Под компьютерным моделированием в самом широком смысле будем понимать процесс создания и исследования моделей с помощью компьютера. Выделяют следующие виды моделирования:

Физическое моделирование: компьютер - часть экспериментальной установки или тренажера, он воспринимает внешние сигналы, осуществляет соответствующие расчеты и выдает сигналы, управляющие различными манипуляторами. Например, учебная модель самолета, представляющая собой кабину, установленную на соответствующих манипуляторах, соединенных с компьютером, который реагирует на действия пилота и изменяет наклон кабины, показания приборов, вид из иллюминатора и т.д., имитируя полет реального самолета;

Динамическое или численное моделирование, предполагающее численное решение системы алгебраических и дифференциальных уравнений методами вычислительной математики и проведение вычислительного эксперимента при различных параметрах системы, начальных условиях и внешних воздействиях. Используется для моделирования различных физических, биологических, социальных и других явлений: колебания маятника, распространение волны, изменение численности населения, популяции данного вида животных и т.д.;

Имитационное моделирование состоит в создании компьютерной программы (или пакета программ), имитирующей поведение сложной технической, экономической или иной системы на ЭВМ с требуемой точностью. Имитационное моделирование предусматривает формальное описание логики функционирования исследуемой системы с течением времени, которое учитывает существенные взаимодействия ее компонентов и обеспечивает проведение статистических экспериментов. Объектно-ориентированные компьютерные симуляции используются для исследования поведения экономических, биологических, социальных и иных систем, для создания компьютерных игр, так называемого «виртуального мира», обучающих программ и анимаций. Например, модель технологического процесса, аэродрома, некоторой отрасли производства и т.д.;

Статистическое моделирование используется для изучения стохастических систем и состоит в многократном проведении испытаний с последующей статистической обработкой получающихся результатов. Подобные модели позволяют исследовать поведение всевозможных систем массового обслуживания, многопроцессорных систем, информационно-вычислительных сетей, различных динамических систем, на которые воздействуют случайные факторы. Статистические модели применяются при решении вероятностных задач, а также при обработке больших массивов данных (интерполяция, экстраполяция, регрессия, корреляция, расчет параметров распределения и т.д.). Они отличаются от детерминированных моделей, использование которых предполагает численное решение систем алгебраических или дифференциальных уравнений, либо замену изучаемого объекта детерминированным автоматом;

Информационное моделирование заключается в создании информационной модели, то есть совокупности специальным образом организованных данных (знаков, сигналов), отражающих наиболее существенные стороны исследуемого объекта. Различают наглядные, графические, анимационные, текстовые, табличные информационные модели. К ним относятся всевозможные схемы, графы, графики, таблицы, диаграммы, рисунки, анимации, выполненные на ЭВМ, в том числе цифровая карта звездного неба, компьютерная модель земной поверхности и т.д.;

Моделирование знаний предполагает построение системы искусственного интеллекта, в основе которой лежит база знаний некоторой предметной области (части реального мира). Базы знаний состоят из фактов (данных) и правил. Например, компьютерная программа, умеющая играть в шахматы, должна оперировать информацией о «способностях» различных шахматных фигур и «знать» правила игры. К данному виду моделей относят семантические сети, логических модели знаний, экспертные системы, логические игры и т.д. Логические модели используются для представления знаний в экспертных системах, для создания систем искусственного интеллекта, осуществления логического вывода, доказательства теорем, математических преобразований, построения роботов, использования естественного языка для общения с ЭВМ, создания эффекта виртуальной реальности в компьютерных играх и т.д.

Исходя из целей моделирования, компьютерные модели подразделяют на группы:

Дескриптивные модели, используемые для понимания природы исследуемого объекта, выявления наиболее существенных факторов, влияющих на его поведение;

Оптимизационные модели, позволяющие выбрать оптимальный способ управления технической, социально экономической или иной системой (например, космической станцией);

Прогностические модели, помогающие прогнозировать состояние объекта в последующие моменты времени (модель земной атмосферы, позволяющая предсказать погоду);

Учебные модели, применяемые для обучения, тренинга и тестирования учащихся, студентов, будущих специалистов;

Игровые модели, позволяющие создать игровую ситуацию, имитирующую управление армией, государством, предприятием, человеком, самолетом и т.д., либо играющие в шахматы, шашки и другие логические игры.

ЛЕКЦИЯ 4

« Классификация видов моделирования систем»

В основе моделирования лежит теория подобия , которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функ­ционирования объекта.

Классификационные признаки. В качестве одного из первых при­знаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные , неполные и приближенные .

В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве.

Для неполного моделирования характерно неполное подобие модели изучаемому объекту.

В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем.

Классификация видов моделирова­ния систем S приведена на рис. 1.

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминиро­ванные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные .

Детерминированное моде­лирование отображает детерминированные процессы, т. е. процессы, в которых предполагается отсутствие всяких случайных воздейст­вий.

Cтохастическое моделирование отображает вероятностные про­цессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т. е. набор однородных реализаций.

Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени.

Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерыв­ное моделирование позволяет отразить непрерывные процессы в сис­темах, а дискретно-непрерывное моделирование используется для случаев, когда хотят выделить наличие как дискретных, так и непре­рывных процессов.

В зависимости от формы представления объекта (системы S ) можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным спосо­бом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне усло­вий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому экспери­менту. Мысленное моделирование может быть реализовано в виде наглядного , символического и математического . При наглядном моделировании , на базе представлений человека о реальных объектах создаются различные наглядные модели, отоб­ражающие явления и процессы, протекающие в объекте. В основу гипотетического моделирования исследователем закладывается не­которая гипотеза о закономерностях протекания процесса в реаль­ном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между вхо­дом и выходом изучаемого объекта. Гипотетическое моделирова­ние используется, когда знаний об объекте недостаточно для по­строения формальных моделей. Аналоговое моделирование основывается на применении анало­гий различных уровней. Наивысшим уровнем является полная ана­логия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уров­ней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта. Существенное место при мысленном наглядном моделировании занимает макетирование . Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшество­вать проведению других видов моделирования. В основе постро­ения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте . Если ввести условное обозначение отдель­ных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий - составлять от­дельные цепочки из слов и предложений. Используя операции объ­единения, пересечения и дополнения теории множеств, можно в от­дельных символах дать описание какого-то реального объекта. В основе языкового моделирования лежит некоторый тезаурус. Последний образуется из набора входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные раз­личия. Тезаурус - словарь, который очищен от неоднозначности, т. е. в нем каждому слову может соответствовать лишь единствен­ное понятие, хотя в обычном словаре одному слову могут соответ­ствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью опреде­ленной системы знаков или символов.

