Что такое имитационная модель – Имитационное моделирование — это… Что такое Имитационное моделирование?

Имитационное моделирование — это… Что такое Имитационное моделирование?

Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационным моделированием иногда называют получение частных численных решений сформулированной задачи на основе аналитических решений или с помощью численных методов^[1].

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

Применение имитационного моделирования

К имитационному моделированию прибегают, когда :

• дорого или невозможно экспериментировать на реальном объекте;
• невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
• необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами — разработке симулятора (англ. 

simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны. С наступлением эпохи персональных компьютеров производство сложных и уникальных изделий, как правило, сопровождается компьютерным трёхмерным имитационным моделированием. Эта точная и относительно быстрая технология позволяет накопить все необходимые знания, оборудование и полуфабрикаты для будущего изделия до начала производства^{[источник не указан 212 дней]}. Компьютерное 3D моделирование теперь не редкость даже для небольших компаний

[источник не указан 212 дней].

Имитация, как метод решения нетривиальных задач, получила начальное развитие в связи с созданием ЭВМ в 1950-х — 1960-х годах.

Можно выделить две разновидности имитации:

Виды имитационного моделирования

Три подхода имитационного моделирования Подходы имитационного моделирования на шкале абстракции

• Агентное моделирование — относительно новое (1990-е-2000-е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

• Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.

• Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах.

Области применения

Свободные системы имитационного моделирования

См. также

Примечания

1. ↑ Муха В. С. Вычислительные методы и компьютерная алгебра: учеб.-метод. пособие. — 2-е изд., испр. и доп. — Минск: БГУИР, 2010.- 148 с.: ил, ISBN 978-985-488-522-3, УДК 519.6 (075.8), ББК 22.19я73, М92

Литература

• Хемди А. Таха Глава 18. Имитационное моделирование // Введение в исследование операций = Operations Research: An Introduction. — 7-е изд. — М.: «Вильямс», 2007. — С. 697-737. — ISBN 0-13-032374-8

• Строгалев В. П., Толкачева И. О. Имитационное моделирование. — МГТУ им. Баумана, 2008. — С. 697-737. — ISBN 978-5-7038-3021-5

Ссылки

dic.academic.ru

21. Имитационное моделирование. Принципы построения имитационных моделей

Имитационные математические модели применяются тогда, когда техническая система особенно сложна или когда необходим высокий уровень детализации представления процессов, протекающих в ней. К таким системам можно отнести экономические и производственные объекты, морские порты, аэропорты, комплексы перекачки нефти и газа, ирригационные системы, программное обеспечение сложных систем управления, вычислительные сети и многие другие. Для таких технических систем ради получения аналитической математической модели исследователь вынужден накладывать жёсткие ограничения на модель и прибегать к упрощениям. При этом приходится пренебрегать некоторыми особенностями технической системы, что приводит к тому, что математическая модель перестаёт быть средством изучения сложной системы. В имитационных моделях моделируемый алгоритм поведения технической системы приближённо воспроизводит сам процесс-оригинал в смысле его функционирования во времени. При этом имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и порядка протекания во времени. Таким образом, реализуется на ЭВМ специальный алгоритм, который воспроизводит формализованный процесс поведения технической системы. Этот алгоритм по исходным данным позволяет получить информацию об изменении во времени t состояний и откликов модели. В этом алгоритме можно выделить три функциональные части: моделирование элементарных подпроцессов; учёт их взаимодействия и объединение их в единый процесс; обеспечение согласованной работы отдельных подпроцессов при реализации математической модели на ЭВМ. Влияние случайных факторов на течение процесса имитируется с помощью генераторов случайных чисел с заданными вероятностными характеристиками. В ходе имитации постоянно фиксируется статистика о состояниях системы и изменениях откликов. Эта статистика либо должным образом обрабатывается в ходе имитации, либо накапливается и по окончании заданного интервала моделирования ТМ обрабатывается статистическими методами. Как видим, идея имитации привлекательна по своей простоте, но дорога по реализации. Поэтому применяются имитационные модели только в тех случаях, когда другие способы моделирования неэффективны.

