- •Предисловие
- •Введение
- •Глава 1. Модели массового обслуживания
- •1.1. Системы массового обслуживания и их характеристики
- •1.2. Системы c одним устройством обслуживания
- •1.3. Основы дискретно-событийного моделирования cmo
- •1.4. Многоканальные системы массового обслуживания
- •Переменная vаr1, экспоненциальное распределение
- •Глава 2. Вероятностные сети систем массового обслуживания
- •2.1. Общие сведения о сетях
- •2.2. Операционный анализ вероятностных сетей
- •2.3. Операционные зависимости
- •2.4. Анализ узких мест в сети
- •Глава 3. Вероятностное моделирование
- •3.1. Метод статистических испытаний
- •3.2. Моделирование дискретных случайных величин
- •3.3. Моделирование непрерывных случайных величин
- •3.4. Сбор статистических данных для получения оценок характеристик случайных величин
- •3.5. Определение количества реализаций при моделировании случайных величин
- •Глава 4. Система моделирования gpss
- •4.1. Объекты
- •4.2. Часы модельного времени
- •4.3. Типы операторов
- •4.4. Внесение транзактов в модель. Блок generate
- •4.5. Удаление транзактов из модели. Блок terminate
- •4.6. Элементы, отображающие одноканальные обслуживающие устройства
- •4.7. Реализация задержки во времени. Блок advance
- •4.8. Сбор статистики об ожидании. Блоки queue, depart
- •4.9. Переход транзакта в блок, отличный от последующего. Блок transfer
- •4.10. Моделирование многоканальных устройств
- •4.11. Примеры построения gpss-моделей
- •4.12. Переменные
- •4.13. Определение функции в gpss
- •4.14. Стандартные числовые атрибуты, параметры транзактов. Блоки assign, mark, loop
- •Примеры фрагментов gpss-моделей c использованием сча и параметров гранзактов
- •4.15. Изменение приоритета транзактов. Блок priority
- •4.16. Организация обслуживания c прерыванием. Блоки preempt и return
- •4.17. Сохраняемые величины
- •4.18. Проверка числовых выражений. Блок test
- •4.19. Определение и использование таблиц
- •4.20. Косвенная адресация
- •4.21. Обработка транзактов, принадлежащих одному семейству
- •4.22. Управление процессом моделирования в системе gpss
- •4.23. Списки пользователей
- •4.24. Блоки управления потоками транзактов logic, gate lr, gate ls и gate
- •4.25. Организация вывода временных рядов из gpss-модели
- •4.26. Краткая характеристика языка plus
- •4.27. Команды gpss WorId
- •4.28. Диалоговые возможности gpss World
- •4.29. Отличия между gpss World и gpss/pc
- •Глава 5. Моделирование вычислительных и операционных систем
- •5.1. Операционные системы компьютеров
- •5.2. Сети и системы передачи данных
- •5.3. Проблемы моделирования компьютеров и сетей
- •Глава 6. Основы моделирования процессов
- •6.1. Производственные процессы
- •6.2. Распределительные процессы
- •6.3. Процессы обслуживания клиентов
- •6.4. Процессы управления разработками проектов
- •Глава 7. Задания для самостоятельной работы Задание 1. Моделирование разливной линии
- •Задание 2 [10]. Моделирование контроля и настройки телевизоров
- •Задание 3. Моделирование работы кафе
- •Задание 4. Моделирование работы обрабатывающего цеха
- •Задание 5. Моделирование работы обрабатывающего цеха
- •Задание 6. Моделирование работы обрабатывающего цеха
- •Задание 7. Моделирование работы cmo
- •Задание 8. Моделирование функций
- •Задание 9 [10]. Моделирование системы обслуживания
- •Задание 10 [16]. Моделирование системы автоматизации проектирования
- •Задание 11 [16]. Моделирование работы транспортного цеха
- •Задание 12 [16]. Моделирование системы передачи разговора
- •Задание 13 [16]. Моделирование системы передачи данных
- •Задание 14 [16]. Моделирование узла коммутации сообщений
- •Задание 15 [16]. Моделирование процесса сборки
- •Задание 16 [16]. Моделирование работы цеха
- •Задание 17 [16]. Моделирование системы управления производством
- •Задание 18. Моделирование производственного процесса
- •Задание 19. Моделирование работы заправочной станции
- •Задание 20. Моделированиеработы станции технического обслуживания
- •Задание 21. Моделирование работы станции скорой помощи
- •Задание 22. Моделирование работы госпиталя
- •Задание 23. Моделирование работы маршрутных такси
- •Задание 24. Моделирование работы печатной системы
- •Задание 25. Моделирование процесса сборки пк
- •Глава8. Проектирование имитационных моделей c помощью интерактивной системы имитационного моделирования
- •8.1. Структура интерактивной системы имитационного моделирования
- •8.2. Построение концептуальной схемы модели
- •8.3. Параметрическая настройка модели
- •8.4. Генератор формул
- •8.5. Управление экспериментом
- •8.6. Запуск эксперимента и обработка результатов моделирования
- •8.7. Управление проектами и общей настройкой системы
- •8.8. Пример построения модели средствами iss 2000
