Учебник_Информатика. Стандарт третьего поколениян. В. Макарова, В. Б. Волков
![]()
|
Пример. Модель 1: разработать внешний дизайн автомобиля. Модель 2: установить предельные прочностные характеристики автомобиля при движении по пересеченной местности. Модель 3: разработать оптимальный режим подачи топлива в двигатель авто мобиля в зависимости от температурного режима окружающей среды и режима движения. Несмотря на то что во всех трех случаях материальный объект (прототип) для моделирования один и тот же, цели моделирования разные, соответственно, и вид модели определяется заданной целью. Пример. Модель 1: трехмерная геометрическая модель автомобиля, отобража ющая текстуру и цвет покрытия, а также учитывающая дизайн осветительной системы. Модель 2: модель автомобиля, имитирующая прочностные характеристики его основных узлов при движении в различных режимах с учетом максимальных нагрузок. Модель 3: модель топливной системы автомобиля с возможностью изменения параметров подачи топлива и режимов работы двигателя. После определения цели моделирования следует этап тщательного исследова ния модели и описания полученных при исследовании результатов на формальном языке. На этом этапе формируется возможно более полное описание объекта: вы деляются его элементы, устанавливаются связи между ними, вычленяются суще ственные для исследования характеристики, выявляются параметры, изменение которых влияет или может влиять на объект. На том же этапе формируются подле жащие последующей проверке гипотезы о закономерностях, присущих изучаемому объекту, о характере влияния на него изменения тех или иных параметров и связей между его элементами. 218 Глава 7. Основы моделирования 7.3.2. Разработка (формализация и синтез) модели На основе анализа результатов, полученных на предыдущем этапе, формируется информационная модель. На данном этапе исходные предположения переводятся на однозначный (обычно математический) язык количественных отношений и устра няются нечеткие, неоднозначные высказывания или определения. Завершается этап получением информационной модели объекта. Информационная модель может быть представлена в виде таблиц с данными, набора математических от ношений, диаграмм и графиков, логических высказываний и других формальных описаний. Для каждой из трех моделей автомобиля требуются следующие данные. Пример. Модель 1: геометрические размеры автомобиля, список допустимых материалов и покрытий, требования к максимальным и минимальным размерам тех или иных узлов. Модель 2: схема крепления механических узлов автомобиля, описание прочност ных характеристик отдельных узлов и деталей в математической форме (анали тической или иной), таблица прочностных характеристик различных материалов. Модель 3: описание в математической форме характеристик движения топлива по топливопроводу, таблица эмпирических замеров зависимости скорости подачи топлива от режимов работы двигателя и температуры внешней среды. После того как все необходимые исходные данные собраны и формализованы, производится построение компьютерной модели. Пример. Модель 1: построение компьютерной модели трехмерного дизайна автомобиля с возможностью вращения модели в любой плоскости, изменения освещения. Возможно построение вариантов дизайна с целью экспертной оценки наиболее подходящей модели. Модель 2: построение имитационной модели работы механической части авто мобиля во время движения по пересеченной местности. В имитационной модели такого рода большое количество составляющих модель блоков может быть опи сано аналитическими функциями (поскольку методика расчета прочностных характеристик узлов и механизмов из разных материалов детально проработана). Случайный характер будет носить изменение нагрузки во времени (имитирующее движение по ухабам). Модель 3: построение модели взаимодействия двигателя и топливной си стемы автомобиля. В этом случае в имитационной модели будет множество элементов со стохастическим и аппроксимированным характером модели рования, поскольку вариации качества топлива, изменения вязкости масла, прохождения горюче-смазочных материалов по топливной системе, процес са сгорания горючего в двигателе можно оценить только приблизительно. 7.3.3. Проведение компьютерного эксперимента В зависимости от того, какой тип моделирования был выбран в соответствии с целью моделирования, компьютерный эксперимент может носить как кратко 7.4. Основы имитационного моделирования 219 временный, так и долговременный характер, а его результаты можно использовать непосредственно после получения или же они послужат основой для уточнения и корректировки модели. Пример. Модель 1: ряд моделей, разработанных дизайнером, просматривается экспертной группой, и выбирается лучшая модель. Модель 2: прочностная модель автомобиля «проигрывается» путем изменения входных параметров, имитирующих дорогу с разным рельефом. Модель 3: модель топливной системы автомобиля «проигрывается» при разных режимах работы двигателя и различной температуре внешней среды. 