Математическое моделирование . Для исследования характерис­тик процесса функционирования любой системы S математичес­кими методами, включая и машинные, должна быть проведена формализация этого процесса, т. е. построена математическая мо­дель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристи­ки рассматриваемого реального объекта . Вид математической мо­дели зависит как от природы реального объекта, так и задач ис­следования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближе­ния к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем мож­но разделить на аналитическое, имитационное и комбинированное .

Для аналитического моделированияхарактерно то, что процессы функционирования элементов системы записываются в виде неко­торых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т. п.) или логических усло­вий. Аналитическая модель может быть исследована следующими методами :

аналитическим , когда стремятся получить в общем виде явные зависимости для искомых характеристик;

численным , когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных;

качест­венным , когда, не имея решения в явном виде, можно найти неко­торые свойства решения (например, оценить устойчивость реше­ния).

Наиболее полное исследование процесса функционирования си­стемы можно провести, если известны явные зависимости, связыва­ющие искомые характеристики с начальными условиями, парамет­рами и переменными системы S. Однако такие зависимости удается получить только для сравнительно простых систем. При усложне­нии систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимы­ми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства систе­мы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим мето­дом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследования системы могут удовлетво­рить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие каче­ственные методы широко используются, например, в теории авто­матического управления для оценки эффективности различных ва­риантов систем управления.

В настоящее время распространены методы машинной реализа­ции исследования характеристик процесса функционирования боль­ших систем. Для реализации математической модели на ЭВМ необ­ходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алго­ритм воспроизводит процесс функционирования системы S во вре­мени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последователь­ности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики систе­мы S.

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно про­сто учитывать такие факторы, как наличие дискретных и непрерыв­ных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто созда­ют трудности при аналитических исследованиях. В настоящее время имитационное моделирование - наиболее эффективный метод ис­следования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования .

Метод имитационного моделирования позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управле­ния системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в ос­нову структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая являет­ся оптимальной по некоторым критериям оценки эффективности .

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алго­ритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска оптимального варианта системы. Далее в методологии машинного моделирования будем различать два основных раздела: статику и динамику,- основным содержани­ем которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.

Комбинированное (аналитико-имитациоиное)моделирование при анализе и синтезе систем позволяет объединить достоинства анали­тического и имитационного моделирования. При построении ком­бинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели . Такой комбинированный подход позволяет охватить каче­ственно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного модели­рования в отдельности.

Другие виды моделирования . При реальном моделировании ис­пользуется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режи­мов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адек­ватным, но при этом его возможности с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АСУ предприятием потребует, во-первых, создания такой АСУ, а во-вторых, проведения экспериментов с управляемым объектом, т. е. предприятием, что в большинстве случаев невозмож­но. Рассмотрим разновидности реального моделирования.

Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов экс­перимента на основе теории подобия . При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. Надо отметить, что такие разновидности натурного эксперимента, как производст­венный эксперимент и комплексные испытания, обладают высокой степенью достоверности.

С развитием техники и проникновением в глубь процессов, протекающих в реальных системах, возрастает техническая осна­щенность современного научного эксперимента. Он характеризуется широким использованием средств автоматизации проведения, при­менением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения экс­перимента, и в соответствии с этим появилось новое научное направление - автоматизация научных экспериментов.

Отличие эксперимента от реального протекания процесса заклю­чается в том, что в нем могут появиться отдельные критические ситуации и определяться границы устойчивости процесса. В ходе эксперимента вводятся новые факторы и возмущающие воздейст­вия в процессе функционирования объекта. Одна из разновидностей эксперимента - комплексные испытания, которые также можно от­нести к натурному моделированию, когда вследствие повторения испытаний изделий выявляются общие закономерности о надеж­ности этих изделий, о характеристиках качества и т. д . В этом случае моделирование осуществляется путем обработки и обобщения све­дений, проходящих в группе однородных явлений. Наряду со специ­ально организованными испытаниями возможна реализация натур­ного моделирования путем обобщения опыта, накопленного в ходе производственного процесса, т. е. можно говорить о производствен­ном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и получа­ют его обобщенные характеристики.

Другим видом реального моделирования являетсяфизическое, отличающееся от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физи­ческим подобием . В процессе физического моделирования задаются некоторые характеристики внешней среды и исследуется поведение либо реального объекта, либо его модели при заданных или со­здаваемых искусственно воздействиях внешней среды. Физическое моделирование может протекать в реальном и нереальном (псевдоре­альном) масштабах времени, а также может рассматриваться без учета времени. В последнем случае изучению подлежат так называ­емые «замороженные» процессы, которые фиксируются в некото­рый момент времени. Наибольшие сложность и интерес с точки зрения верности получаемых результатов представляет физическое моделирование в реальном масштабе времени.

С точки зрения математического описания объекта и в зависи­мости от его характера модели можно разделить на модели анало­говые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные) .

Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины.

Под цифровой понимают модель , которая описывается уравнениями, связывающими дискретные величины, представлен­ные в цифровом виде.

Под аналого-цифровой понимается модель , которая может быть описана уравнениями, связывающими непре­рывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование, в котором отсутствует непосредственное подо­бие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибер­нетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некото­рых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной моде­ли в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроиз­вести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

ЛЕКЦИЯ 5

«ВОЗМОЖНОСТИ И ЭФФЕКТИВНОСТЬ МОДЕЛИРОВАНИЯ СИСТЕМ НА ЗВМ»

Обеспечение требуемых показателей качества функционирова­ния больших систем, связанное с необходимостью изучения проте­кания стохастических процессов в исследуемых и проектируемых системах S, позволяет проводить комплекс теоретических и экс­периментальных исследований, взаимно дополняющих друг друга. Эффективность экспериментальных исследований сложных систем оказывается крайне низкой, поскольку проведение натурных экс­периментов с реальной системой либо требует больших материаль­ных затрат и значительного времени, либо вообще практически невозможно (например, на этапе проектирования, когда реальная система отсутствует). Эффективность теоретических исследований с практической точки зрения в полной мере проявляется лишь тогда, когда их результаты с требуемой степенью точности и до­стоверности могут быть представлены в виде аналитических соот­ношений или моделирующих алгоритмов, пригодных для получе­ния соответствующих характеристик процесса функционирования исследуемых систем.

