobar pokazatelj za inženjerske izračune. Stoga se za analizu sustava čekanja u praksi koristi kombinacija ove dvije metode. Prvo se koristi analitičko modeliranje, zatim se rezultati provjeravaju pomoću simulacijskih modela. Kombinacija ove dvije metode omogućuje vam postizanje prihvatljivog rezultata, kao i smanjenje broja pogrešaka i pogrešnih odluka.– (Datum pristupa: 01.12.2016.) Broj pregleda publikacije: Molimo pričekajte

Simulacijsko modeliranje koristi se u slučajevima kada druge metode nisu moguće.

Simulacijski modeli se koriste kada je objekt modeliranja toliko složen da se njegovo ponašanje može adekvatno opisati. matematičke jednadžbe nemoguće ili teško.

Ih. modeliranje nam omogućuje dekompoziciju veliki modeli na dijelove koji se mogu zasebno modelirati, stvarajući druge složenije modele.

Glavne razlike između analitičkih i simulacijskih modela

An. modeli - ur-th ili sustavi ur-th-a, napisani u obliku algebarskih, integralnih, konačnih razlika, diferencijalnih. i druge relacije i log. Uvjeti.

Ih. modeli - umjesto analitičkog opisa odnosa između ulaza i izlaza proučavanog sustava, oni grade algoritam, prikaz, slijed razvoja procesa unutar proučavanog objekta, a zatim "odigravaju" ponašanje objekt na računalu.

Ih. Model, za razliku od analitičkog, ne predstavlja cjelovit sustav jednadžbi, već detaljan dijagram s detaljnim opisom strukture i ponašanja objekta koji se proučava.

Značajke simulacijskih modela:

1) pri izradi simulacijskog modela mogu se zakonitosti funkcioniranja nepoznato (dovoljno je poznavati algoritme za funkcioniranje dijelova sustava i veze među njima)

2) u simulacijskom modelu specificiraju se veze između parametara i karakteristika sustava, a vrijednost proučavanih karakteristika određuje se tijekom simulacijskog eksperimenta na računalu.

Uvjeti za korištenje simulacijskih modela su široka klasa sustava gotovo svake složenosti.

Prednosti za njih. modeliranje:

1) Često jedina metoda istraživanje složenih sustava

2) im. Model omogućuje proučavanje složenih sustava na različitim razinama detalja.

3) Postaje moguće proučavati dinamiku interakcije između elemenata sustava

4) Moguće je ocijeniti karakteristike sustava u pravi trenutak vrijeme.

5) Ima ih dosta alata

Mane im. modeliranje:

1) Skupo

2) Manja općenitost rezultata ne dopušta nam identificiranje obrazaca funkcioniranja

3) Ne postoje pouzdane metode za procjenu adekvatnosti

Komponente nazvane po modeli:

Komponente su komponente koje, pravilno spojene, tvore sustav.

Parametri su određeni uvjeti pod kojima sustav radi. (ne mijenjati tijekom procesa modeliranja)

Varijable:

1) Egzogeni – ulazne varijable koje nastaju izvan sustava ili su rezultat utjecaja vanjskih uzroka.

2) Endogene - varijable koje nastaju u sustavu (stanja, izlazi)

Funkcionalne ovisnosti– ovisnosti koje opisuju interakciju između varijabli, kao i komponenti sustava (determinističke, stohastičke)

Ograničenja – ograničenja promjene vrijednosti varijabli (umjetna, uvedena od strane programera ili prirodna, određena zakonima okoliša)

Objektivne funkcije su točke prikaza ciljeva ili zadataka sustava i potrebna pravila procjena njihove provedbe. (ciljevi održavanja i nabave)

Metoda simulacije je simulacija softver proces funkcioniranja sustava prema poznatim algoritmima, log. i analit. ovisnosti koje formaliziraju vanjske utjecaje, elemente sustava i veze među njima.