7.3.4. Анализ результатов моделирования Анализ результатов моделирования заключается в установлении адекватности модели объекту исследования, то есть в определении степени сходства модели с ее оригиналом. Успешный результат сравнения (оценки) исследуемого объекта с моделью свидетельствует о достаточной степени изученности объекта, о правиль ности принципов, положенных в основу моделирования, о правильности алгоритма, моделирующего объект, то есть о том, что созданная модель работоспособна. Такая модель может быть использована для дальнейших более глубоких исследований объекта в новых условиях, в которых реальный объект еще не изучался. Чаще всего первые результаты моделирования не удовлетворяют предъявлен ным требованиям. Это означает, что в одной из перечисленных позиций (изучен ность объекта, исходные принципы, алгоритм) имеются ошибки и неточности. Это требует проведения дополнительных исследований и соответствующего изменения компьютерной программы моделирования. 7.4. Основы имитационного моделирования Существует класс объектов, для которых по различным причинам не разрабо таны аналитические модели либо не разработаны методы решения полученной модели. Сложность процессов, происходящих в неидеальных системах, часто делает невозможной формализацию. В этом случае, когда необходимо провести иссле дование сложных систем, строится имитационная модель. Экспериментирование с такой моделью называют имитацией. Пример. Работа системы подачи топлива и смазки в автомобиле даже в идеаль ном случае (постоянная температура, постоянные свойства топлива и смазки) с трудом может быть описана при помощи аналитических методов. Если же речь идет о реальной системе, где плотность и вязкость жидкостей неоднородны и ме няются в зависимости от множества факторов, где есть изменения температуры, построение аналитической модели системы становится невозможным. 220 Глава 7. Основы моделирования Суть имитационного моделирования состоит в следующем: 1. Система разбивается на большое количество функциональных блоков (деком позиция). 2. Каждый блок заменяется моделью «черного ящика» с набором входов и выходов и функцией зависимости выходных параметров от входных. 3. В качестве функции преобразования может выступать аналитическое выраже ние, вероятностная функция или аппроксимирующая функция на основе экс периментальных данных. 4. Модели функциональных блоков объединяются в модель системы, которая имитирует поведение реальной сложной системы. Основой имитационного моделирования являются процессы декомпозиции, определения функции каждого блока, преобразующей входные параметры во входные, и последующего построения модели, основанного на синтезе системы из полученных моделей функциональных блоков. 7.4.1. Особенности имитационного моделирования Все имитационные модели представляют собой модели типа «черного ящика». Это означает, что они обеспечивают выдачу входного сигнала системы, если на ее взаимодействующие подсистемы поступает входной сигнал. Поэтому для получе ния необходимой информации или результатов необходимо осуществлять «прогон» имитационных моделей, а не «решать» их. Имитационные модели не способны формировать решение в том виде, в каком это имеет место в аналитических мо делях, а могут служить лишь средством анализа поведения системы в условиях, которые определяются экспериментатором. Поскольку необходимо и желательно приспосабливать средство или метод к решению задачи, а не наоборот, возникает вопрос: в каких случаях имитационное моделирование полезно? Исследователь должен рассмотреть целесообразность применения имитацион ного моделирования при наличии любого из приведенных ниже условий: □ Формализация модели невозможна либо еще не разработаны аналитические методы решения сформулированной математической модели. К этой категории относятся многие модели массового обслуживания, связанные с рассмотрением очередей. □ Аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование позволяет получить более про стое решения задачи. □ Аналитические решения существуют, но их реализация невозможна вследствие недостаточной математической подготовки имеющегося персонала. В этом случае следует сопоставить затраты на проектирование, испытания и работу на имитационной модели с затратами, связанными с приглашением специалистов со стороны. 