1.Средства моделирования систем .

Появление современных ЭВМ было решающим условием широкого внедрения аналитических ме­тодов в исследование сложных систем. Стало казаться, что модели и методы, например математического программирования, станут практическим инструментом решения задач управления в больших системах. Действительно, были достигнуты значительные успехи и создании новых математических методов решения этих задач, однако математическое программирование так и не стало прак­тическим инструментом исследования процесса функционирования сложных систем, так как модели математического программирова­ния оказались слишком грубыми и несовершенными для их эффек­тивного использования. Необходимость учета стохастических свойств системы, недетерминированности исходной информации, наличия корреляционных связей между большим числом перемен­ных и параметров, характеризующих процессы в системах, приво­дят к построению сложных математических моделей, которые не могут быть применены в инженерной практике при исследовании таких систем аналитическим методом. Пригодные для практических расчетов аналитические соотношения удается получить лишь при упрощающих предположениях, обычно существенно искажающих фактическую картину исследуемого процесса. Поэтому в последнее время все ощутимее потребность в разработке методов, которые дали бы возможность уже на этапе проектирования систем исследо­вать более адекватные модели. Указанные обстоятельства приводят к тому, что при исследовании больших систем все шире применяют методы имитационного моделирования.

Наиболее конструктивным средством решения инженерных за­дач на базе моделирования в настоящее время стали ЭВМ. Со­временные ЭВМ можно разделить на две группы: универсальные, прежде всего предназначенные для выполнения расчетных работ, и управляющие, позволяющие проводить не только расчетные ра­боты, но прежде всего приспособленные для управления объектами в реальном масштабе времени. Управляющие ЭВМ могут быть использованы как для управления технологическим процессом, экспериментом, так и для реализации различных имитацион­ных моделей.

В зависимости от того, удается ли построить до­статочно точную математическую модель реального процесса, или вследствие сложности объекта не удается проникнуть в глубь функ­циональных связей реального объекта и описать их какими-то ана­литическими соотношениями, можно рассматривать два основных пути использования ЭВМ:

как средства расчета по полученным аналитическим моделям и

как средства имитационного моделиро­вания.

Для известной аналитической модели, полагая, что она достато­чно точно отображает исследуемую сторону функционирования реального физического объекта, перед вычислительной машиной стоит задача расчета характеристик системы по каким-либо мате­матическим соотношениям при подстановке числовых значений. В этом направлении вычислительные машины обладают возмож­ностями, практически зависящими от порядка решаемого уравнения и от требований к скорости решения, причем могут быть исполь­зованы как ЭВМ, так и АВМ.

При использовании ЭВМ разрабатывается алгоритм расчета характеристик, в соответствии с которым составляются программы (либо генерируются с помощью пакета прикладных программ), дающие возможность осуществлять расчеты по требуемым анали­тическим соотношениям. Основная задача исследователя заключа­ется в том, чтобы попытаться описать поведение реального объекта одной из известных математических моделей.

Использование АВМ, с одной стороны, ускоряет для достаточно простых случаев процесс решения задачи, с другой стороны, могут возникать погрешности, обусловленные наличием дрейфа парамет­ров отдельных блоков, входящих в АВМ, ограниченной точностью, с которой могут быть заданы параметры, вводимые в машину, а также неисправностями технических средств и т. д.

Перспективно сочетание ЭВМ и АВМ, т. е. использование гиб­ридных средств вычислительной техники - гибридных вычислите­льных комплексов (ГВК), что в ряде случаев значительно ускоряет процесс исследования.

В ГВК удается сочетать высокую скорость функционирования аналоговых средств и высокую точность расчетов на базе цифровых средств вычислительной техники. Одновременно удается за счет наличия цифровых устройств обеспечить контроль проведения опе­раций. Опыт использования вычислительной техники в задачах моделирования показывает, что с усложнением объекта большую эффективность по скорости решения и по стоимости выполнения операций дает использование гибридной техники.

Конкретным техническим средством воплощения имитационной модели могут быть ЭВМ, АВМ и ГВК. Если использование анало­говой техники ускоряет получение конечных результатов, сохраняя некоторую наглядность протекания реального процесса, то приме­нение средств цифровой техники позволяет осуществить контроль за реализацией модели, создать программы по обработке и хране­нию результатов моделирования, обеспечить эффективный диалог исследователя с моделью.

Обычно модель строится по иерархическому принципу, когда последовательно анализируются отдельные стороны функциониро­вания объекта и при перемещении центра внимания исследователя рассмотренные ранее подсистемы переходят во внешнюю среду. Иерархическая структура моделей может раскрывать и ту последовательность, в которой изучается реальный объект, а именно после­довательность перехода от структурного (топологического) уровня к функциональному (алгоритмическому) и от функционального к параметрическому.

Результат моделирования в значительной степени зависит от адекватности исходной концептуальной (описательной) модели, от полученной степени подобия описания реального объекта, числа реализаций модели и многих других факторов. В ряде случаев сложность объекта не позволяет не только построить математичес­кую модель объекта, но и дать достаточно близкое кибернетическое описание, и перспективным здесь является выделение наиболее трудно поддающейся математическому описанию части объекта и включение этой реальной части физического объекта в имитаци­онную модель. Тогда модель реализуется, с одной стороны, на базе средств вычислительной техники, а с другой - имеется реальная часть объекта. Это значительно расширяет возможности и повыша­ет достоверность результатов моделирования.