- •Глава 9. Технология имитационного моделирования
- •9.1. Имитационные проекты
- •9.2. Организация экспериментов
- •9.3. Проблемы организации имитационных экспериментов
- •9.4. Оценка точности результатов моделирования
- •9.5. Факторный план
- •9.6. Дисперсионный анализ anova в планировании экспериментов
- •9.7. Библиотечная процедура anova
- •9.8. Технология проведение дисперсионного анализа в системе gpss World
- •9.9. Особенности планирования экспериментов
- •9.10. Нахождение экстремальных значений на поверхности отклика
- •9.11. Организация экспериментов в gpss WorId
- •9.L2. Выбор наилучшего варианта структуры системы
- •Глава 10. Примеры принятия решений c помощью имитационного моделирования
- •10.1. Моделирование производственного участка
- •10.2. Моделирование технологического процесса ремонта и замены оборудования
- •Приложение Системные сча
- •Сча транзактов
- •Сча блоков:
- •Сча одноканальных устройств:
- •Список литературы
- •Глава 9. Технология имитационного моделирования 167
- •Глава 10. Примеры принятия решений c помощью имитационного моделирования 203
9.10. Нахождение экстремальных значений на поверхности отклика
Запишем уравнение поверхности отклика в следующем виде
где x1,...,xk – независимые переменные, k – число факторов. Во многих случаях цель имитационного моделирования заключается в поиске таких величин или уровней независимых переменных, при которых отклик достигает экстремального значения. Для определения направления движения к экстремальной точке в случае использования количественных, непрерывных и измеряемых величин применяют ряд небольших, полных и неполных факторных экспериментов. Так как поверхность отклика неизвестна, то ее аппроксимируют какой-то гладкой функцией, в качестве которой обычно используют полином первого порядка
или второго порядка
Параметры a0,a1,...,ak,... оценивают по результатам факторного эксперимента.
Для поиска экстремума наиболее часто используют метод скорейшего подъема. Он основан на линейной аппроксимации поверхности отклика в окрестности рассматриваемой точки P c помощью факторного эксперимента.
По построенной линейной функции определяется направление скорейшего подъема к точке оптимума (рис. 9.8). В направлении делается небольшой шаг, после чего описанная процедура повторяется снова. Метод не позволяет определить длину шага, однако, указывает направление движения.
Предположим, что исследователь провел в точке P эксперимент c 2k комбинациями плюс два наблюдения в центре. Эксперимент позволяет определить коэффициенты а0, а1, а2 (для случая k = 2 ), которые определяют наклон плоскости аппроксимации. Направление скорейшего подъема показывает относительные величины изменения факторов, обеспечивающих максимальное увеличение отклика. Поднявшись по этому направлению до некоторой точки P1, необходимо повторить всю процедуру. Такой итерационный процесс позволяет достигать все лучших и лучших значений отклика. Однако вблизи точки экстремума эта процедура неэффективна, так как коэффициенты а1 и а2, определяющие наклон аппроксимирующей плоскости, становятся небольшими и точность их оценивания низка. Это означает, что вблизи экстремальной точки линейная аппроксимация поверхности отклика является недостаточной и надо переходить к аппроксимации полиномом более высокой степени.
Рис. 9.8
Для рассматриваемого примера эксперимент c 2k комбинациями достаточен для оценивания коэффициентов a0,a1,a2. Однако два добавочных наблюдения в геометрическом центре P позволяют не только уточнить уравнение регрессии, но и получить несколько дополнительных степеней свободы для проверки статистической значимости оценок параметров регрессии. To же самое можно сделать c помощью повторного эксперимента. Вблизи экстремума поверхности желательно аппроксимировать поверхности отклика, по меньшей мере, полиномом второго порядка. Для этого используют приближение:
у = a0 + a1xl +a2x2 + a11x12 + a22x22 + a12x1x2
Для оценки коэффициентов регрессии этой модели необходимо измерить каждый фактор, по крайней мере, на трех уровнях, то есть использовать 3k-факторный эксперимент. Однако этот эксперимент дает довольно низкую точность оценок коэффициентов регрессии. Поэтому специально для квадратичных полиномов используют другие способы построения эксперимента. Из них наиболее полезными являются центральный композиционный или рототабельный планы. Они получаются путем добавления дополнительных точек к данным, полученным из 2k факторных экспериментов. Для рототабель-ного построения стандартная ошибка одинакова для равноудаленных от центра области точек. Такие построения разработаны для любого числа факторов и представляют собой правильные геометрические фигуры c центральными точками.