- •Содержание
- •1. Общие вопросы моделирования
- •1.1. Предмет теории моделирования
- •1.2. Классификация моделей
- •1.3. Классификация объектов моделирования
- •1.4. Основные этапы моделирования
- •2. Технология моделирования
- •2.1. Создание концептуальной модели
- •2.2. Подготовка исходных данных
- •2.3. Разработка математической модели
- •3. Математические схемы моделирования систем.
- •3.1. Основные подходы к построению математических моделей систем
- •3.2. Непрерывно-детерминированные модели (д-схемы)
- •3.3. Дискретно-детерминированные модели (f-схемы)
- •4. Непрерывно-стохастические модели (q-схемы)
- •4.1. Понятие случайного процесса
- •4.1.1. Марковский случайный процесс
- •4.1.2. Потоки событий
- •4.1.3. Уравнения Колмогорова для вероятностей состояний. Финальные вероятности состояний
- •4.2. Задачи теории массового обслуживания
- •4.3. Классификация систем массового обслуживания
- •4.4. Математические модели простейших систем массового обслуживания
- •4.4.1. Одноканальная смо с отказами
- •4.4.2. Одноканальная смо с ожиданием
- •4.4.3. Одноканальная смо с ожиданием без ограничения на длину очереди
- •4.4.4.МногоканальнаяСмо с отказами(задача Эрланга)
- •4.4.5.Многоканальная смо с ожиданием
- •4.4.6. Модель обслуживания машинного парка
- •5. Сетевые модели (n-схемы). Сети Петри
- •5.1. Теоретические основы сетей Петри: принципы построения, алгоритмы поведения
- •5.1.1. Введение в теорию комплектов
- •5.1.2. Структура сети Петри
- •5.1.3. Графы сетей Петри
- •5.1.4. Маркировка сетей Петри
- •5.1.5. Правила выполнения сетей Петри
- •5.2. Сети Петри для моделирования систем: способы реализации
- •5.2.1. События и условия
- •5.2.2. Одновременность и конфликт
- •6. Обощенные модели (a-схемы)
- •6.1. Структура агрегативной системы
- •6.2. Кусочно-линейные агрегаты
- •7. Имитационное моделирование систем
- •7.1. Процедура имитационного моделирования
- •7.2. Обобщённые алгоритмы имитационного моделирования
- •7.2.1. Алгоритм моделирования по принципу особых состояний
- •7.2.2. Алгоритм моделирования по принципуt
- •7.3. Этапы имитационного моделирования
- •8. Статистическое моделирование приборных систем
- •8.1. Теоретические основы метода статистического моделирования
- •8.2. Моделирование случайных величин
- •8.2.1. Табличный способ
- •8.2.2. Аппаратный способ
- •8.2.3. Алгоритмический способ
- •8.3. Моделирование случайных событий с заданным законом распределения
- •8.3.1. Разыгрывание дискретной случайной величины
- •8.3.2. Разыгрывание непрерывной случайной величины
- •8.2.3. Разыгрывание случайной величины, распределенной нормально
- •8.4. Моделирование систем массового обслуживания с использованием метода Монте-Карло
8.2. Моделирование случайных величин
Для моделирования случайной величины необходимо знать ее закон распределения. Наиболее общим способом получения последовательности случайных чисел, распределенных по произвольному закону, является способ, в основе которого лежит их формирование из исходной последовательности случайных чисел, распределенных в интервале [0, 1] по равномерному закону.
Равномерно распределенные в интервале [0, 1] последовательности случайных чисел можно получить тремя способами:
использование таблиц случайных чисел (табличный способ);
применение генераторов случайных чисел (аппаратный способ);
метод псевдослучайных чисел (программный способ).
8.2.1. Табличный способ
При решении задачи без применения ЭВМ чаще всего используют таблицы случайных чисел. В таблицах случайных чисел случайные цифры имитируют значения дискретной случайной величины с равномерным распределением:
0 |
1 |
2 |
3 |
… |
9 | |
0.1 |
0.1 |
0.1 |
0.1 |
… |
0.1 |
При составлении таких таблиц выполняется требование, чтобы каждая из этих цифр 0; 1; ...; 9 встречалась примерно одинаково часто и независимо от других с вероятностью .
Самая большая из опубликованных таблиц случайных чисел содержит 1000 000 цифр. Таблицы случайных чисел требуют тщательной проверки с помощью специальных статистических тестов.
8.2.2. Аппаратный способ
При решении задач на ЭВМ для выработки случайных чисел, равномерно распределенных в интервале [0, 1], могут применяться генераторы случайных чисел. Данные генераторы преобразуют результаты случайного физического процесса в двоичные числа. В качестве случайного физического процесса обычно используют собственные шумы (случайным образом меняющееся напряжение), явления распада радиоактивных элементов и т.д.