Модель – представление объекта, системы или понятия (идеи) в некоторой форме, отличной от формы их реального существования.

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

Имитационное моделирование — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности.

Такую модель можно использовать любое количество времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами — разработке симулятора исследуемой предметной области для проведения различных экспериментов.

Этапы:

• формулировка проблемы;

• построение математической модели функционирования системы;

• составление и отладка программы для ЭВМ, включая и разработку процедур моделирования различных случайных факторов;

• планирование имитационных экспериментов;

• проведение экспериментов и обработка результатов исследования.

Принципы построения ИМ модели:

Принцип Δt.

Принцип состоит в том, что алгоритмом моделирования имитируется движение, то есть изменение состояния системы, в фиксированные моменты времени: t, t + Δt, t + 2Δt, t + 3Δt, …

Для этого заводится счетчик времени (часы), который на каждом цикле увеличивает свое значение t на величину шага во времени Δt, начиная с нуля (начало моделирования). Таким образом, изменения системы отслеживаются такт за тактом в заданные моменты: t, t + Δt, t + 2Δt, t + 3Δt, …

Принцип особых состояний. 

К примеру, состояние, в котором обычно находится система, 

обычным состоянием. Такие состояния интереса не представляют, хотя занимают большую часть времени.

Особые состояния — это такие состояния в изолированные моменты времени, в которых характеристики системы изменяются скачкообразно. Для изменения состояния системы нужна определенная причина, например, приход очередного входного сигнала. Ясно, что с точки зрения моделирования интерес представляет именно изменение характеристик системы, то есть принцип требует от нас отслеживать моменты перехода системы из одного особого состояния в другое.

studfiles.net

Основные понятия имитационного моделирования

9

Имитационное моделирование

Моделирование

Моделирование является общепризнанным средством познания действи­тельности. Этот процесс состоит из двух больших этапов: разработки модели и анализа разработанной модели. Моделирование позволяет исследовать суть сложных процессов и явлений с помощью экспериментов не с реаль­ной системой, а с ее моделью. Известно, что для принятия разумного реше­ния по организации работы системы не обязательно знание всех характери­стик системы, всегда достаточен анализ ее упрошенного, приближенного представления.

В области создания новых систем моделирование является средством иссле­дования важных характеристик будущей системы на самых ранних стадиях ее разработки. С помощью моделирования возможно исследовать узкие мес­та будущей системы, оценить производительность, стоимость, пропускную способность — все главные ее характеристики еще до того, как система бу­дет создана. С помощью моделей разрабатываются оптимальные операци­онные планы и расписания функционирования существующих сложных систем. В организационных системах имитационное моделирование стано­вится основным инструментом сравнения различных вариантов управляю­щих решений и поиска наиболее эффективного из них как для решений внутри цеха, организации, фирмы, так и на макроэкономическом уровне.

Модели сложных систем строятся в виде программ, выполняемых на ком­пьютере. Компьютерное моделирование существует почти 50 лет, оно воз­никло с появлением первых компьютеров. С тех пор сложились две пере­крывающиеся области компьютерного моделирования, которые можно охарактеризовать как математическое моделирование и имитационное моделирование.

Математическое моделирование связано, в основном, с разработкой математи­ческих моделей физических явлений, с созданием и обоснованием численных методов. Существует академическая трактовка моделирования как области вычислительной математики, которая является традиционной для активности прикладных математиков. В России сложилась сильная школа в этой области: НИИ Математического Моделирования РАН — головная организация, Науч­ный Совет РАН по проблеме «Математическое моделирование», издается журнал «Математическое моделирование» (www.imamod.ru).

