- •1. Наличие цели
- •1.3. Классификация моделей
- •1.4. Методы моделирования
- •2. Математические схемы моделирования систем
- •2.1. Основные подходы к построению мм систем
- •2.2. Задачи, решаемые с помощью моделирования
- •2.3. Система массового обслуживания как модель
- •2.4. Модели потоков
- •2.2. Аналитический анализ смо
- •2.2.1. Экспоненциальная система массового обслуживания
- •2.2.1.2. Многоканальная экспоненциальная смо
- •2.2.1.3. Модель m/g /1
- •2.3. Сети массового обслуживания
- •2.4. Анализ разомкнутых экспоненциальных СеМо
- •2.4.1. Свойства разомкнутой экспоненциальной СеМо
- •2.5. Расчет системных характеристик экспоненциальных СеМо
- •Контрольные вопросы
- •Пример 1. Проблема распределение канала
- •1. Статическое распределение канала
- •2. Динамическое распределение канала
- •Пример: расчет системы телеобработки данных
- •3.1. Задание
- •3.2. Решение
- •4. Схема расчета замкнутой СеМо
- •4. Имитационное моделирование систем массового обслуживания
- •4.1. Система массового обслуживания как модель и оригинал
- •4.2. Иллюстративный пример: моделирование посадки самолетов.
- •4.3. Пример: оценка надежности системы
- •Рассмотрим случайную величину
- •5. Построение моделирующего алгоритма
- •5.1. Моделирование на эвм процесса функционирования смо
- •Шагом (принцип t)
- •С другой стороны, принцип особых моментов выгоден тем, что
- •5.2. Особенности реализации процессов с использованием q-схем
- •5.2. Примеры моделирования смо с отказами
- •5.2.1. Подготовка исходных данных и назначение переменных
- •Моделирование смо с отказами по схеме событий
- •5.2.2.1. Построение блок-схем алгоритма имитации
- •Моделирование смо с отказами по схеме событий
- •5.3. Схемы построения моделирующего алгоритма
- •5.4. Моделирование смо с отказами по схеме процессов
- •Моделирование смо с отказами по схеме процессов
- •Шаг имитации
- •Класс процессов "генерирование заявок источником"
- •Численный пример
- •5.5. Семафоры и связные списки
- •5.6. Алгоритмы обслуживания очередей
- •1) Традиционный алгоритм fifo
- •2) Приоритетное обслуживание (Priority Queuing)
- •3) Взвешенные настраиваемые очереди (Weighted Queuing)
- •6. Оценки искомых характеристик и их дисперсии
- •6.1. Структура оценок
- •7. Моделирование случайных факторов
- •8. Тестирование имитационной модели
- •9. Планирование статистического эксперимента
- •Вопросы и задания
- •Планирование машинных экспериментов с моделями систем
- •Методы планирования эксперимента на модели.
- •11. Замечание о языках моделирования
- •Моделирование смо с одним npи6opом и очередью
Шагом (принцип t)
В модели, использующей принцип особых моментов (Рис.5.1,б), имитируемое время при изменении сдвигается вперед точно на момент наступления самого раннего из последующих событий.
Рис. 5.1,б. Течение модельного времени в модели с шагом до следующего события (принцип особых моментов)
Никаких жестких и достаточно эффективных правил определения какой из двух методов задания временных шагов лучше нет. В каждом конкретном случае метод выбирается разработчиком в зависимости от характера системы, которую необходимо моделировать.
Тем не менее, принцип t работает лучше, если:
1) события появляются регулярно и распределены во времени относительно равномерно;
2) в течение шага (цикла) моделирования появляется много событий, причем математическое ожидание продолжительности событий мало;
3) точная природа существенных событий не ясна;
С другой стороны, принцип особых моментов выгоден тем, что
позволяет экономить машинное время, когда существенные события могут длительное время не наступать;
не требует определения величины приращения времени;
3) может эффективно использоваться при неравномерном распределении событий во времени.
Чтобы ЭВМ могла вычислить очередной особый момент, используется так называемый календарь. Календарь, или расписание предстоящих событий, - это группа ячеек памяти, где для каждого типа события указан ближайший момент, когда такое событие произойдет. Имея календарь, нетрудно определить очередной особый момент. Это наименьший из моментов, записанных в календаре.
Чтобы заполнить календарь и в дальнейшем корректировать его содержимое, осуществляется планирование событий. Допустим, в текущий момент поступила заявка и сразу была взята на обслуживание первым прибором, так как он оказался свободным. Закон распределения времени обслуживания задан наряду с другими данными. Обратившись к специальной подпрограмме - датчику случайных чисел, ЭВМ генерирует случайное время обслуживания в соответствии с указанным законом распределения. Прибавив это время к текущему моменту, ЭВМ вычисляет момент, когда освободится первый прибор, и заносит это число в ячейку календаря, отведенную для первого прибора. Аналогично заполняются другие ячейки календаря.
При моделировании СМО целью является определение характеристик качества функционирования СМО, например вероятности потери заявки, или других величин: коэффициента загрузки прибора, средней длины очереди и т.п. Эти характеристики и вычисляются по окончании имитации на основе статистик, накопленных в процессе имитации. Примеры статистик: Кз - количество поступивших заявок, Кп - количество потерянных заявок, Тсз - суммарное время занятости прибора. На основании этих статистик можно вычислить оценки искомых характеристик: вероятности потери заявки пот= Кп/Кз и коэффициента загрузки одного прибора зп= Тсз/Т, где Т - длина реализации, т.е. длительность имитированного процесса. Операторы, осуществляющие пополнение статистик, входят в состав алгоритма шага.
Основная часть алгоритма имитации представляет собой циклическое повторение шагов имитации до тех пор, пока не будет выполнено условие остановки. Остановка производится после выполнения заданного числа шагов или достижения заданного значения системного времени (длины реализации). Чем длиннее реализация, тем точнее оценки искомых характеристик.
Моделирующий алгоритм должен отвечать следующим требованиям:
обладать универсальностью относительно структуры, алгоритмов функционирования и параметров системы;
укладываться в приемлемые затраты ресурсов ЭВМ. (памяти, времени расчёта для реализации машинного эксперимента);
проводить разбиение на достаточно автономные логические части (блоки);
гарантировать выполнение рекуррентного правила расчётов;
ПРИМЕР. Рассмотрим организацию цикла на примере моделирования СМО с отказами (рис. 5.2)..
Предполагается получить оценку вероятности потери заявки (вероятности отказа) путем воспроизведения на ЭВМ достаточно длинного отрезка реализации.
Рис. 5.2. Поток заявок, состояние СМО
Два способа оценивания: по заявкам ; по времени, где– количество заявок, получивших отказ;– общее количество заявок, поступивших в систему;– суммарное время, когда прибор находится в занятом состоянии;– общее время моделирования
Цикл, организованный по принципу ∆t (рис.5.3). Перед началом цикла в памяти хранится: ,если Z=0; toсв, если Z=1. Время измеряется число тактов.
Рис. 5.3. Цикл, организованный по принципу ∆t
Цикл, организованный по принципу особых моментов (рис. 5.4)
Особый момент: поступает заявка, закончено обслуживание заявки (освобождение прибора). К началу цикла в памяти хранится:
tT – текущий момент;
tп – последний особый момент;
tз – момент поступления очередной заявки;
tосв – момент освобождения прибора, следующий за tп, если в момент tп система занята.
Начинается цикл с того, что последний особый момент рассматривается как предыдущий, и определяется очередной особый момент.
Рис. 5.4. Цикл, организованный по принципу особых моментов