Моделирующая система реализуется на ЭВМ и позволяет ис­следовать модель М , задаваемую в виде определен­ной совокупности отдельных блочных моделей и связей между ними в их взаимодействии в пространстве и времени при реализации какого-либо процесса. Можно выделить три основные группы бло­ков:

блоки, характеризующие моделируемый процесс функциониро­вания системы S;

блоки, отображающие внешнюю среду Е и ее воздействие на реализуемый процесс;

блоки, играющие служебную вспомогательную роль, обеспечивая взаимодействие первых двух, а также выполняющие дополнительные функции по получению и обработке результатов моделирования.

Кроме того, моделирующая система характеризуется набором переменных, с помощью которых удается управлять изучаемым процессом, и набором на­чальных условий, когда можно изменять условия проведения ма­шинного эксперимента.

Таким образом, моделирующая система есть средство проведе­ния машинного эксперимента, причем эксперимент может ставиться многократно, заранее планироваться, могут определяться условия его проведения. Необходимо при этом выбрать методику оценки адекватности получаемых результатов и автоматизировать как про­цессы получения, так и процессы обработки результатов в ходе машинного эксперимента.

2.Обеспечение моделирования .

Моделирующая система характеризуется наличием математического, программного, инфор­мационного, технического, эргономического и других видов обес­печения.

Математическое обеспечение моделирующей системы включает в себя совокупность математических соотношений, опи­сывающих поведение реального объекта, совокупность алгоритмов, обеспечивающих как подготовку, так и работу с моделью. Сюда могут быть отнесены алгоритмы: ввода исходных данных, имита­ции, вывода, обработки.

Программное обеспечение по своему содержанию включает в себя совокупность программ: планирования эксперимента, модели системы, проведения эксперимента, обработки и интерпре­тации результатов. Кроме того, программное обеспечение должно обеспечивать синхронизацию процессов в модели, т. е. необходим блок, организующий псевдопараллельное выполнение процессов в модели. Машинные эксперименты с моделями не могут проходить без хорошо разработан­ного и реализованного информационного обеспечения.

Информационное обеспечение включает в себя средства и технологию организации и реорганизации базы данных модели­рования, методы логической и физической организации массивов, формы документов, описывающих процесс моделирования и его результаты. Информационное обеспечение является наименее разработанной частью, поскольку только в на­стоящее время наблюдается переход к созданию сложных моделей и разрабатывается методология их использования при анализе и синтезе сложных систем с использованием концепции базы данных и знаний.

Техническое обеспечение включает в себя прежде всего средства вычислительной техники, связи и об­мена между оператором и сетью ЭВМ, ввода и вывода инфор­мации, управления проведением эксперимента.

Эргономическое обеспечение пред­ставляет собой совокупность научных и прикладных методик и ме­тодов, а также нормативно-технических и организационно-методи­ческих документов, используемых на всех этапах взаимодействия человека-экспериментатора с инструментальными средствами (ЭВМ, гибридными комплексами и т. д.). Эти документы, использу­емые на всех стадиях разработки и эксплуатации моделирующих систем и их элементов, предназначены для формирования и поддер­жания эргономического качества путем обоснования и выбора ор­ганизационно-проектных решений, которые создают оптимальные условия для высокоэффективной деятельности человека во взаимо­действии с моделирующим комплексом.

Таким образом, моделирующая система может рассматриваться как машинный аналог сложного реального процесса. Она позволяет заменить эксперимент с реальным процессом функционирования системы экспериментом с математической моделью этого процесса в ЭВМ. В настоящее время имитационные эксперименты широко используют в практике проектирования сложных систем, когда реальный эксперимент невозможен.

Возможности и эффективность моделирования систем на ЭВМ

Несмотря на то что имитационное моделирование на ЭВМ является мощным инстру­ментом исследования систем, его применение рационально не во всех случаях. Известно множество задач, решаемых более эффектив­но другими методами. Вместе с тем для большого класса задач исследования и проектирования систем метод имитационного моде­лирования наиболее приемлем. Правильное его употребление воз­можно лишь в случае четкого понимания сущности метода имита­ционного моделирования и условий его использования в практике исследования реальных систем при учете особенностей конкретных систем и возможностей их исследования различными методами.

В качестве основных критериев целесообразности применения метода имитационного моделирования на ЭВМ можно указать следующие: отсутствие или неприемлемость аналитических, числен­ных и качественных методов решения поставленной задачи; наличие достаточного количества исходной информации о моделируемой системе S для обеспечения возможности построения адекватной имитационной модели; необходимость проведения на базе других возможных методов решения очень большого количества вычисле­ний, трудно реализуемых даже с использованием ЭВМ; возмож­ность поиска оптимального варианта системы при ее моделирова­нии на ЭВМ.

Имитационное моделирование на ЭВМ, как и любой метод исследований, имеет достоинства и недостатки, проявляющиеся в конкретных приложениях. К числу основных достоинств ме­тода имитационного моделирования при исследовании сложных систем можно отнести следующие: машинный эксперимент с имита­ционной моделью дает возможность исследовать особенности про­цесса функционирования системы S в любых условиях; применение ЭВМ в имитационном эксперименте существенно сокращает продо­лжительность испытаний по сравнению с натурным экспериментом; имитационная модель позволяет включать результаты натурных испытаний реальной системы или ее частей для проведения даль­нейших исследований; имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров мо­делируемой системы, что важно с точки зрения поиска оптималь­ного варианта системы; имитационное моделирование сложных систем часто является единственным практически реализуемым ме­тодом исследования процесса функционирования таких систем на этапе их проектирования.

Основным недостатком, проявляющимся при машинной реали­зации метода имитационного моделирования, является то, что ре­шение, полученное при анализе имитационной модели М, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям парамет­ров системы S, начальных условий и воздействий внешней среды Е. Поэтому для полного анализа характеристик процесса функциони­рования систем, а не получения только отдельной точки приходится многократно воспроизводить имитационный эксперимент, варьи­руя исходные данные задачи. При этом, как следствие, возникает увеличение затрат машинного времени на проведение эксперимента с имитационной моделью процесса функционирования исследуемой системы S.