7.4. Основы имитационного моделирования 221 □ Кроме оценки определенных параметров, желательно осуществить на имита ционной модели наблюдение за ходом процесса в течение определенного пе риода. □ Трудность постановки экспериментов и наблюдений в реальных условиях; со ответствующим примером может служить изучение поведения космических кораблей в условиях межпланетных полетов. □ Для долговременного действия систем или процессов может понадобиться сжатие временной шкалы. Имитационное моделирование дает возможность полностью контролировать время изучаемого процесса, поскольку явление может быть замедлено или ускорено по желанию. К этой категории относятся, например, проблемы изучения динамики развития населенных пунктов разного уровня. 7.4.2. Подходы к имитационному моделированию Современное имитационное моделирование в зависимости от целей модели рования и решаемой задачи предполагает осуществление одного из трех подходов к моделированию: □ системная динамика; □ дискретно-событийное моделирование; □ агентное моделирование. Системная динамика рассматривает систему как совокупность переменных, со единенных между собой петлями обратной связи. Петли обратной связи обладают нелинейными характеристиками передачи сигнала и могут быть усиливающими (положительная обратная связь) или ослабляющими (отрицательная обратная связь). Петли обратной связи также могут взаимодействовать между собой. Переда ча сигнала по петле обратной связи может осуществляться напрямую или с времен ной задержкой. Таким образом, система в целом имитирует нелинейное поведение, свойственное природным системам и процессам в них. Метод системной динамики направлен не на получение количественных результатов или детального анализа роли того или иного элемента системы, а на оценку поведения системы в целом: развивается она или деградирует, стремится к равновесию или демонстрирует не устойчивость, насколько равномерно протекает процесс развития в разных частях системы. Такой подход обычно используется для создания моделей макроуровня с объектами природного, социального или экономического плана (например, мо делирование равновесия рынков или поведения атмосферы планеты). При моде лировании в парадигме системной динамики часто в модель системы включается взаимодействие с внешней средой. Дискретно-событийное моделирование описывает систему как иерархическую последовательность элементов и операций (получение, захват, разгрузка, ре гистрация, размещение, выдача). Переход от одной операции к другой иницииру ется событием (или порождает событие). Операции производятся над некоторыми 222 Глава 7. Основы моделирования сущностями (документ, заявка, контейнер, счет). Сами по себе сущности пассивны, но обладают атрибутами, способными влиять на процесс выполнения операции. Дискретно-событийное моделирование обладает довольно высокой степенью абстракции: множество несущественных для рассматриваемого процесса деталей игнорируется. Дискретно-событийный подход применяют при моделировании бизнес-процессов, технологических процессов на производстве, в логистике. Агентное моделирование описывает систему как совокупность сложных объ ектов (агентов), связанных определенными правилами. Агентное моделирование применяется для того, чтобы при рассмотрении системы перенести акцент с процес сов, происходящих в системе, на поведение сложных элементов системы (агентов). В качестве агентов могут выступать люди (моделирование коллектива), предпри ятия и учреждения (моделирование рынка), сложные механизмы (моделирование технологических процессов). Если при дискретно-событийном моделировании все внимание сосредотачивается на операциях, а индивидуальные особенности совершающих операции элементов системы игнорируются, то при агентном мо делировании различия между объектами системы становятся определяющими в поведении модели. 7.4.3. Этапы имитационного моделирования Основные этапы имитационного моделирования совпадают со схемой, приве денной на рис. 7.12, но имеют свои особенности. Постановка задачи Приводится описание проблемы и формулируется цель моделирования. После того как сформулирована цель моделирования, может оказаться, что из-за слож ности рассматриваемого объекта или процесса невозможно осуществить его фор мализацию. Тогда принимается решение проводить имитационное моделирование. Разработка модели Разработка модели подразумевает создание информационной модели и постро ение компьютерной модели. □ Создание информационной модели. Построение информационной модели начинается со структурного анализа процессов. Проводится формализация структуры сложного реального процесса путем разложения его на подпроцессы, выполняющие определенные функции и имеющие взаимные функциональные связи. Выявленные подпроцессы, в свою очередь, могут разделяться на другие функциональные подпроцессы. Структура общего