Simulacijsko modeliranje koristi se za analizu i sintezu složenih sustava u slučajevima kada je analitički model previše složen ili se ne može razviti. Simulacijski model odražava procese u sustavu uz prisutnost vanjskih utjecaja na sustav, te odnos između parametara unutarnjih, vanjski elementi a izlazni parametri su u njemu navedeni implicitno u obliku algoritma za modeliranje.

U simulaciji algoritam koji implementira model reproducira proces funkcioniranja sustava u vremenu, a simuliraju se elementarni fenomeni koji čine proces, čuvajući njihovu logičnu strukturu i redoslijed njihovog pojavljivanja u vremenu, čime se iz početnih podataka mogu dobiti informacije o stanjima procesa u određenim trenucima vremena. , što omogućuje procjenu karakteristika sustava . Vrijeme je u takvom modelu jedna od ključnih točaka koja nam omogućuje proučavanje sustava u procesu funkcioniranja.

Glavna prednost simulacijskog modeliranja u usporedbi s analitičkim modeliranjem je mogućnost rješavanja složenijih problema. Simulacijski modeli omogućuju jednostavno uzimanje u obzir faktora kao što su prisutnost diskretnih i kontinuiranih elemenata, nelinearne karakteristike elemenata sustava, brojni slučajni utjecaji itd., koji često stvaraju poteškoće u analitičkim studijama. Nedvojbena prednost simulacijskih modela je mogućnost simulacije čak iu slučajevima kada analitički modeli ili nedostaju ili (zbog složenosti sustava) ne daju praktično prikladne rezultate. Simulacijski model omogućuje korištenje gotovo svih, vrlo složenih ovisnosti u opisivanju sustava.

Još jedna prednost simulacijskih modela je vidljivost simulacijskih rezultata (konačnih i srednjih). Ako se kod analitičkog modeliranja osigurava sličnost karakteristika objekta i modela, kod simulacije postoji sličnost u samim procesima koji se odvijaju u modelu i stvarnom objektu. Međurezultati simulacijskog modeliranja, za razliku od rezultata analitičkih proračuna, imaju jasno fizičko značenje. To olakšava otkrivanje grešaka u programu - posebno kada se radi u interaktivnom načinu rada.

Simulacijsko modeliranje nalikuje fizičkom eksperimentu. Sa stajališta prikupljanja statističkih podataka, simulacijski model omogućuje provođenje aktivnog eksperimenta korištenjem ciljanih promjena parametara modela na određenom skupu implementacija. Potonji vam omogućuje da pomoću računala proučavate optimizirane funkcije kvalitete (funkcije) sustava.

Metoda simulacije omogućuje rješavanje problema analize velikih sustava , uključujući zadatke procjene: opcije strukture sustava, učinkovitost različitih algoritama upravljanja sustavom, utjecaj promjene različitih parametara sustava. Simulacijsko modeliranje također se može koristiti kao osnova za strukturnu, algoritamsku i parametarsku sintezu velikih sustava, kada je potrebno izraditi sustav zadanih karakteristika uz određena ograničenja, koji je optimalan prema određenim kriterijima procjene učinkovitosti.

Trenutno je simulacijsko modeliranje najviše učinkovita metoda proučavanja velikih sustava, a često i jedina praktična dostupna metoda dobivanje informacija o ponašanju sustava, posebice u fazi projektiranja.

Nedostaci simulacijskog modeliranja, posebno za složene sustave, uključuju visoka cijena njihov razvoj, kao i greške koje opći slučaj teško ili nemoguće izmjeriti. Osim toga, rješenje dobiveno metodom simulacije uvijek je posebne prirode, odgovara fiksnim vrijednostima parametara sustava i početni uvjeti. Stoga je za sveobuhvatnu analizu sustava potrebno više puta simulirati proces njegovog funkcioniranja, mijenjajući početne podatke. S tim u vezi, simulacijski model ne dopušta izračunavanje optimalnog stanja sustava, već samo omogućuje proučavanje sustava, osiguravanje njegovog razvoja i približavanje njegove strukture ili karakteristika optimalnim prilikom provođenja numeričkih eksperimenata na računalu. .