Имитационное моделирование — это разработка и выполнение на компьютере программной системы, отражающей поведение и структуру моделируемого объекта. Компьютерный эксперимент с моделью состоит в выполнении на компьютере данной программы с разными значениями параметров (исход­ных данных) и анализе результатов этих выполнений.

Проблемы разработки имитационных моделей

Имитационное моделирование — очень обширная область. Можно по-разному подходить к классификации решаемых в ней задач. В соответствии с одной из классификаций эта область насчитывает в настоящее время че­тыре основных направления:

1. моделирование динамических систем,

2. дискретно-событийное моделирование,

3. системная динамика

4. агентное моделирование.

В каждом из этих направлений развиваются свои инструментальные средст­ва, упрощающие разработку моделей и их анализ. Данные направления (кроме агентного моделирования) базируются на концепциях и парадигмах, которые появились и были зафиксированы в инструментальных пакетах мо­делирования несколько десятилетий назад и с тех пор не менялись.

Моделирование динамических систем

Направлено на исследова­ние сложных объектов, поведение которых описывается системами алгебро-дифференциальных уравнений. Инженерным подходом к моделированию таких объектов 40 лет назад была сборка блок-схем из решающих блоков аналоговых компьютеров: интеграторов, усилителей и сумматоров, токи и напряжения в которых представляли переменные и параметры моделируе­мой системы. Этот подход и сейчас является основным в моделировании динамических систем, только решающие блоки являются не аппаратными, а программными. Он реализован, например, в инструментальной среде Simulink.

Дискретно-событийное моделирование

В нем рассматриваются системы с дискретными со­бытиями. Для создания имитационной модели такой системы моделируемая система приводится к потоку заявок, которые обрабатываются активными приборами. Например, для моделирования процесса обслуживания физических лиц в банке физические лица представляются в виде потока заявок, а работники банка, обслуживающие их представляются активными приборами. Идеология дискретно-событийного моделирования была сформулирована более 40 лет назад и реализована в среде моделирования GPSS, которая с некоторыми модификациями до сих пор используется для обучения имитационному моделированию.

Системная динамика.

Системная динамика – это направление в изучении сложных систем, исследующее ихповедениево времени и в зависимости от структуры элементов системы и взаимодействия между ними. В том числе: причинно-следственных связей, петельобратных связей, задержек реакции, влияния среды и других. Основоположником системной динамики является американский ученый Джей Форрестер. Дж. Форрестер применил принципы обратной связи, существующей в системах автоматического регулирования, для демонстрации того, что динамика функционирования сложных систем, в первую очередь производственных и социальных, существенно зависит от структуры связей и временных задержек в принятии решений и действиях, которые имеются в системе. В 1958 году он предложил использовать для компьютерного моделирования сложных систем потоковые диаграммы, отра­жающих причинно-следственные связи в сложной системе,

В настоящее время системная динамика превратилась в зрелую науку. Общество системной динамики (The- System Dynamics Society, www.systemdynamics.org) является официальным форумом системных анали­тиков во всем мире. Ежеквартально выходит журнал System Dynamics Review, ежегодно созываются несколько международных конференций по этим проблемам. Системная динамика как методология и инструмент ис­следования сложных экономических и социальных процессов изучается во многих бизнес-школах по всему миру..

Агентное моделирование

Агентное моделирование (agent-based model (ABM)) — метод имитационного моделирования, исследующий поведение децентрализованныхагентови то, как такое поведение определяет поведение всей системы в целом. В отличие отсистемной динамикианалитик определяет поведение агентов на индивидуальном уровне, а глобальное поведение возникает как результат деятельности множества агентов (моделирование «снизу вверх»).

Агентное моделирование включает в себя элементы теории игр, сложных систем, мультиагентных систем и эволюционного программирования, методы Монте-Карло, использует случайные числа.