Эффективность машинного моделирования. При имитационном моделировании, так же как и при любом другом методе анализа и синтеза системы S, весьма существен вопрос его эффективности. Эффективность имитационного моделирования может оцениваться рядом критериев, в том числе точностью и достоверностью резуль­татов моделирования, временем построения и работы с моделью М, затратами машинных ресурсов (времени и памяти), стоимостью разработки и эксплуатации модели . Очевидно, наилучшей оценкой эффективности является сравнение получаемых результатов с реаль­ным исследованием, т. е. с моделированием на реальном объекте при проведении натурного эксперимента. Поскольку это не всегда удается сделать, статистический подход позволяет с определенной степенью точности при повторяемости машинного эксперимента получить какие-то усредненные характеристики поведения системы. Существенное влияние на точность моделирования оказывает число реализаций, и в зависимости от требуемой достоверности можно оценить необходимое число реализаций воспроизводимого случай­ного процесса.

Существенным показателем эффективности являются затраты машинного времени. В связи с использованием ЭВМ различного типа суммарные затраты складываются из времени по вводу и выводу данных по каждому алгоритму моделирования, времени на проведение вычислительных операций, с учетом обращения к опера­тивной памяти и внешним устройствам, а также сложности каждого моделирующего алгоритма. Расчеты затрат машинного времени являются приближенными и могут уточняться по мере отладки программ и накопления опыта у исследователя при работе с имита­ционной моделью. Большое влияние на затраты машинного време­ни при проведении имитационных экспериментов оказывает рацио­нальное планирование таких экспериментов. Определенное влияние на затраты машинного времени могут оказать процедуры обработ­ки результатов моделирования, а также форма их представления.

Математическая модель. Классификация математических моделей.

Математическая модель выражает существенные черты объекта или процесса языком уравнений и других мат. средств.

Математическое моделирование не всегда требует компьютерной поддержки. Каждый специалист, профессионально занимающийся мат. моделированием делает все возможное для исследования. Аналитическое решение (представление формулами) обычно удобнее и информативнее численных. Понятия «аналитическое решение» и «компьютерное решение» не противостоят друг другу, т.к.:

1) все чаще компьютеры при мат. моделировании используются не только для численных расчетов, но и для аналитических преобразований.

2) результат аналитического исследования мат. модели часто выражен столь сложной формулой, что при взгляде на нее не складывается восприятия, описываемого ей процесса.

Классификация мат. моделей.

1. Дескриптивные (описательные) модели.

2. Оптимизационные модели.

3. Многокритериальные модели.

4. Игровые.

5. Имитационные.

Моделируя движение кометы, вторгшейся Солнечную систему, мы описываем траекторию ее полета, расстояние, на котором она пройдет от Земли, т.е. ставим описательные цели. У нас нет никаких возможностей повлиять на движение кометы, что-то изменить.

На другом уровне процессов мы можем воздействовать на них, пытаясь добиться какой-то цели. В этом случае в модель входит один или несколько параметров, доступных нашему влиянию. Например, меняя тепловой режим в зернохранилище, мы можем стремиться подобрать такой, чтобы достичь максимальной сохранности зерна, т.е. оптимизируем процесс.

Часто приходится оптимизировать процесс по нескольким параметрам сразу, причем цели могут быть противоречивыми. Например, зная цены на продукты и потребность человека в пище, организовать питание больших групп людей как можно полезнее и дешевле, т.е. при моделировании будет несколько критериев, между которыми надо искать баланс.

Есть специальный достаточно сложный раздел современной математики – теория игр, - изучающий методы принятия решений в условиях неполной информации.

Бывает, что модель в большей мере подражает реальному процессу, т.е. имитирует его. Например, моделирование движения молекул в газе, когда каждая молекула представляется в виде шарика, создаются условия поведения этих шариков при столкновении друг с другом и со стеной, при этом не нужно использовать никаких уравнений движения. Можно сказать, что чаще всего имитационное моделирование применяется в попытке описать свойства большой системы при условии, что поведение составляющих ее объектов очень просто и четко сформулировано.

Компьютерная модель – это модель реализованная средствами программной среды.

1. Моделирование физических процессов. Физика – наука, в которой мат. моделирование является чрезвычайно важным методом исследования.

Численное моделирование (как и лабораторные эксперименты) чаще всего являются инструментом познания качественных закономерностей природы. Важнейшим его этапом, когда расчеты уже завершены, является осознание результатов, представление их в максимально наглядной и удобной для восприятия форме. Забить числами экран компьютера или получить распечатку тех же чисел не означает закончить моделирование (даже если числа эти верны). Тут на помощь приходит другая замечательная особенность компьютера, дополняющая способность к быстрому расчету – возможность визуализации абстракций. Представление результатов в виде графиков, диаграмм, траектории движения динамических объектов в силу особенностей человеческого восприятия обогащает исследователя качественной информацией.

2. Компьютерное моделирование в экологии. Цели создания мат. моделей в экологии.

1. Модели помогают выделить суть или объединить и выразить с помощью нескольких параметров важные свойства большого числа уникальных наблюдений, что облегчает экологу анализ рассматриваемого процесса или проблемы.

2. Модели выступают в качестве «общего языка», с помощью которого может быть описано каждое уникальное явление, и относительные свойства таких явлений становятся более понятными.

3. Модель может служить образцом «идеального объекта» или идеализированного поведения, при сравнении с которым можно оценивать и измерять реальные объекты и процессы.

4. Модели действительно могут пролить свет на реальный мир, несовершенными имитациями которого они являются.

При построении моделей в мат. экологии используется опыт мат. моделирования механических и физических систем, однако с учетом специфических особенностей биологических систем:

Сложности внутреннего строения каждой особи;

Зависимости условий жизнедеятельности организмов от многих факторов внешней среды;

Не замкнутости экологических систем;

Огромного диапазона внешних характеристик, при которых сохраняется жизнеспособность систем.

3. Компьютерное мат. моделирование в экономике – это мат. описание исследуемого объекта. Эта модель выражает закономерности экономического процесса в абстрактном виде с помощью мат. соотношений. Использование мат. моделирования в экономике позволяет углубить количественный экономический анализ, расширить область экономической информатики.

Слово «модель» произошло от латинского слова «modulus», означает «мера», «образец». Его первоначальное значение было связано со строительным искусством, и почти во всех европейских языках оно употреблялось для обозначения образа или прообраза, или вещи, сходной в каком-то отношении с другой вещью.

Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ век. Однако методология моделирования долгое время развивалась отдельными науками независимо друг от друга. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Термин «модель» широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. В этом разделе мы будем рассматривать только такие модели, которые являются инструментами получения знаний.

Модель – это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале.

Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом, и с помощью которого изучает интересующий его объект. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания.

В самом общем случае при построении модели исследователь отбрасывает те характеристики, параметры объекта-оригинала, которые несущественны для изучения объекта. Выбор характеристик объекта-оригинала, которые при этом сохраняются и войдут в модель, определяется целями моделирования. Обычно такой процесс абстрагирования от несущественных параметров объекта называют формализацией. Более точно, формализация – это замена реального объекта или процесса его формальным описанием.

Основное требование, предъявляемое к моделям – это их адекватность реальным процессам или объектам, которые замещает модель.

Практически во всех науках о природе, живой и неживой, об обществе, построение и использование моделей является мощным орудием познания. Реальные объекты и процессы бывают столь многогранны и сложны, что лучшим (а иногда и единственным) способом их изучения часто является построение и исследование модели, отображающей лишь какую-то грань реальности и потому многократно более простой, чем эта реальность. Многовековой опыт развития науки доказал на практике плодотворность такого подхода. Более конкретно, необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует слишком много времени и средств.

В моделировании есть два различных подхода. Модель может быть похожей копией объекта, выполненной из другого материала, в другом масштабе, с отсутствием ряда деталей. Например, это игрушечный кораблик, домик из кубиков, деревянная модель самолета в натуральную величину, используемая в авиаконструировании и др. Модели такого рода называют натурными .

Модель может, однако, отображать реальность более абстрактно – словесным описанием в свободной форме, описанием, формализованным по каким-то правилам, математическими соотношениями и т.п. Будем называть такие модели абстрактными .

Классификация абстрактных моделей:

1. Вербальные (текстовые) модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности (примерами такого рода моделей являются милицейский протокол, правила дорожного движения).

2. Математические модели – очень широкий класс знаковых моделей (основанных на формальных языках над конечными алфавитами), использующих те или иные математические методы. Например, математическая модель звезды будет представлять собой сложную систему уравнений, описывающих физические процессы, происходящие в недрах звезды. Другой математической моделью являются, например, математические соотношения, позволяющие рассчитать оптимальный (наилучший с экономической точки зрения) план работы какого-либо предприятия.

3. Информационные модели – класс знаковых моделей, описывающих информационные процессы (получение, передачу, обработку, хранение и использование информации) в системах самой разнообразной природы. Примерами таких моделей могут служитьOSI– семиуровневая модель взаимодействия открытых систем в компьютерных сетях, или машина Тьюринга – универсальная алгоритмическая модель.

Подчеркнем, что граница между вербальными, математическими и информационными моделями может быть проведена весьма условно. Так, информационные модели иногда считают подклассом математических моделей. Однако, в рамках информатики как самостоятельной науки, отделенной от математики, физики, лингвистики и других наук, выделение информационных моделей в отдельный класс является целесообразным.

Отметим, что существуют и иные подходы к классификации абстрактных моделей; общепринятая точка зрения здесь еще не установилась.

В прикладных науках различают следующие виды абстрактных моделей:

1) чисто аналитические математические модели, не использующие компьютерных средств;

2) информационные модели, имеющие приложения в информационных системах;

3) вербальные языковые модели;

4) компьютерные модели, которые могут использоваться для:

Численного математического моделирования;

Визуализации явлений и процессов (как для аналитических, так и для численных моделей);

Специализированных прикладных технологий, использующих компьютер (как правило, в режиме реального времени) в сочетании с измерительной аппаратурой, датчиками и т.п.

Большая часть данного курса связана с прикладными математическими моделями, в реализации которых используются компьютеры. Это вызвано тем, что внутри информатики именно компьютерное математическое и компьютерное информационное моделирование могут рассматриваться как ее составные части. Компьютерное математическое моделирование связано с информатикой технологически; использование компьютеров и соответствующих технологий обработки информации стало неотъемлемой и необходимой стороной работы физика, инженера, экономиста, эколога, проектировщика ЭВМ и т.д. Неформализованные вербальные модели не имеют столь явно выраженной привязки к информатике – ни в принципиальном, ни в технологическом аспектах.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«Балтийский федеральный университет имени Иммануила Канта»

ИНСТИТУТ ТРАНСПОРТА И ТЕХНИЧЕСКОГО СЕРВИСА

КАЛИНИНГРАДСКИЙ ТЕХНИЧЕСКИЙ КОЛЛЕДЖ

КУРСОВАЯ РАБОТА

ПО КОМПЬЮТЕРНОМУ МОДЕЛИРОВАНИЮ

«МОДЕЛИРОВАНИЕ ЭВМ »

Выполнил а :

Батурина Евгения

Группа: 2КС-1

Проверил:

Ампилогов Д.В.

КАЛИНИНГРАД 2014

Введение

1. Формализация концептуальной модели

1.1 Определение параметров и переменных моделей

1.2 Определение единицы модельного времени

1.3 Определение закона функционирования системы

2. Задание

2.1 Определение требований к вычислительным средствам

2.2 Выбор программных средств моделирования

2.3 Функциональная структура языка GPSS

2.4 Программный код

Заключение

Список использованной литературы

Введение

Современное время диктует новый ритм жизни, видоизменяя все сферы человеческой деятельности. Сегодня невозможно представить себе практически ни один производственный процесс или процесс научных исследований без применения компьютерного моделирования. Как и любое другое моделирование, компьютерное моделирование направлено на создание прототипов различного рода объектов, процессов или систем, в частности сложных систем, зависящих от совокупности взаимосвязанных и от случайных факторов. Компьютерное моделирование позволяет значительно снизить затраты на проведение экспериментов, сократить сроки создания и анализа моделей, а также получить необходимые результаты в удобной форме. Важной особенностью современного моделирование является использование различного рода прикладных пакетов, направленных на моделирование определённых явлений. Такие программные продукты, в какой - то мере сами по себе уже являются результатами компьютерного моделирования и служат для оптимизации и визуализации процессов моделирования конкретных объектов, систем и процессов. Существуют различные среды компьютерного моделирования, характерные для моделирования и анализа специфических задач конкретных областей науки и техники. В своей работе я пользовалась средой GPSS, которую я считаю наиболее удобной, легкой в обращении и понимании, а также легкодоступный синтаксис выбранного мною языка. В курсовой работе будет представлено решение задачи, а также основные аспекты, связанные с моделированием современных ЭВМ. Также необходимо помнить, что основной целью, которая стояла перед выполнением курсовой работы это закрепление, полученного материала от лекционных занятий. Особенностью выполнения данной работы, является реализация поставленной задачи на персональном компьютере в программной среде GPSS.

