- •1. Основные определения. Технология моделирования
- •2. Методология моделирования
- •3. Анализ моделируемой системы и постановка задач
- •4.Второй этап моделирования. Формализация. Решение Задачи. Выбор метода моделирования
- •5. Корреляционный анализ
- •6.Третий этап моделирования. Разработка имитационных моделей.
- •7.Генерация равномерно-распределенных случайных чисел. Оценка их качества на тестах (по книге).
- •Тест частот
- •8.Планирование имитационных экспериментов. Концепция «черного ящика» Планирование экспериментов
- •9.План дфэ (дробных факторных экспериментов).
- •10. Рцкп (ротатабельный центральный композиционный план).
- •12.Тактическое планирование имитационных эксперементов
- •14.Основные свойства системы Arena.
- •15. Кластерный анализ. Евклидово расстояние. Ближайший сосед. Наиболее удаленный сосед. По среднему значению. Расстояние Хемминга.
- •1. Фр, фп, мпф, Равномерный экспоненциальный закон.
- •2. Метод моментов. Равномерный закон.
- •Метод моментов для равномерного закона
- •3. Метод моментов. Нормальный закон.
- •4. Метод моментов. Экспоненциальный закон.
- •5. Метод моментов. Гиперэкспоненциальный закон.
- •Решим полученное квадратное уравнение.
- •6. Метод моментов. Специальный эрланговский закон.
- •7. Метод обратной функции. Достоинства и недостатки.
- •Достоинства и недостатки аналитического метода генерации случайных чисел
- •8. Табличный метод генерации случайных чисел. Достоинства и недостатки.
- •9. План пфэ (полного факторного эксперимента).
- •10. План оцкп (ортогональный центральный композиционный план).
- •12. Применение дисперсионного анализа для оценки качества уравнений регрессии. Оценка значимости коэффициентов полинома.
- •13. Метод оптимизации по системе ур-й в частных производных.
- •14. Геометрический метод для 2 факторов.
- •15. Метод Ньютона.
- •1. Временные динамические ряды. Основные понятия. Проверка гипотез о существовании тенденций. Временные ряды
- •2. Сглаживание и прогнозирование методом скользящих средних. В чем смысл введения взвешиваний.
- •Сглаживание
- •Метод скользящих средних
- •Взвешенные скользящие средние
- •3. Сглаживание и прогнозирование экспоненциальных средних
- •4. Прогнозирование на нейронных сетях Прогнозирование на нейронных сетях
- •5. Группировка. Общие понятия. Постановка задачи и технология проведения кластерного анализа.
6.Третий этап моделирования. Разработка имитационных моделей.
На третьем этапе решаются следующие задачи.
1. Разрабатывается алгоритм.
2. Выбирается язык моделирования.
3. Разрабатывается и отлаживается программа.
4. Организуется ввод в модель случайных последовательностей для имитации функционирования элементов модели.
Разработка алгоритма модели. Выбор языка моделирования
Как правило, алгоритмы представляются в виде блок-схем. Алгоритмы составляются на основании ГОСТов. В качестве стандартов для программного обеспечения применяется единая система программной документации (ЕСПД).
Выбор языка моделирования проводится на основании анализа алгоритма. Если в алгоритме превалирующая роль принадлежит вычислительным операциям или сложным вычислительным процедурам, то рекомендуется выбирать универсальные языки программирования, которые характеризуются высоким качеством трансляторов и наличием специализированных вычислительных процедур. Кроме того, универсальные языки позволяют сравнительно легко создавать открытые системы, характеризующиеся простотой передачи информации между программными компонентами системы.
Если же превалирующее значение в алгоритме имеют логические условия, то рекомендуется выбирать специализированные языки моделирования. Они строятся на допущении, что любую сколь угодно сложную систему можно представить с помощью ограниченного количества абстрактных элементов и таким образом заранее составить библиотеку этих элементов, а работу модели свести к организации упорядоченной последовательности выполнения соответствующих процедур из библиотеки. Специализированные языки хорошо вписываются в предметную область, которая моделируется. Составлять модели на них сравнительно несложно. То же самое относится и к отладке модели. Недостатки специализированных языков в том, что они имеют худшее качество трансляторов, что приводит к увеличению машинного времени моделирования. По сравнению с универсальными языками у них меньшие вычислительные возможности и меньшие возможности по использованию графических средств. Кроме того, на их базе затруднительно создание открытых систем.
Для разработки имитационных программ рекомендуется использовать язык GPSS World (General Purpose Simulation System World – Всемирнаяобщая целевая моделирующая система). Одним из существенных достоинств этого языка является возможность получения бесплатной студенческой версии из Интернета по адресу www.minutemansoftware.com. GPSS World является реализацией GPSS, общецелевой системы моделирования, улучшенной встроенным языком программирования PLUS – языком программирования низкого уровня моделирования. Эта версия GPSS включает в себя 53 типа блоков и 25 команд, а также более чем 35 системных числовых атрибутов, которые обеспечивают чтение текущих переменных, отображающих состояние моделируемой системы, в любой момент времени в любом месте модели. PLUS – это небольшой, но эффективный процедурный язык программирования, включающий в себя 12 типов операторов. Его эффективность во многом обеспечивается большой библиотекой процедур, содержащей математические функции и функции манипуляции со строками, и большим набором вероятностных распределений. В GPSS World модель определяется как последовательность оперторов. Это операторы GPSS, операторы PLUS-процедур или операторы PLUS-экспериментов. Операторы GPSS подразделяются на блоки, выполняющие специфические для каждого блока функции при входе в них движущихся объектов, называемых транзактами, и команд, предназначенных для управления процессом моделирования и описания параметров некоторых объектов.