моделируемого процесса может быть представлена в виде графа, имеющего иерархическую многослойную структуру, в результате появля ется формализованное изображение имитационной модели в графическом виде. Структурный анализ особенно эффективен при моделировании экономических процессов, где в отличие от технических многие составляющие подпроцессы 7.4. Основы имитационного моделирования 223 не имеют физической основы и протекают виртуально, поскольку оперируют информацией, деньгами и логикой (законами) их обработки. Ключевыми пунктами структурного анализа процессов являются декомпо зиция (правильное выделение составляющих подпроцессов) и полнота связей (все связи между подпроцессами должны быть учтены). □ Построение компьютерной модели. Графическое изображение имитационной модели, функции, выполняемые каждым подпроцессом, условия взаимодействия всех подпроцессов и особен ности поведения моделируемого процесса (временная, пространственная, энер гетическая или финансовая динамика) должны быть описаны на специальном языке для последующей трансляций. Для этого существуют различные способы: О описание вручную на языке типа GPSS, Pilgrim, Visual Basic (последний очень прост, на нем можно запрограммировать элементарные модели, но он не подходит для разработки реальных моделей сложных экономических про цессов, так как описание модели средствами Pilgrim компактнее аналогичной алгоритмической модели на Visual Basic в десятки-сотни раз); О автоматизированное описание с помощью компьютерного графического конструктора во время проведения структурного анализа, то есть с очень незначительными затратами на программирование (такой конструктор, создающий описание модели, имеется, например, в составе системы моде лирования в Pilgrim). Трансляция обычно осуществляется в различных режимах: О в режиме интерпретации (характерен для систем типа GPSS, ReThink); О в режиме компиляции (характерен для системы Pilgrim). Каждый режим имеет свои особенности. Режим интерпретации проще в ре ализации. Специальная универсальная программа-интерпретатор на основании формализованного описания модели запускает все имитирующие подпрограммы. Данный режим не приводит к получению отдельной моделирующей программы, которую можно было бы передать заказчику, так как необходима еще и среда мо делирования. Режим компиляции сложнее реализуется при создании моделирующей системы. Однако это не усложняет процесс разработки модели. В результате можно получить отдельную моделирующую программу, которая работает независимо от системы моделирования в виде отдельного программного продукта. Верификация (тестирование) параметров модели выполняется в соответствии с гипотезой, на основании которой построена модель, с помощью специально вы бранных тестовых примеров. Компьютерный эксперимент Проведение компьютерного эксперимента заключается в «проигрывании» имитационной модели путем задания закона изменения одного или нескольких входных параметров. При имитационном моделировании во множестве случаев 224 Глава 7. Основы моделирования время в явном виде присутствует среди входных параметров, то есть большинство имитационных моделей являются динамическими. Анализ результатов моделирования Сложность имитационной модели обычно делает необходимым проведение нескольких циклов уточнения модели. По мере сравнения полученной модели с прототипом могут быть выявлены неучтенные связи или уточнены эмпирические зависимости. 7.5. Программные среды моделирования 7.5.1. Характеристика систем имитационного моделирования Современные тенденции в области имитационного моделирования связаны с развитием проблемно-ориентированных систем, созданием встроенных средств для интеграции моделей в единый модельный комплекс. Технологический уровень современных систем моделирования характеризуется большим выбором базовых концепций формализации и структуризации моделируемых систем, развитыми графическими интерфейсами и анимационным выводом результатов. Имитацион ные системы обладают средствами передачи информации из баз данных и других систем или имеют доступ к процедурным языкам, что позволяет легко выполнять вычисления, связанные с планированием факторных экспериментов, автоматизи рованной оптимизацией и др. Анализ рынка информационных технологий позволяет выявить основные тен денции в области современных систем моделирования. В качестве доминирующих базовых концепций формализации и структуризации в современных системах моделирования используются: □ для дискретного моделирования — системы, основанные на описании процессов (process description) или на сетевых концептах (network paradigms), такие как Extend, Arena, ProModel, Witness, Taylor, Gpss/H-Proof и др.; □ для систем, ориентированных на