1. Фор мализация концептуальной модели

компьютерный моделирование модель абстрактный

Прежде чем начать рассматривать модель, необходимо определить тип модели. Следовательно, определить тип моделирования. В данной курсовой работе будет рассматриваться модель с точки зрения системного подхода.

Модель - это не абсолютная копия оригинала, она предполагает уже некоторую степень абстрагирования.

В настоящее время понятие модели расширилось, оно включает и реальные и, так называемые?идеальные? модели, например, математические модели. Свойствами модели обладают такие формы научных представлений о мире как законы, гипотезы, теории.

Любая модель - идеальная или материальная, используемая в научных целях, на производстве или в быту - несет информацию о свойствах и характеристиках исходного объекта (объекта - оригинала), существенных для решаемой субъектом задачи. Модель -- это физический или абстрактный объект, отражающий в той или иной степени процессы в исследуемой системе.

Программа, написанная, на компьютере является формализованным представлением процесса обработки данных. Формализованная модель также является набором знаков, потому что машина понимает только такое представление информации. Компьютерная программа является моделью по обработке различных видов информации.

Построение модели одна из главных задач, требующая анализа и основных сведений об обете исследования. Модель строится для оценки ее свойств, реакции на окружающую среду и т.п.. Большинство моделей стоится на гипотезах и предположениях, из которых затем следует идея построения модели.

В разных областях науки и жизнедеятельности человека процессы исследуются под разными точками зрения и соответственно стоят отличные друг от друга модели.

Языки моделирования можно условно разделить на искусственные и естественные. Искусственные языки создаются человеком, когда существует необходимость создания специальных целей или для разделения людей на группы. Естественные языки складываются неожиданно и в течении некоторого количества времени.

Моделирование начинается:

Первый этап

1) Постановка задачи (что вы хотите получить в результате моделирования.какой целью вы задаетесь приступая к работе)

2) Описание задачи (конкретизировать или поставить задачу в определенные рамки)

3) Исследование характеристик объекта (необходимо следить за последствиями.которые может оказать модель на окружающую себя среду и человека)

4) Какое надо произвести воздействие на изучаемый объект, чтобы его параметры удовлетворяли заданному условию.

Второй этап

1) Разработка схемы данной модели (схема R)

Рассмотрение модели, вместо системы влечет за собой упрощение.

Модель необходима для:

1. Понимания принципа работы устройства, его структуры, рассмотреть

как развивается модель в разных условиях и ее поведение в этих условиях, а также увидеть основные свойства.

2. Необходимо научится управлять моделью.

3. Предсказывать последствия модели, а также рассматривать какие последствия будут у предмета, взаимодействовавшего с этой моделью.

Основные свойства абстрактной модели:

1) Конечность - модель должна иметь конечный результат.

2) Упрощение - модель должна быть простой и легко воспроизводимой.

3) Целенаправленность - у любой модели должна быть цель, т.к. модель отображает часть системы.

4) Приблизительность - действительность всех действий, которые происходят с моделью или их приближенность.

5) Полнота - модель должна учитывать все основные понятия системы, для получения более точного результата.

6) Информативность - в модели, необходимо содержать всю необходимую информацию о системе и по возможности получать информацию от других источников.

8) Устойчивость - модель должна описывать поведение системы при различных условиях, даже если условия неустойчивы.

9) Наглядность - основных свойств и применений системы, которую необходимо написать.

10) Целостность - модель реализует абстрактную систему и поэтому должна быть единым целым, неделимой.

11) Замкнутость - учитывать цикличность системы, отношений и связи.

12) Доступность.

13) Адаптивность - модели необходимо приспособится к любым исходам.

14) Технологичность для воспроизведения модели, описывающей определенную систему.

15) Эволюционируемость - возможности развития и повышения уровня сложности.

16) Управляемость - модели нужно иметь минимум один параметр изменения.

Одним из основных свойств модели является ее адекватность. У этого существуют различные зависимости:

а) степени полноты и достоверности сведений об исследуемой системе;

б) степени детализации модели;

в) корректности параметризации модели, под которой понимается установления соответствия между параметрами системы и модели;

г) уровня подготовки и опыта самого исследователя.

Формализация - отображение результатов мышления в точных понятиях или утверждениях.

Структурную модель системы еще называют структурной схемой. На структурной схеме отражается состав системы и ее внутренние связи.

Концептуальная модель - это модель, представленная множеством понятий и связей между ними, определяющих смысловую структуру рассматриваемой предметной области или ее конкретного объекта.

Чаще всего концептуальная модель представляется в виде диаграммы сущностей-связей, что будет приведено ниже. Чтобы понять, как работает модель, надо построить ее схему. На этом этапе идет переход от словесного описания объекта моделирования к его математической модели. Одна из главных целей это упрощение описания системы, отделение собственно системы S от внешней среды E и выбор основного содержания модели путем отбрасывания всего второстепенного с точки зрения поставленной цели моделирования.

Построим формальную схему (R-схему) заданной вычислительной системы:

Рисунок № 1 (R-схема)

С-1 - сетевая машина

С-2 - сетевая машина

С-3 - сетевая машина

О - очередь

Э - электронно-вычислительная машина (компьютер)

Исходные данные перед поступлением в ЭВМ должны прости очередь (структура данных с дисциплиной доступа к элементам «первый пришёл -- первый вышел»). И только потом данные из очереди попадут в ЭВМ.

Данные для ЭВМ подготавливаются в виде пакета управляющих и определяющих карт, которым составляется по схеме модели, набранной из стандартных символов. Созданная программа GPSS, работая в режиме интерпретации, генерирует и передаёт транзакты из блока в блок. Каждый переход транзакта приписывается к определенному моменту системного времени.