Существует множество определений понятия агента. Общим во всех этих определениях является то, что агент — это некоторая сущность, которая обладает активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, может взаимодействовать с окружением и другими агентами, а также может изменяться (эволюциони­ровать). Многоагентные (или просто агентные) модели используются для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами, а наоборот, эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представле­ние об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных ак­тивных объектов и взаимодействии этих объектов в системе.

При создании агентной модели логика поведения агентов и их взаимодейст­вие не всегда могут быть выражены чисто графическими средствами, здесь часто приходится использовать программный код. Для агентного моделирования используются пакеты Swarm и RePast. Примером агентной модели является модель развития города.

В современном мире информационных технологий десятилетие сравнимо с веком прогресса в традиционных технологиях, Но в имитационном моделировании почти без изменения применяются идеи и решения 60-х годов прошлого века. На базе этих идей еще в прошлом веке были разработаны программные средства, которые с незначительными изменениями применяются до сих пор. Разработка имитационных модели с использованием этих программ является весьма сложной и трудоемкой задачей, доступной только высококвалифицированным специалистам и требующей больших временных затрат. Один из разработчиков имитационных моделей Роберт. Шеннон писал: «разработка даже простых моделей требует 5—6 человеко-месяцев и стоит по­рядка 30 ООО долларов, а сложных — на два порядка больше». Иными слова­ми, трудоемкость построения сложной имитационной модели традицион­ными методами оценивается в сотню человеко-лет.

Имитационное моделирование традицион­ными методами реально используется уз­ким кругом профессионалов, которые должны иметь не только глубокие знания в той прикладной области, для которой строится модель, но также глубокие знания в программировании, теории вероятностей и статистике.

Кроме того, проблемы анализа современных реальных систем часто требуют разработки моделей, не укладывающихся в рамки одной единственной парадигмы моделирова­ния. Например, при моделировании системы с преобладающим дискретным типом событий может потребоваться введение переменных, описывающих непрерывные характеристики среды. В парадигму блочной модели потоков данных совершенно не вписываются дискретно-событийные системы, В системно-динамической модели часто возникает не­обходимость учета дискретных событий или моделирования индивидуаль­ных свойств объектов из разнородных групп. Поэтому использование указанных выше программных средств не отвечает современным требованиям,.

AnyLogic — инструмент имитационного моделирования нового поколения

AnyLogic — программное обеспечениедляимитационного моделированиянового поколения, разработанороссийскойкомпанией The AnyLogic Company (бывшая «Экс Джей Текнолоджис»,-англ.XJ Technologies). Этот инструмент существенно упрощает разработку моделей и их анализ.

Пакет AnyLogic создан с использованием последних достижений информационных технологий: объектно-ориентированный подход, элементы стандарта UML,языка программирования Java, и т.д. Первая версия пакета (Anylogic 4.0) была выпущена в 2000г. К настоящему времени выпущена версия Anylogic 6.9.

Пакет поддерживает все известные методы имитационного моделирования:

• Моделирование динамических систем

• системная динамика;

• дискретно-событийное моделирование;

• агентное моделирование.

Рост произво­дительности компьютеров и достижения в информационных технологиях, использованные в AnyLogic, сделали возможным реализацию агентных мо­делей, содержащих десятки и даже сотни тысяч активных агентов

С помощью AnyLogic стало возможным разрабатывать модели в следующих областях:

• производство;

• логистика и цепочки поставок;

• рынок и конкуренция;

• бизнес-процессы и сфера обслуживания;

• здравоохранение и фармацевтика;

• управление активами и проектами;

• телекоммуникации и информационные системы;

• социальные и экологические системы;

• пешеходная динамика;

• оборона.

studfiles.net

ИМИТАЦИОННАЯ МОДЕЛЬ — это… Что такое ИМИТАЦИОННАЯ МОДЕЛЬ?



