Главная страница
Навигация по странице:

  • УЧЕБНОЕ ПОСОБИЕ ПО ДИСЦИПЛИНЕ «ИМИТАЦИОНОЕ И МАТЕМАТИЧЕСКОЕ

  • Методологические основы имитационного моделирования

  • Лабораторный практикум Лабораторная работа №1. Первая модель на ANYLOGIC : «Создание модели мячика».

  • Учебное пособие AnyLogic (1). Учебное пособие по дисциплине имитационое и математическое моделирование Составитель Ремезова Е. М


    Скачать 4.34 Mb.
    НазваниеУчебное пособие по дисциплине имитационое и математическое моделирование Составитель Ремезова Е. М
    Дата06.11.2022
    Размер4.34 Mb.
    Формат файлаdocx
    Имя файлаУчебное пособие AnyLogic (1).docx
    ТипУчебное пособие
    #772475
    страница1 из 7
      1   2   3   4   5   6   7

    Министерство образования и науки Российской Федерации

    Федеральное государственное бюджетное

    образовательное учреждение

    высшего образования

    «Владимирский государственный университет

    имени Александра Григорьевича и Николая Григорьевича Столетовых»

    (ВлГУ)
    Кафедра управления и информатики в технических и экономических системах
    УЧЕБНОЕ ПОСОБИЕ ПО ДИСЦИПЛИНЕ
    «ИМИТАЦИОНОЕ И МАТЕМАТИЧЕСКОЕ

    МОДЕЛИРОВАНИЕ»

    Составитель:

    Ремезова Е. М.

    Владимир 2016 г.

    ВВЕДЕНИЕ

    Благодаря интенсивному развитию информатики и компьютерных технологий стало намного проще решать сложные задачи, требующие больших временных и финансовых затрат. Намного упростить их решение возможно с использованием моделирования.

    Одним из наиболее распространенных и удобных способов моделирования сложных систем является имитационное компьютерное моделирование объектов и процессов реального мира.

    Невозможно сразу моделировать какой-либо процесс, для этого необходимо специальное обучение способам, приемам и технологиям компьютерного имитационного моделирования.

    Специалист, приступая к решению задачи, должен знать основы динамических процессов, подходы и методы решения сложных процессов и систем, в том числе аналитических и имитационных, а также знать конкретные информационные системы моделирования и используемые в них языки программирования. Среди множества сред аналитического моделирования основными являются: Maple, MathCAD, MATLAB+Simulink, и другие.

    При обучении моделированию сложных систем могут быть использованы различные среды и методологии разработки аналитических и имитационных моделей сложных систем: MvStudium, MATLAB, Arena, GPSS, Extend, iThink Analyst, Process Model и др. Особое место среди сред разработки компьютерных моделей сложных систем принадлежит много подходной среде моделирования имитационных моделей – AnyLogic. Разные средства спецификации и анализа результатов, имеющиеся в AnyLogic, позволяют строить модели (динамические, дискретно-событийные, агентные), имитирующие практически любой реальный процесс (а также строить и многие другие модели), выполнять анализ моделей на компьютере без проведения реальных экспериментов и самостоятельных сложных вычислений. Но для возможности оперировать этой программной средой и получать при моделировании верные результаты, пользователь AnyLogic должен овладеть технологией работы в среде, понять ее функциональные особенности, для чего служит данный практикум по разработке компьютерных моделей сложных систем в среде AnyLogic.

    В AnyLogic модели представляются визуально-иерархическими. Простой графический язык моделирования оперирует понятиями объектов и связей между ними. AnyLogic позволяет легко и быстро создавать агентные модели на профессиональном уровне, благодаря языковым конструкциям для задания поведения агентов, их взаимодействия, моделирования среды, а также богатейшим анимационным возможностям. При разработке учебных моделей, не удается обойтись без написания некоторого объема программного кода. Доля программирования при построении учебных моделей составила менее 10% общих трудозатрат на разработку модели, что позволило студентам не тратить время на базовые функции, а сосредоточиться на логике имитационной модели. Использование программы AnyLogic позволяет студенту за ограниченное количество учебных часов научиться строить достаточно сложные и интересные компьютерные модели и в конечном итоге глубже изучить курс компьютерного моделирования.

    В данном пособие представлены 5 лабораторных работ, начиная простыми и заканчивая моделированием дискретных событий и система массового обслуживания.


    1. Методологические основы имитационного моделирования

    Теория основ математического и компьютерного моделирования предполагает содержательное и формальное определение категорий, определений и понятий с целью построения математических моделей сложных систем.

