- •Воронежский государственный технический университет
- •Утверждено Редакционно-издательским советом университета в качестве учебного пособия
- •Введение
- •2. Классификация видов моделирования систем
- •3. Основные математические методы моделирования информационных процессов и систем
- •3.1. Виды математических моделей
- •3.2. Структурные математические модели
- •3.3. Функциональные математические модели
- •3.3.1. Непрерывно-детерминированные модели
- •3.3.2. Непрерывно-стохастические модели
- •3.3.2.1. Анализ работы разомкнутых смо
- •3.3.2.2. Замкнутые смо
- •3.4. Моделирование дискретных систем
- •3.4.1. Конечные автоматы
- •3.4.2. Дискретно-детерминированные модели
- •3.4.3. Вероятностные автоматы
- •3.5. Сетевые модели. Сети Петри (n-схемы)
- •4. Имитационное моделирование информационных процессов
- •4.1. Организация статистического моделирования
- •4.2Моделирование случайной величины с заданным законом распределения
- •4.3 Моделирование равномерно распределенных на отрезке [a,b] случайных чисел
- •4.4. Моделирование показательно распределенных св
- •4.5. Моделирование нормально распределенных случайных чисел
- •4.6. Проверка качества случайных чисел по критерию
- •4.7. Точность статистических оценок
- •4.8. Аппроксимация результатов моделирования
- •5. Формализация и алгоритмизация процессов функционирования систем
- •5.1. Методика разработки и машинной реализации моделей систем
- •5.2. Построение концептуальных моделей систем и их формализация
- •5.3. Алгоритмизация моделей систем и их машинная реализация
- •6. Планирование имитационных моделй с экспериментами
- •6.1. Полный факторный эксперимент
- •6.2. Дробные реплики
- •6.3. Общая схема планирования эксперимента
- •6.3.1. "Крутое восхождение"
- •6.3.2. Этапы планирования эксперимента
- •6.4. Стратегическое планирование
- •6.5. Тактическое планирование
- •7. Оценка точности и достоверности результатов моделирования
- •7.1. Общие положения
- •7.2. Регрессионный анализ
- •7.3. Корреляционный анализ
- •7.4. Экспертные оценки
- •8. Инструментальные средства моделирования систем
- •8.1. Архитектура языков имитационного моделирования
- •8.2. Задание времени в машинной модели
- •8.3. Сравнительный анализ языков моделирования
- •8.4. Примеры прикладных пакетов моделирования и языков моделирования
- •9. Правила построения моделирующих алгоритмов и способы реализации моделей
- •10. Сетевые модели вычислительных систем
- •10.1. Определение: Сеть Петри
- •Объекты, образующие сеть Петри
- •2Расширенная входная Расширенная выходная
- •10.2. Маркировка сети Петри.
- •10.3. Пространство состояний сети Петри
- •10.4. Моделирование параллельных процессов.
- •10.5. Моделирование процессора с конвейерной обработкой
- •10.6. Кратные функциональные блоки компьютера
- •10.7. Сети Петри и программирование
- •10.8. Взаимно исключающие параллельные процессы
- •10.9. Анализ сетей Петри
- •10.10. Дерево достижимости сети Петри
- •В позицию может входить и выходить только одна дуга
- •11. Система имитационного моделирования gpss/pc
- •11.1. Назначение и основные возможности системы
- •11. 2. Состав системы моделирования gpss/pc
- •11.3. Структура операторов языка gpss/pc
- •11.4. Команды среды gpss/pc
- •11.5. Основные операторы языка gpss/pc
- •11.5.1. Начало gpss-модели
- •11.5.2. Комментарии в gpss/pc
- •11.5.3. Имитация потоков событий. Транзакты
- •11.5.4. Имитация типовых узлов смо
- •11.6. Информация о ходе моделирования
- •11.6.1. Окно данных
- •11.6.2. Окно блоков
- •11.6.3. Окно устройств
- •11.6.4. Окно многоканальных устройств
- •11.7. Информация о результатах моделирования
- •11.7.1. Файл результатов моделирования
- •11.7.2. Содержание результатов моделирования
- •11.9. Управление движением транзактов
- •11.10. Дополнительные средства сбора информации о модели
- •11.11. Стандартные числовые атрибуты
- •11.12. Выбор направления движения транзактов с использованием сча
- •11.13. Датчики случайных чисел в gpss/pc
- •11.14. Функции в gpss/pc
- •11.14.1. Дискретные функции
- •11.14.2. Непрерывные функции
- •11.15. Переменные в gpss/pc
- •11.16. Организация циклов
- •11.17. Логические переключатели
- •11.18. Управление движением транзактов в зависимости от состояния элементов модели
- •11.19. Моделирование согласованных процессов на gpss-pc
- •11.19.1. Создание ансамблей транзактов
- •11.19.2. Накопление нескольких транзактов для последующей обработки
- •11.19.3. Объединение нескольких транзактов в один
- •11.19.4. Синхронизация движения транзактов в модели
- •11.20. Время пребывания транзакта в модели
- •11.21. Сбор данных о распределении значений характеристик модели. Таблицы
- •11.22. Изменение имени файла результатов моделирования
- •11.23. Приведение модели к исходному состоянию
- •11.24. Многократное выполнение моделирования
- •11.25. Моделирование нескольких вариантов системы в одной gpss-модели
- •11.26. Время моделирования
- •3 94026 Воронеж, Московский просп., 14
6. Планирование имитационных моделй с экспериментами
Планирование эксперимента позволяет оптимизировать трудовые, временные и материальные затраты на проведение исследований.