Nedostaci simulacijskog modeliranja također uključuju:

Velika potrošnja vremena na računalu;

Niska točnost probabilističkih karakteristika rijetkih događaja;

Poteškoće u dobivanju općih zaključaka i preporuka;

Složenost optimizacije sustava (potraga za optimumom zahtijeva multivarijantne izračune i provodi se u prisutnosti probabilističkih smetnji - slučajnih pogrešaka u rezultatima);

Navedeni nedostaci simulacijskog modeliranja donekle su ublaženi stalnim rastom tehničkih karakteristika (brzine i memorijskog kapaciteta) suvremenih računala.

Iz ovih razloga, korištenje simulacijskog modeliranja smatra se prikladnim:

Za dobivanje primarnih podataka o pojavi koja se proučava, ako se ti podaci ne mogu dobiti u prirodnom eksperimentu;

Provjeriti valjanost pretpostavki koje je izradio programer kako bi se prešlo na analitičke metode;

Demonstrirati konačne rezultate studije na prilično cjelovitom modelu stvarnog stanja;

U slučajevima kada složenost situacije daleko premašuje mogućnosti analitičkih metoda poznatih razvojnom programeru.

Postoje dva pristupa izgradnji modela: "analitičko" i "simulacijsko" modeliranje.

Analitičko modeliranje na temelju neizravnog opisa modeliranog objekta pomoću skupa matematičkih formula. U ovom slučaju pretpostavlja se da će se koristiti matematički model realnog objekta u obliku algebarskih, diferencijalnih, integralnih i drugih jednadžbi koje povezuju izlazne varijable s ulaznim. Uvodi se sustav ograničenja. Obično se pretpostavlja da postoji jedinstveni računski postupak za dobivanje točnog rješenja jednadžbi. Jezik analitičkog opisa sadrži sljedeće glavne skupine semantičkih elemenata: kriterij, nepoznanice, podaci, matematičke operacije, ograničenja. Najznačajnije je da analitički model, općenito govoreći, strukturno nije sličan modeliranom objektu. Strukturna sličnost ovdje se odnosi na nedvosmislenu podudarnost elemenata i veza modela s elementima i vezama modeliranog objekta. Analitički modeli uključuju modele izgrađene na temelju matematičkog programiranja, korelacijske i regresijske analize.

Analitički model uvijek je formalni konstrukt koji se može analizirati i matematički razriješiti. Dakle, ako se koristi aparat za matematičko programiranje, tada se model sastoji od objektivne funkcije i sustava ograničenja na varijable. Funkcija cilja u pravilu izražava karakteristiku sustava koju je potrebno izračunati ili optimizirati. Konkretno, to može biti izvedba sustava. Varijable izražavaju različite tehničke karakteristike sustava, ograničenja – njihove dopuštene granične vrijednosti. Proces (u gore definiranom smislu) koji se odvija na objektu ne mora imati izravnu analogiju u analitičkom modelu. Analitički modeli učinkovit su alat za rješavanje optimizacijskih problema ili izračunavanje karakteristika različitih vrsta sustava, uključujući informacijske, proizvodne itd. Međutim, u nizu praktičnih problema korištenje analitičkih modela je otežano zbog njihove velike dimenzije.

Simulacijsko modeliranje na temelju izravnog opisa modeliranog objekta. Bitna karakteristika takvih modela je strukturna sličnost objekta i modela. To znači da je svakom elementu objekta koji je značajan sa stajališta problema koji se rješava pridružen element modela. Istodobno se opisuju zakonitosti funkcioniranja svakog elementa objekta i veze među njima. Rad sa simulacijskim modelom uključuje provođenje simulacijskog eksperimenta. Proces koji se odvija u modelu tijekom eksperimenta sličan je procesu u stvarnom objektu. Stoga se proučavanje objekta pomoću njegovog simulacijskog modela svodi na proučavanje karakteristika procesa koji se odvija tijekom eksperimenta.