непрерывное моделирование — модели и методы системной динамики, такие как Powersim, Vensim, Dynamo, Stella, Ithink и др. Причем в мощных системах с целью расширения их функциональности под держиваются альтернативные концепции формализации. Так, например, в систе мы Powersim, Ithink встроен аппарат дискретного моделирования и, наоборот, в системах Extend, ProcessModel реализована поддержка непрерывного модели рования. Большинство систем моделирования имеют удобный, легко интерпретируемый графический интерфейс, системные потоковые диаграммы или блок-схемы реали зуются на идеографическом уровне, то есть рисуются, параметры моделей опреде ляются через подменю. Для подготовленных пользователей сохраняются элементы программирования (на языках общего назначения или объектно-ориентированных) 7.5. Программные среды моделирования 225 отдельных элементов модели или специализированных блоков — так называемое авторское моделирование (например, в системе Extend существует встроенный язык Modi, предназначенный для создания специализированных блоков). Имитационные системы становятся все более проблемно-ориентированными. Известны системы моделирования производственных систем различного на значения (ТОМАС, SIRE и др.), медицинского обслуживания (M ED M O D EL), телекоммуникаций (COMNET) и др. Для этого в проблемно-ориентированные си стемы моделирования включаются абстрактные элементы, языковые конструкции и наборы понятий, взятые непосредственно из предметной области исследований. Определенные преимущества имеют системы моделирования, декларирующие свою проблемную ориентацию, например пакет Rethink, ориентирующийся на реинжиниринг. Все это, конечно, влияет на доступность и привлекательность имитационного моделирования. В современных системах моделирования появляется некоторый инструмента рий для создания стратифицированных моделей. Стратифицированные модели представляют собой машинно-ориентированные понятия, предполагающие кон струирование баз данных и знаний, над которыми определены вычислительные процессы решения задач системного анализа и принятия решения. Разработчики систем моделирования используют различные подходы для реализации страти фицированных моделей. Ряд программных продуктов, такие как AUTOM OD, ProModel, TAYLOR, WITNESS и др., поддерживает интеграцию моделей на основе создания вложенных структур. В системах Arena, Extend реализован подход к стра тификации, основанный на построении иерархических многоуровневых структур. Наиболее перспективным является структурно-функциональный подход, реали зованный, например, в системах моделирования Ithink, Rethink и базирующийся на методологии структурного анализа и проектирования. В такой технологии есть возможность для реализации нескольких уровней представления моделей: высоко уровневое представление в виде блок-схем, представление с использованием CASE- средств, а на нижнем уровне модели могут отображаться, например, потоковыми схемами и диаграммами. Новая методология научного исследования в компьютерном моделировании, предполагающая организацию и проведение вычислительного эксперимента на имитационной модели, требует серьезной математической и информационной поддержки процесса системного моделирования, особенно в части вычислительных процедур, связанных с планированием эксперимента, оптимизацией, организаци ей работы с большим объемом данных в процедурах принятия решений. Многие системы моделирования оснащены средствами интеграции с другими программ ными средами, осуществляют доступ к процедурным языкам, связанным с кодом имитационной модели, для реализации специальных вычислений, доступа к базам данных (подход Simulation Data Base). В более мощных пакетах осуществляется интеграция через дополнительное программное обеспечение со специализированными блоками различного назначе ния. Это могут быть блоки анализа входных данных, гибкие средства анализа чув ствительности, позволяющие осуществлять многократные прогоны с различными входными данными (в системах GPSS/H-PROOF, ProModel и др.). Перспективно 226 Глава 7. Основы моделирования создание систем моделирования с функционально широкими, ориентированны ми на специфику имитационного моделирования блоками оптимизации (в этом смысле показательны системы WITNESS, TAYLOR). Реализуемый в ряде систем многопользовательский режим, применение интерактивного распределенного мо делирования, разработки в области взаимодействия имитационного моделирования с Интернетом, расширяют возможности имитационного моделирования, позволяя отрабатывать совместные или конкурирующие стратегии различным компаниям. Характеристики современных систем моделирования сведены в табл. 7.1. Таблица 7 .1 . Характеристики современных систем моделирования |