Основы теории: построение экономичных планов, по результатам измерений в точках которых, можно делать выводы о неизвестных параметрах функций регрессии, причем делать это на основе четко формализованных процедур.
Рассмотрим двухуровневые планы, в которых влияние на результат эксперимента входных переменных изучается на двух уровнях: при наибольшем и наименьшем значении переменной в исследуемой области.
Рассмотрим простой эксперимент, в котором участвуют только две переменных x – фактор и y – отклик. Тогда x – входная, независимая (экзогенная) переменная, а y – выходная, зависимая (эндогенная) переменная.
Каждый фактор xi, i=1,k может принимать в эксперименте одно из нескольких значений (уровней). Фиксированный набор уровней факторов определяет одно из возможных состояний системы. Каждому фиксированному набору уровней факторов соответствует точка в многомерном пространстве, называемом факторным пространством, а множество этих точек образует поверхность отклика (рис. 6.1).
Рис 6.1. Поверхность отклика
На рис. 6.1 показана поверхность отклика для двухфакторного эксперимента. X1 и X2 – факторы, которые в точках 1, 2, 3, 4 принимают определенные значения, которым отвечают соответствующие точки на поверхности. Эксперименты не могут быть реализованы во всех точках факторного пространства, а лишь в принадлежащих допустимой области (на рисунке для двух факторов это плоскость X101X2). Ximin÷Ximax – диапазон изменения факторов.
Связь между факторами и реакцией можно представить в виде соотношения
y=f (X1.......Xn).
Функция f – функция реакции, а геометрический образ, соответствующий функции – поверхность отклика. Функция y=f (X1.......Xn) - не известна. Целью эксперимента является описание этой поверхности в интересной для исследования области варьирования факторов либо определение экстремального значения отклика. Вторая задача может быть сведена к пошаговому выполнению первой, поэтому вначале нас будет интересовать только поиск аналитического выражения близкого к искомой функции в заданной области. Поиск осуществляется на основе обработки данных в т. 1, 2, 3, 4 факторного пространства. Эксперимент нужно поставить так, чтобы при минимальных затратах ресурсов, варьируя факторы, построить математическую модель и оценить ее характеристики.
При планировании изменяются одновременно несколько факторов, которые должны быть совместимы (осуществимы все их комбинации) и независимы (возможность установить фактор на любом уровне независимо от уровней других).
Выбор факторов. При проведении эксперимента факторы могут быть управляемыми и неуправляемыми, наблюдаемыми и ненаблюдаемыми, изучаемыми и неизучаемыми, количественными и качественными, фиксированными и случайными.
После того, как факторы выбраны, нужно определить область, ограничивающую их возможное варьирование и назначить основной уровень. Разница значений между верхним и нижним уровнем не может быть больше физически возможной. Интервал варьирования не может быть меньше ошибки фиксирования уровня фактора, иначе верхний и нижний уровни будут неразличимы.
Факторы, которые нельзя учесть по тем или иным признакам нужно стабилизировать на постоянных уровнях.
Для экспериментального планирования наибольшее применение нашли модели в виде алгебраических полиномов, которые стремятся привести к линейным путем введения фиктивных переменных. Для оценки коэффициентов этих моделей используют методы регрессии.