Za formalno predstavljanje stvarnog sustava u simulaciji obično se koristi dijagram diskretnih događaja. Pri tome se proces funkcioniranja sustava u vremenu poistovjećuje sa slijedom događaja koji se u sustavu odvijaju u skladu sa zakonitostima njegova funkcioniranja. Formalni koncept “događaja” sadrži specifičan semantički sadržaj određen ciljevima modeliranja.

Vrijedna kvaliteta simulacije je mogućnost kontrole vremenske skale. Dinamički proces u simulacijskom modelu odvija se u tzv. sustavnom vremenu. Vrijeme sustava simulira stvarno vrijeme. U tom slučaju preračunavanje sistemskog vremena u modelu može se izvesti na dva načina: prvi je da se “pomiče” u vremenu s određenim konstantnim korakom t, drugi je da se pomiče u vremenu od događaja do događaja. Pretpostavlja se da nema promjena u modelu u vremenskim intervalima između događaja.

Glavna svrha simulacijskog modeliranja je sljedeća:

identificirati glavne, bitne varijable, procijeniti stupanj utjecaja njihovih promjena na proučavane parametre sustava, te odrediti "uska grla", tj. tehnološki, organizacijski ili upravljački, koji najznačajnije utječu na performanse sustava;

proučavati utjecaj različitih organizacijskih, upravljačkih i tehničko-ekonomskih promjena na performanse sustava;

procijeniti različite opcije tehnička rješenja, strategije upravljanja pri traženju optimalne strukture sustava.

Na temelju metode opisivanja dinamike ponašanja može se odabrati odgovarajuća shema za izradu simulacijskog modela. Model se može opisati kroz događaje, radove (aktivnosti), procese i transakcije.

Događaj je uzrok trenutne promjene stanja nekog elementa sustava ili stanja sustava u cjelini. Obično se događaji dijele na naknadne događaje, tj. događaji koji kontroliraju inicijalizaciju procesa ili pojedinih poslova unutar procesa te događaji promjena stanja sustava ili njegovih elemenata.

Na temelju događaja preporučljivo je izgraditi model kako bi se proučavali uzročno-posljedični odnosi svojstveni sustavu.

Ako istraživača zanima ne samo logika promjena stanja, već i vremenska obilježja njegova rada, mehanizam događaja služi kao osnova za predstavljanje rada, procesa i transakcija u modelu.

Rad je jedinstvena radnja sustava za obradu ulaznih podataka (informacijski podaci, materijalna sredstva). Svaki posao karakterizira vrijeme izvršenja i utrošeni resursi. Koristeći modele opisane u terminima rada, mogu se riješiti problemi procjene kvalitete distribucije resursa sustava, njegove performanse i pouzdanosti. Proces je logički povezan skup aktivnosti.

Statičke karakteristike procesa (rada) su trajanje, rezultat, utrošeni resursi, uvjeti početka (aktivacije), uvjeti zaustavljanja (prekida). Dinamička karakteristika procesa (rada) je njegovo stanje (na primjer, aktivan ili u stanju pripravnosti sustava). Kada se opisuje sustav u smislu aktivnosti i procesa, koriste se obje vrste događaja.

Transakcija je poruka (uslužni zahtjev) koja dolazi izvana na ulaz sustava i podliježe obradi. Prolazak transakcije kroz sustav u nekim se slučajevima može smatrati sekvencijalnim aktiviranjem procesa koji je obrađuju (servisiranje aplikacije).

U simulacijskom modeliranju, korišteni matematički model reproducira logiku ("algoritam") funkcioniranja sustava koji se proučava u vremenu za različite kombinacije vrijednosti parametara sustava i vanjsko okruženje. Ovo je promatranje ponašanja modela sustava pod utjecajem ulaznih utjecaja.

Očito je da je u nekim slučajevima bolje analitičko modeliranje, u drugima simulacija (ili kombinacija oboje). Odabir korištenja jednog od pristupa ovisi o ciljevima modeliranja i klasi pojave koja se modelira.