ИМИТАЦИОННАЯ МОДЕЛЬ

модель, используемая в процессе имитационного моделирования (см. выше). По своему характеру И. м. является знаково-вещественной и несет в себе черты как физической (вещественной), так и математической (знаковой) модели. Это заключается в том, что И. м. включает в себя моделирующие алгоритмы и программы, а также те или иные структуры ЭВМ, участвующие в моделировании. Построение И. м. базируется на применении научных данных из общей и групповой психологии, технических наук, математики, теории планирования эксперимента, математической статистики, теории и практики применения ЭВМ. Структура И. м. определяется составом входящих в нее блоков и связями между ними. Такими блоками обычно являются: блок имитации условий и средств деятельности, блок имитации деятельности, блок имитации деятельности и общения, блок генерации проблем (задач), блок определения и задания начальных условий, блок регистрации и обработки результатов моделирования, блок управления моделью. Конкретная структура И. м. определяется видом моделируемой задачи. И. м. деятельности оператора в СЧМ можно разбить на два основных вида: модели решения оператором отдельной конкретной задачи и модели его функционирования в условиях потока таких задач (модель обслуживания). Модели первого вида применяются, как правило, для определения времени решения задачи оператором. Для этого его деятельность представляется в виде суммы п отдельных последовательно выполняемых независимых действий. Для каждого из них должны быть известны законы распределения времени их выполнения. В соответствии с заложенной в память ЭВМ программой она формирует время выполнения, первого действия tj, затем время т2 и т. д., пока не будет сформировано время выполнения последнего, n-го действия. Общее время находится как сумма от хх до тп. Процесс повторяется N раз, в результате чего получается N значений времени решения задачи оператором. По этим значениям строится закон распределения; вычисляются его числовые характеристики (математическое ожидание и среднеквадратическое отклонение) и вероятность своевременного решения задачи; определяются те части задачи, при выполнении которых оператор был недогружен или, наоборот, у него возникал дефицит времени и т. п. При необходимости модель может учитывать возможность возникновения ошибок, индивидуальные характеристики операторов, временные ограничения, налагаемые на процесс решения задачи; вводить различную срочность выполнения отдельных действий и т. д. В моделях второго вида (моделях обслуживания) характеристики решения оператором отдельных задач считаются известными. Здесь они выступают не как результат моделирования (как в первом случае), а в качестве исходных данных. Кроме этого, исходными данными являются: поток задач, поток ошибок оператора, его индивидуальные психофизиологические характеристики, особенности протекания процесса управления. На первом этапе построения модели проводится формализованное описание деятельности оператора. При этом особенно важно учесть некоторые психофизиологические особенности деятельности: возникновение напряженности в работе, совершение ошибочных действий и их исправление, взаимодействие операторов во время работы, динамику работоспособности, влияние очереди и т. д. После этого строится математическая модель, т. е. деятельность оператора описывается с помощью математических объектов (формул, уравнений, неравенств). Для моделирования на ЭВМ модель преобразуется в моделирующий алгоритм, на основании которого составляется программа моделирования. В результате моделирования вычисляются многие характеристики деятельности оператора: степень загрузки, периоды занятости, своевременность решения задач и др. Зная их, можно определить допустимую плотность (темп поступления) задач, произвести оценку загрузки оператора, выявить характер и частоту появления различных ситуаций в СЧМ. Следует также отметить, что И. м. не обязательно являются только знаковыми, цифровыми (статистическими). К их числу относят и модели той же физической природы, что и оригинал, в которых в искусственных условиях имитируется реальная ситуация. Примером таких моделей являются военные учения, деловые игры, противоаварийные тренировки и т. п. (подробнее см. Имитация, Физическое моделирование деятельности оператора).

Энциклопедический словарь по психологии и педагогике. 2013.