    Основными методологическими категориями теоретических основ моделирования являются понятия: объект, класс, отношение (связь), система, элемент, структура.

    Определение понятия объект имеет различное толкование в зависимости от области рассмотрения. Если мы рассматриваем область имитационного моделирования, то в стратегии объектно-ориентированного подхода объект является первым важным понятием. Объект – это некоторая сущность в виртуальном пространстве, обладающая определенным состоянием и поведением, имеющая заданные значения свойств (атрибутов) и операций над ними.

    Следующим важным понятием объектно-ориентированного подхода является класс. Родственные по определенным характеристикам, поведению объекты объединяются в классы. В зависимости от характеристик одни и те же объекты могут быть в различных классах.

    В одном из разделов современной математики «теории категорий» объект используется как термин для обозначения элементов произвольной категории, играющих роль множеств, групп, топологических пространств и т. п. Здесь также вводится понятие класса объектов и проводится изучение свойств отношений между математическими объектами, не зависящих от внутренней структуры объектов.

    Понятие отношение определяет взаимное положение объектов, связи между объектами в виде иерархических, ассоциативных, алгоритмических, табличных и других структур.

    Понятие система является основополагающим в теории математического моделирования. Существует несколько десятков различных определений понятия «система», используемых в зависимости от контекста, области знаний и целей исследования. Изучением систем занимаются научные дисциплины как системология, кибернетика, системный анализ, теория систем, системная динамика и другие.

    Система – это 1) целое, созданное из частей и элементов целенаправленной деятельности и обладающее новыми свойствами, отсутствующими у элементов и частей, его образующих; 2) объективная часть мироздания, включающая схожие и совместимые элементы, образующие особое целое, которое взаимодействует с внешней средой; 3) объективное единство закономерно связанных друг с другом предметов, явлений, сведений, а также знаний о природе, обществе и т. п. Допустимы и многие другие определения. Общим в них является то, что система есть некоторое правильное сочетание наиболее важных, существенных свойств изучаемого объекта. Каждый объект, чтобы его можно было считать системой, должен обладать четырьмя основными свойствами или признаками (целостностью и делимостью, наличием устойчивых связей, организацией и эмерджентностью).

    Элемент – это простейшая неделимая часть системы, а ее свойства определяются конкретной задачей. Элемент всегда связан с самой системой. Элемент сложной системы может быть в свою очередь сложной системой в другой задаче.

    Подсистема – компонент системы – объединение элементов, но по масштабу меньше, чем система в целом.

    Система может включать большой перечень элементов и ее целесообразно разделить на ряд подсистем.

    Признаками системы являются множество составляющих ее элементов, единство главной цели для всех элементов, наличие связей между ними, целостность и единство элементов, наличие структуры и иерархичности, относительная самостоятельность и наличие управления этими элементами. Термин «организация» в одном из своих лексических значений означает также «систему», но не любую систему, а в определенной мере упорядоченную, организованную.

    Понятие "подсистема" выработано для анализа сложноорганизованных, саморазвивающихся систем, когда между элементами и системой имеются "промежуточные" комплексы, более сложные, чем элементы, но менее сложные, чем сама система. Они объединяют в себе разные части (элементы) системы, в своей совокупности способные к выполнению единой (частной) программы системы. Будучи элементом системы, подсистема в свою очередь оказывается системой по отношению к элементам, ее составляющим. Аналогично обстоит дело с отношениями между понятиями "система" и "элемент": они переходят друг в друга. Иначе говоря, система и элемент относительны. С этой точки зрения вся материя представляется как бесконечная система систем. "Системами" могут быть системы отношений, детерминаций и т.п.

    Наряду с представлением об элементах в представление о любой системе входит и представление о ее структуре.

    Структура – это совокупность устойчивых отношений и связей между элементами. Сюда включается общая организация элементов, их пространственное расположение, связи между этапами развития и т.п.

    По своей значимости для системы связи элементов (даже устойчивые) неодинаковы: одни малосущественны, другие существенны, закономерны. Структура прежде всего – это закономерные связи элементов. Среди закономерных наиболее значимы интегрирующие связи (или интегрирующие структуры). Они обусловливают интегрированность сторон объекта. В системе производственных отношений, например, имеются связи трех родов: относящиеся к формам собственности, к обмену деятельностью и к распределению. Все они существенны и закономерны. Но интегрирующую роль в этих отношениях играют отношения собственности (иначе формы собственности). Интегрирующая структура является ведущей основой системы.

