Специфика имитационных моделей

Ключевые слова: имитация процесса, имитационное моделирование, стохастичность

Человечество давно использует достижения науки и техники, применяя их в своих интересах. Но с развитием моделирования стали описываться всё более сложные объекты, требующие детального описания. Это привело к появлению проблем описания моделей, а именно:

– необходимости учёта большого количества подсистем и связей (взаимозависимостей) между ними;

– увеличению влияния случайных, частных факторов;

– усложнению выработки управляющих воздействий на моделируемый объект.

Всё это проявляется в снижении эффективности поиска оптимальных параметров управления моделируемым объектом. Поэтому были поставлены следующие задачи:

1) найти способы эффективного приближенного описания сложного объекта для его дальнейшего изучения;

2) проследить развитие изучаемого объекта при различных начальных условиях с учётом случайных факторов;

3) выработать оптимальное управляющее воздействие;

4) осуществить прогноз поведения моделируемого объекта;

5) оценить качество и погрешность полученных результатов.

Над решением этих задач трудились многие поколения учёных, и в результате были выработаны методы, позволяющие на языке математики, логики, теории систем описать объект и создать его модель. Часть их них была названа имитационным моделированием и выделилась в отдельную науку. Её задача – просчитать модель не в виде уравнения, а пошагово, имитируя этапы её работы.

& Имитация (лат. Imitation – подражание) – процесс подражания действиям исходного объекта, с целью создать видимость.

Правда, для эффективной имитации требовалось достаточно много сложных вычислений, что вначале препятствовало широкому внедрению данного подхода на практике. Появление вычислительной техники значительно упростило процесс создания, просчёта (прогона) и оценки моделей. Это позволило возобновить исследования и расширить применение компьютерных имитационных моделей.

Первые программные пакеты имитационного моделирования появились в середине 50-х годов ХХ века. Самыми известными стали SIMULA (60-е, Норвегия), DYNAMO (70-е, США), GPSS (70-е, США), Powersim (90-е, США, Норвегия), Ithink (США) и пр. Хотя в принципе имитационное моделирование можно осуществлять и с помощью других программных пакетов: MS Excel, MathCAD, MatLab, среды объектно-ориентированного программирования и CASE-средств: C++, Delphi, Basic и пр. В России собственные системы имитационного моделирования стали разрабатываться достаточно поздно: АЛСИМ-БЭСМ – в 70-е, Pilgrim, РДО, СИМПАС – в 90-е годы и т. д. Следует отметить, что в умелых руках любое из упомянутых средств может использоваться для реализации нужных методов имитационного моделирования.

Подходы к имитационному моделированию можно классифицировать по признаку технологий:

– потоковые диаграммы и дифференциальное моделирование (Excel, MathCAD, GPSS World);

– динамическое, или блочное (CASE) моделирование (MatLab, Pilgrim, Aris);

– дискретно-событийное, или текстовое моделирование (GPSS World, Pilgrim).

На рис. 21 показано, каким образом можно выбирать подход к составлению имитационных моделей в зависимости от особенностей исходной задачи.

Рис. 21. Схема выбора метода имитационного моделирования

Предполагается, что каждый метод имитационного моделирования эффективен только в тех случаях, когда он соответствует исходным данным задачи. Для выбора метода необходимо определить степень случайности исходных данных (от детерминированных условий до стохастичных) и уровень формализации модели. Под высокой степенью детерминизма условия в задаче имитационного моделирования понимается такая постановка задачи, в которой всё задано однозначно, то есть стохастические показатели не учитываются или их мало и они просты[11]. Другая крайность – высокая неопределённость в описании модели: тогда о самой модели почти ничего не известно, а описать её функционирование можно только по наблюдениям, то есть через частотно-временные характеристики. Аналогичным образом рассматривается шкала формализации, где условие имеет высокий (все этапы удаётся описать в виде математических формул) или низкий (мало данных) вклад математических закономерностей функционирования моделируемой системы. Так, для применения пошаговых моделей необходимо, чтобы задача была достаточно определена (детерминизм) и при это ещё и имела низкую степень формализации. По аналогии (по сочетанию соприкасающихся углов категорий определённость-формализация) с помощью схемы можно выбрать и другие виды имитационного моделирования.

Разделение видов имитационного моделирования с рис. 21 достаточно условно и не претендует на исчерпывающее описание всех классов моделей, хотя будет полезно на начальном этапе изучения имитационного моделирования. Дискретным и аналитическим моделям с малым вкладом случайных процессов посвящены главы 3.3 и 3.4, а предельно стохастическим моделям – глава 3.5.

Дата добавления: 2014-12-26