• Имипрамин
• ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ

Смотреть что такое «ИМИТАЦИОННАЯ МОДЕЛЬ» в других словарях:

• имитационная модель — (МСЭ R M.1831). [http://www.iks media.ru/glossary/index.html?glossid=2400324] имитационная модель Экономико математическая модель изучаемой системы, предназначенная для использования в процессе машинной имитации. Она является по существу… …   Справочник технического переводчика

• Имитационная модель — [simulator] экономико математическая модель изучаемой системы, предназначенная для использования в процессе машинной имитации. Она является по существу программой для компьютера, а эксперимент над ней состоит в наблюдении за результатами расчетов …   Экономико-математический словарь

• имитационная модель — Физическая конструкция (например, уменьшенная модель рельефа) или математическая модель, созданная в целях системного моделирования …   Словарь по географии

• Имитационная модель — математическая компьютерная модель, в которую введены определенные динамические элементы …   Социологический словарь Socium

• имитационная модель надёжности — — [http://slovarionline.ru/anglo russkiy slovar neftegazovoy promyishlennosti/] Тематики нефтегазовая промышленность EN reliability simulation model …   Справочник технического переводчика

• Модель Имитационная — модель, воспроизводящая параметрические характеристики исследуемого объекта во времени, сохраняющая внутреннюю связь между элементами системы и отображающая зависимость выходов системы от входов. Словарь бизнес терминов. Академик.ру. 2001 …   Словарь бизнес-терминов

• Имитационная система — [simulation system] система, предназначенная для проведения машинной имитации. Объединяет имитационную модель (или систему моделей), имитирующую исследуемый процесс, специальный набор алгоритмов и программ, разрабатываемый для данной системы и… …   Экономико-математический словарь

• имитационная система — Система, предназначенная для проведения машинной имитации. Объединяет имитационную модель (или систему моделей), имитирующую исследуемый процесс, специальный набор алгоритмов и программ, разрабатываемый для данной системы и предназначенный для… …   Справочник технического переводчика

• МОДЕЛЬ ЭРРОУ-ГУРВИЦА — имитационная экономико математическая модель, упрощенно описывающая процесс нахождения рыночного равновесия по Вальрасу путем итеративного диалога (обмена информацией) между участниками этого процесса …   Большой экономический словарь

• МОДЕЛЬ, ИМИТАЦИОННАЯ — в теории управления это модель, воспроизводящая поведение системы во времени, сохраняющая внутреннюю связь между элементами системы и отображающая зависимость выходов системы от входов. И.м. дает возможность получить сведения о состоянии… …   Большой экономический словарь

Книги

• Имитационная многоагентная нечетко-логическая модель принятия маркетинговых решений промышленного предприятия в условиях неопределенности, В. П. Мешалкин, Рассмотрена задача создания инструментальной системы поддержки принятия маркетинговых решений промышленного предприятия в условиях неопределенности. Предлагается использовать методологию… Категория: Математика Серия: Прикладная информатика. Научные статьи Издатель: Синергия, Подробнее  Купить за 79.9 руб электронная книга (fb2, fb3, epub, mobi, pdf, html, pdb, lit, doc, rtf, txt)
• Имитационная модель «хакер-администратор», Е. А. Малиновская, Для каждого узла сети нагрузка индивидуальна и чаще всего важно правильно и эффективно, с экономической точки зрения, подобрать программное обеспечение для защиты. Для этих целей разработана… Категория: Компьютеры: прочее Серия: Прикладная информатика. Научные статьи Издатель: Синергия, Подробнее  Купить за 79.9 руб электронная книга (fb2, fb3, epub, mobi, pdf, html, pdb, lit, doc, rtf, txt)
• Имитационная модель производственного процесса как элемент системы управления промышленным предприятием, Е. П. Бочаров, Статья посвящена применению имитационных моделей в процессе управления предприятием. В качестве примера рассматривается использование модели производственногопроцесса в контуре управления ОАО… Категория: Прочая образовательная литература Серия: Прикладная информатика. Научные статьи Издатель: Синергия, Подробнее  Купить за 79.9 руб электронная книга (fb2, fb3, epub, mobi, pdf, html, pdb, lit, doc, rtf, txt)

Другие книги по запросу «ИМИТАЦИОННАЯ МОДЕЛЬ» >>

psychology_pedagogy.academic.ru

Что такое имитационные модели? :: SYL.ru

В статье поговорим об имитационных моделях. Это довольно сложная тема, которая требует отдельного рассмотрения. Именно поэтому мы попробуем доступным языком объяснить этот вопрос.