    Существует ряд подходов к выделению систем по сложности и масштабу. Например, для систем управления удобно пользоваться классификацией по числу (количеству) элементов: малые (10-103 элементов); сложные (104-107 элементов); ультра сложные (108 - 1030 элементов); суперсистемы (1030-10200 элементов).

    Большая система – это всегда совокупность материальных и энергетических ресурсов, средств получения, передачи и обработки информации, людей, которые принимают решение на разных уровнях иерархии. В настоящее время для понятий «сложная система» и «большая система» используют такие определения:

    • сложная система – упорядоченное множество структурно взаимосвязанных и функционально взаимодействующих разнотипных систем, которые объединены структурно в целостный объект функционально разнородными взаимосвязями для достижения заданных целей в определенных условиях;

    • большая система объединяет разнотипные сложные системы.

    Тогда определение системы можно записать так «система – это упорядоченное множество структурно-взаимосвязанных и функционально-взаимодействующих однотипных элементов любой природы, объединенных в целостный объект, состав и границы которого определяются целями системного исследования».

    Характерными особенностями больших систем являются значительное количество элементов, взаимосвязь и взаимодействие между элементами, иерархичность структуры управления и наличие человека в контуре управления и необходимость принятия решений в условиях неопределенности.

    Описание динамики системы или ее поведения составляет основу любой имитационной модели. В качестве исходных данных для решения этой задачи используются результаты, полученные на этапе разработки концептуальной модели системы, к которым можно отнести определение принадлежности моделируемой системы одному из известных классов, описание рабочей нагрузки системы и выбор уровня детализации представления системы в модели и ее декомпозиция.

    Все последующие действия исследователя по созданию модели могут быть отнесены к этапу ее формализации, который в общем случае предполагает выбор метода отображения динамики системы (на основе событий, процессов или транзактов), формальное (математическое) описание случайных факторов, подлежащих учету в модели, выбор механизма изменения и масштаба модельного времени.

    Рассмотрим устоявшиеся понятия в имитационном моделировании: «процесс», «работа», «событие», «транзакт».

    Работа (активность) – это единичное действие системы по обработке (преобразованию) входных данных. В зависимости от природы моделируемой системы под входными данными могут пониматься информационные данные или какие-либо материальные ресурсы.

    Под процессом понимают логически связанный набор работ. Некоторые процессы могут рассматриваться как работы в процессе более высокого уровня. Любой процесс характеризуется совокупностью статических и динамических характеристик.

    К статическим характеристикам процесса относятся: длительность, результат, потребляемые ресурсы, условия запуска (активизации), условия остановки (прерывания). Статические характеристики процесса не изменяются в ходе его реализации, однако при необходимости любая из них может быть представлена в модели как случайная величина, распределенная по заданному закону.

    Динамической характеристикой процесса является его состояние (активен или находится в состоянии ожидания).

    Моделирование в терминах процессов проводится в тех случаях, если система оценивается по каким-либо временным показателям, либо с точки зрения потребляемых ресурсов. Например, при оценке производительности вычислительной сети обработка заданий может быть представлена в модели как совокупность соответствующих процессов, использующих ресурсы сети (оперативную память, пространство на жестких дисках, процессорное время, принтеры и т.д.).

    Если модель строится с целью изучения причинно-следственных связей, присущих системе, динамику системы целесообразно описывать в терминах событий.

    Событие представляет собой мгновенное изменение некоторого элемента системы или состояния системы в целом. Событие характеризуется условиями (или законом) возникновения, типом, который определяет порядок обработки (дисциплину обслуживания) данного события, нулевой длительностью.

    События подразделяют на две категории:

    • события-следования, которые управляют инициализацией процессов (или отдельных работ внутри процесса);

    • события-изменения состояний (элементов системы или системы в целом).

    Механизм событий используется в качестве основы построения моделей, предназначенных для исследования причинно-следственных связей в системах при отсутствии временных ограничений. К таким задачам можно отнести, например, некоторые задачи по оценке надежности.

    Еще один способ имитационного моделирования систем основан на использовании понятия транзакта или сущности.

    Транзакт или сущность — это некоторое сообщение (заявка на обслуживание), которое поступает извне на вход системы и подлежит обработке.

    В некоторых случаях, например, при моделировании автоматизированных систем управления удобно проследить функционирование системы относительно алгоритма обработки транзакта. В рамках одной имитационной модели могут рассматриваться транзакты нескольких типов. Каждый транзакт характеризуется соответствующим алгоритмом обработки и необходимыми для его реализации ресурсами системы. Прохождение транзакта по системе можно в некоторых случаях рассматривать как последовательную активизацию процессов, реализующих его обработку («обслуживание заявки»).