Полученные с помощью идеального генератора псевдослучайные последовательности чисел должны:
состоять из квазиравномерно распределенных чисел;
содержать статистически независимые числа;
быть воспроизводимыми;
иметь неповторяющиеся числа;
получаться с минимальными затратами машинного времени;
занимать минимальный объем машинной памяти.
Недостатки данного способа получения случайных чисел следующие:
Трудно проверить качество вырабатываемых чисел.
Случайные числа не воспроизводимы (если их не запоминать), следовательно, нельзя повторить расчет для исключения случайного сбоя.
8.2.3. Алгоритмический способ
Получение случайных чисел с равномерным законом распределения заключается в выработке псевдослучайных чисел. Псевдослучайные числа– это числа, полученные по какой-либо формуле и имитирующие значения случайной величины. В практике моделирования применяются генерации последовательностей псевдослучайных чисел с помощью алгоритмов вида:
. (8.3)
Данные алгоритмы представляют рекуррентные соотношенияпервого порядка, для которых начальное числоx0и постоянные параметры уже заданы.
Метод серединных квадратов
Пусть имеется 2n-разрядное число, меньшее 1:.
Возведем его в квадрат: .
Отберем средние 2nразрядов, которые будут являться очередным числом псевдослучайной последовательности.
Недостаток метода: наличие корреляции между числами последовательности, в некоторых случаях может отсутствовать.
Конгруэнтные процедуры генерации
Конгруэнтные процедуры представляют собой арифметические операции, в основе которых лежит фундаментальное понятие конгруэнтности.
Два целых числа α и β конгруэнтны или сравнимы по модулю m,m– целое число, тогда и только тогда, когда существует такое целое числоk, что α – β = km, т.е. разность α – β делится наm, и числа α и β дают одинаковые остатки от деления на абсолютную величину числаm.
Конгруэнтные процедуры являются чисто детерминированными, так как описываются в виде рекуррентного соотношения (8.3), и имеют вид.
, (8.4)
где , , , M– неотрицательные целые числа.
Раскроем рекуррентное соотношение (8.4):
(8.5)
Если заданы начальные числа X0, , , M(8.5) последовательность целых чисел {Xi}, составленную из остатков от деления наМчленов последовательности.
Таким образом, для любого справедливо неравенство, получится последовательность рациональных чисел из единичного интервала (0, 1).
Мультипликативный метод
Задается последовательность неотрицательных целых чисел , не превосходящихМ, рассчитанных по формуле
, (8.6)
т.е. это частный случай соотношения (8.4) при = 0.
В силу детерминированности метода получаются воспроизводимые последовательности.
В машинной реализации наиболее удобна версия M = pg, гдеp– число цифр в системе счисления в ЭВМ;g– число битов в машинном слове. Тогда вычисление остатка от деления наМсводится к выделениюgмладших разрядов делимого. Преобразование целого числав рациональную дробь из интервалаосуществляется подстановкой слева отдвоичной или десятичной запятой.
Алгоритм построения последовательности для двоичной машины M = pgсводится к выполнению следующих операций:
Выбрать в качестве X0произвольное нечетное число.
Вычислить коэффициент = 8t ± 3, гдеt– любое целое положительное число.
Найти произведение X0, содержащее не более 2gзначащих разрядов.
Взять gмладших разрядов в качестве первого члена последовательностиX1, а остальные отбросить.
Определить дробь x1 = X1/2gиз интервала (0, 1).
Присвоить X0 = X1.
Вернуться к п. 3.
Смешанный метод
Позволяет вычислить последовательность неотрицательных целых чисел {Xi}, не превосходящихМ, по формуле
.
Отличием от мультипликативного метода является ≠ 0.
С вычислительной точки зрения смешанный метод генерации сложнее мультипликативного на одну операцию сложения. При этом возможность выбора дополнительного параметра позволяет уменьшить возможную корреляцию получаемых чисел.
Достоинства метода псевдослучайных чисел:
На получение каждого случайного числа затрачивается несколько простых операций, так что скорость генерирования случайных чисел имеет тот же порядок, что и скорость работы ЭВМ.
Малый объем памяти ЭВМ для программирования.
Любое из чисел легко воспроизвести.
Качество генерируемых случайных чисел достаточно проверить один раз.
Подавляющее число расчетов по методу Монте-Карло осуществляется с использованием псевдослучайных чисел. От последовательности случайных чисел, равномерно распределенных в интервале [0, 1], нетрудно перейти к последовательности случайных чисел с произвольным заданным законом распределения.