Имитационные модели

О чем же идет речь? Начнем с того, что имитационные модели необходимы для воспроизведения каких-либо характеристик сложной системы, в которой происходит взаимодействие элементов. При этом такое моделирование имеет ряд особенностей.

Во-первых, это объект моделирования, который чаще всего представляет собой сложную комплексную систему. Во-вторых, это факторы случайности, которые присутствуют всегда и оказывают определенное влияние на систему. В-третьих, это необходимость описания сложного и длительного процесса, который наблюдается в результате моделирования. Четвертый фактор заключается в том, что без использования компьютерных технологий получить желаемые результаты невозможно.

Разработка имитационной модели

Она заключается в том, что каждый объект имеет определенный набор своих характеристик. Все они хранятся в компьютере при помощи специальных таблиц. Взаимодействие значений и показателей всегда описывается при помощи алгоритма.

Особенность и прелесть моделирования в том, что каждый его этап постепенный и плавный, что дает возможность пошагово менять характеристики и параметры и получать разные результаты. Программа, в которой задействованы имитационные модели, выводит информацию о полученных результатах, опираясь на те или иные изменения. Часто используется графическое или анимированное их представление, сильно упрощающее восприятие и понимание многих сложных процессов, которые осознать в алгоритмичном виде довольно сложно.

Детерминированность

Имитационные математические модели строятся на том, что они копируют качества и характеристики неких реальных систем. Рассмотрим пример, когда необходимо исследовать количество и динамику численности определённых организмов. Для этого при помощи моделирования можно отдельно рассматривать каждый организм, чтобы анализировать конкретно его показатели. При этом условия чаще всего задаются вербально. К примеру, по истечении какого-то отрезка времени можно задать размножение организма, а по прошествии более длительного срока — его гибель. Выполнение всех этих условий возможно в имитационной модели.

Очень часто приводят примеры моделирования движения молекул газа, ведь известно, что они двигаются хаотично. Можно изучать взаимодействие молекул со стенками сосуда или друг с другом и описывать результаты в виде алгоритма. Это позволит получать усредненные характеристики всей системы и выполнять анализ. При этом надо понимать, что подобный компьютерный эксперимент, по сути, можно назвать реальным, так как все характеристики моделируются очень точно. Но в чём смысл этого процесса?

Дело в том, что имитационная модель позволяет выделить конкретные и чистые характеристики и показатели. Она как бы избавляется от случайных, лишних и ещё ряда других факторов, о которых исследователи могут даже не догадываться. Заметим, что очень часто детерминирование и математическое моделирование схожи, если в качестве результата не должна быть создана автономная стратегия действий. Примеры, которые мы выше рассмотрели, касаются детерминированных систем. Они отличаются тем, что у них нет элементов вероятности.

Случайные процессы

Наименование очень просто понять, если провести параллель из обычной жизни. Например, когда вы стоите в очереди в магазине, который закрывается через 5 минут, и гадаете, успеете ли вы приобрести товар. Также проявление случайности можно заметить, когда вы звоните кому-то и считаете гудки, думая, с какой вероятностью дозвонитесь. Возможно, кому-то это покажется удивительным, но именно благодаря таким простым примерам в начале прошлого века зародилась новейшая отрасль математики, а именно теория массового обслуживания. Она использует статистику и теорию вероятности для того, чтобы сделать некоторые выводы. Позже исследователи доказали, что эта теория очень тесно связана с военным делом, экономикой, производством, экологией, биологией и т. д.