    Чтобы построить качественную компьютерную модель сложной системы необходимо уметь:

    1. Определенным способом представить в модели динамику (движение) системы. Это может быть описано посредством событий, работ, процессов, транзактов.

    2. Определить способ изменения модельного времени. Здесь выделяют моделирование с постоянным шагом и моделирование по особым состояниям.

    В большинстве случаев конечной целью моделирования является оптимизация каких-либо параметров системы.

    Виды имитационного эксперимента:

    • исследование относительного влияния различных факторов на значения выходных характеристик системы;

    • нахождение аналитической зависимости между интересующими исследователя выходными характеристиками и факторами;

    • отыскание оптимальных значений параметров системы (так называемый «экстремальный эксперимент»);

    • сравнение альтернатив для принятия решений;

    • оптимизация системы для оценки и выработки оптимальной стратегии;

    • анализ ситуаций и обучение в различных отраслях через виртуальные имитационные модели игр;

    • визуализация и анимация работы разрабатываемого объекта.

    Вид эксперимента влияет не только на выбор схемы его формализации, но также на построение плана эксперимента и выбор метода обработки его результатов.

    С точки зрения организации взаимодействия исследователя с моделью (по способу взаимодействия с пользователем), в ходе эксперимента имитационные модели делятся на автоматические и диалоговые. Автоматические имитационные модели – взаимодействие пользователя с которыми сводится только к вводу исходной информации и управлению началом и окончанием работы моделей. Диалоговые имитационные модели позволяют исследователю активно управлять ходом моделирования; приостанавливать сеанс моделирования, изменять значения параметров модели, корректировать перечень регистрируемых данных и т. д.

    Компьютерная модель или численная модель — это (1) компьютерная программа, работающая на отдельном компьютере, суперкомпьютере или множестве взаимодействующих компьютеров (вычислительных узлов), реализующая абстрактную модель некоторой системы; это (2) модель, выполненная с помощью компьютерных информационных, схематичных, электронных устройств и технологий и сетей; это (3) созданный за счет ресурсов компьютера виртуальный образ, качественно и количественно отражающий внутренние свойства и связи моделируемого объекта, иногда передающий и его внешние характеристики; это (4) модель, воспроизводящая моделируемый объект программными средствами на компьютере.

    Разработке компьютерной модели предшествуют мысленные, вербальные, структурные, математические и алгоритмические модели.

    Компьютерные модели подразделяются на аналитические и имитационные. Компьютерные модели различаются по видам применения: обучающие, научно-исследовательские, научно-технические для исследования процессов и явлений, реальных объектов и промышленные, встроенные в производственный процесс или адекватно моделирующие производственные процессы на компьютерах. Имитационные модели не только отражают реальность с той или иной степенью точности, но и имитируют ее. Эксперимент с моделью либо многократно повторяется при разных исходных данных, чтобы изучить и оценить последствия каких-либо действий на реальную обстановку, либо проводится одновременно со многими другими похожими объектами, но поставленными в разные условия.

    Имитационное моделирование при изучении сложных систем является практически основным доступным методом получения информации о поведении системы в условиях неопределенности.

    Компьютерные модели сложных систем подразделяются условно на структурно-функциональные, которые представляют собой условный образ объекта (технологические диаграммы, сетевые графики, структурные схемы, ГИС, табличный способ, анимационные и мультипликационные), описанный с помощью программных и компьютерных технологий; имитационные, представляющие собой программу или комплекс программ, позволяющий воспроизводить процессы функционирования объекта в разных условиях; комбинированные, с возможностями наблюдения и исследования объекта на динамических условных образах модели и имитационных моделях объекта.

    Существует множество программных комплексов, которые позволяют проводить построение и исследование моделей (моделирование). Каждая программная среда имеет свой инструментарий и позволяет работать с определенными видами информационных моделей. Поэтому перед исследователем возникает нелегкий вопрос выбора наиболее удобной и эффективной среды для решения поставленной задачи. Надо сказать, что одну и ту же задачу можно решить, используя различные среды программирования и моделирования.

    От выбора программной среды зависит алгоритм построения компьютерной модели, а также форма его представления. Например, это может быть блок-схема. Руководствуясь блок-схемой, задачу можно решить в разных средах. В среде программирования – это программа, записанная на алгоритмическом языке. В прикладных средах – это последовательность технологических приемов, приводящая к решению задачи.



    1. Лабораторный практикум


    Лабораторная работа №1. Первая модель на ANYLOGIC: «Создание модели мячика».

      1   2   3   4   5   6   7


    написать администратору сайта