1.1 Определение параметров и переменных модели

Анализ развития наиболее сложных технических систем позволяет сделать вывод о все более глубоком проникновении ЭВМ в их структуру. Вычислительные машины становятся неотъемлемой, а зачастую и основной частью таких систем. Прежде всего это относится к сложным радиоэлектронным системам. Среди них различные автоматические системы, в том числе системы автоматической коммутации (электронные АТС), системы радиосвязи, радиотелеметрические системы, системы радиолокации и радионавигации, различные системы управления.

При построении таких систем в значительной степени используются принципы и структуры организации вычислительных машин и вычислительных систем (ВС.). Характерной особенностью является наличие в системах нескольких процессоров, объединенных различными способами в специализированную ВС. При этом осуществляется переход от «жесткой» логики функционирования технических систем к универсальной «программной» логике. В силу этого все более значительную роль в таких системах, наряду с аппаратными средствами, играет специализированное системное и прикладное программное обеспечение.

Для проведения эксперимента потребуется только один персональный компьютер без внешних устройств. Время выполнения эксперимента ограничено лишь временем доступа к персональному компьютеру.

Детерминированная модель - аналитическое представление закономерности, операции и т.п., при которых для данной совокупности входных значений на выходе системы может быть получен единственный результат. Чтобы создать детерминированную модель данной вычислительной системы необходимо, заменить стохастические потоки их математическими ожиданиями:

Интервал между приходами пользователей 10 мин

Время подготовки задания 1-ым пользователем 16 мин

Время подготовки задания 2-ым пользователем 17 мин

Время подготовки задания 3-им пользователем 18 мин

Время выполнения задания на ЭВМ 0.8 мин

Вероятность прихода каждого из пользователей 0.33

1.2 Определение единицы модельного времени

Модельное время - время, которое можно выбрать по своему усмотрению в зависимости от условия задачи.

В исходной задаче за единицу модельного времени (emd) необходимо взять интервал минимального реального времени. Минимальный интервал реального времени (emd) в течение которого система не меняет своего исходного состояния. В текущей задаче модельное время равно 0.1 мин.

1.3 Определение закона функционирования системы

Работу этой вычислительной системы можно представить в виде временных диаграмм.

Рисунок № 2 (зависимость модельного времени Emd от поступающей информации из сетевой машины С-1)

Рисунок № 3 (зависимость модельного времени Emd от поступающей информации из сетевой машины С-2)

Рисунок № 4 (зависимость модельного времени Emd от поступающей информации из сетевой машины С-3)

Рисунок № 5 (временная зависимость от того, как данные поступают в ЭВМ - компьютер)

2. Задание

Условие задачи представлено на рисунке:

Рисунок № 6 (условие задачи)

2.1 Определение требований к вычислительным средствам

Для решения исходной задачи потребуется один компьютер, на который установлена программа GPSS. Время, потраченное, на выполнение решение задачи ограничено, временем доступа к компьютеру.

2.2 Выбор программных средств моделирования

Для написания программы,я выбраласреду GPSS . Язык, который используется в этой среде, называется GPSS. GPSS (General Purpose

Simulation System) - язык, который используется для моделирования абстрактных систем и систем массового обслуживания (СМО), а также для пространственного движения объектов. Объекты языка GPSS связанны со СМО - система, которая производит обслуживание поступающих в неё требований. Обслуживание требований в СМО производится обслуживающими приборами. Эти объекты, о которых говорилось, ранее называются транзактами. Транзакты можно создавать и удалять по мере необходимости, для решения какой либо задачи. В любой модели существуют определенные блоки, каждый из которых отвечает за свою собственную функцию. Функция дает транзактам понять, куда двигаться или перемещаться, чтобы получить конечный результат. Данные для ЭВМ подготавливаются в виде пакета управляющих и определяющих карт, которым составляется по схеме модели, набранной из стандартных символов. Созданная программа GPSS, работая в режиме интерпретации, генерирует и передаёт транзакты из блока в блок. Каждый переход транзакта приписывается к определенному моменту системного времени.

2.3 Функциональная структура языка GPSS

I) Уровень определяется комбинацией основных функциональных объектов таких, как:

Устройства

Логический переключатель

Очередь

Транзакты;

II) Уровень - блок-схема модели, составленная из типовых блоков, между которыми перемещаются транзакты.

1) Транзакты являются абстрактными подвижными элементами, которые являются аналогами различных объектов реального мира (сообщения, транспортные средства, люди, детали и т.д.) Транзакты двигаются по модели, они могут создаваться и уничтожаться.

Перемещаясь между блоками модели в соответствии с логикой моделирования, транзакты вызывают (и испытывают) различные действия:

Возможны их задержки в некоторых точках модели (связанные с обслуживанием, ожиданием в очереди),

Изменение маршрутов и направления движения,

Создание копии транзактов.

2) Устройства моделируют объекты, в которых может происходить обработка транзактов, что связано с затратами времени. Устройства являются аналогами каналов СМО (каждое устройство в данный момент времени, может быть, занять лишь одним транзактом). В GPSS существует возможность проверки состояния устройства.

3) Память - предназначены для моделирования объектов, обладающих ёмкостью. Аналогия с многоканальными СМО - память может обслуживать одновременно несколько транзактов. При этом транзакт занимает определённую часть памяти.

4) Логические переключатели - принимают значение включено или выключено, позволяют изменять пути следования транзактов в модели.

5) Очередь. В процессе движения транзакты могут задерживаться в определенных точках модели. Если необходимо собирать информацию о длине очереди транзактов и времени задержки транзактов используют соответствующие статистические объекты.

6) Таблицы. Таблицы обрабатывают статистическую информацию, строят гистограмму распределений по любой переменной.

2.4 Программный код

10 generate 100,500

40 release ustr1

50 transfer ,evm

100 generate 200,500

130 release ustr2

140 transfer ,evm

200 generate 300,500

230 release ustr3

300 evm seize ustr4

320 release ustr4

В Таблице № 1 представлены основные блоки, которые потребовались в результате написания программы:

Таблица № 1

Текст программы

Похожие статьи