Метод Монте-Карло

Важный метод решения задачи на самообслуживание — это метод статистических испытаний или метод Монте-Карло. Заметим, что возможности исследования случайных процессов аналитическим путем довольно сложны, а метод Монте-Карло очень прост и универсален, в чем его главная особенность. Мы можем рассмотреть пример магазина, в который заходит один покупатель или несколько, приход больных в травмпункт по одному или целой толпой и т. д. При этом мы понимаем, что всё это случайные процессы, и промежутки времени между какими-то действиями — это независимые события, которые распределяются по законам, которые можно вывести, только проведя огромное количество наблюдений. Иногда это невозможно, поэтому берется усредненный вариант. Но какова цель моделирования случайных процессов?

Дело в том, что это позволяет получить ответы на множество вопросов. Банально необходимо рассчитать, сколько человеку придется стоять в очереди при учете всех обстоятельств. Казалось бы, это довольно простой пример, но это лишь первый уровень, а подобных ситуаций может быть очень много. Иногда рассчитать время очень важно.

Также можно задать вопрос о том, как можно распределить время, ожидая обслуживание. Еще более сложный вопрос касается того, как должны соотнестись параметры, чтобы до только что вошедшего покупателя очередь не дошла никогда. Кажется, что это довольно лёгкий вопрос, но если задуматься о нем и начать хотя бы немножко усложнять, становится понятно, что ответить не так легко.

Процесс

Как же происходит случайное моделирование? Используются математические формулы, а именно законы распределения случайных величин. Также используются числовые константы. Заметьте, что в данном случае не надо прибегать ни к каким уравнениям, которые используют при аналитических методах. В данном случае просто происходит имитация той же очереди, о которой мы говорили выше. Только сначала используются программы, которые могут генерировать случайные числа и соотносить их с заданным законом распределения. После этого проводится объемная, статистическая обработка полученных величин, которая анализирует данные на предмет, отвечают ли они изначальной цели моделирования. Продолжая дальше, скажем, что можно найти оптимальное количество людей, которые будут работать в магазине для того, чтобы очередь не возникала никогда. При этом используемый математический аппарат в данном случае — это методы математической статистики.

Образование

Анализу имитационных моделей в школах уделяется мало внимания. К сожалению, это может отразиться на будущем довольно серьезно. Дети должны со школы знать некоторые базовые принципы моделирования, так как развитие современного мира без этого процесса невозможно. В базовом курсе информатики дети могут с легкостью использовать имитационную модель «Жизнь».

Более основательное изучение может преподаваться в старших классах или в профильных школах. Прежде всего надо заняться изучением имитационного моделирования случайных процессов. Помните, что в российских школах такое понятие и методы только начинают вводиться, поэтому очень важно держать уровень образования учителей, которые со стопроцентной гарантией столкнутся с рядом вопросов от детей. При этом не будем усложнять задачу, акцентируя внимание на том, что речь идет об элементарном введении в эту тему, которое можно подробно рассмотреть за 2 часа.

После того как дети усвоили теоретическую базу, стоит осветить технические вопросы, которые касаются генерации последовательности случайных чисел на компьютере. При этом не надо загружать детей информацией о том, как работает вычислительная машина и на каких принципах строится аналитика. Из практических навыков их нужно учить создавать генераторы равномерных случайных чисел на отрезке или случайных чисел по закону распределения.

Актуальность

Поговорим немного о том, зачем нужны имитационные модели управления. Дело в том, что в современном мире обойтись без моделирования практически невозможно в любой сфере. Почему же оно так востребовано и популярно? Моделирование может заменить реальные события, необходимые для получения конкретных результатов, создание и анализ которых стоят слишком дорого. Или же может быть случай, когда проводить реальные эксперименты запрещено. Также люди пользуются им, когда просто невозможно построить аналитическую модель из-за ряда случайных факторов, последствий и причинных связей. Последний случай, когда используется этот метод, — это тогда, когда необходимо имитировать поведение какой-либо системы на протяжении данного отрезка времени. Для всего этого создаются симуляторы, которые пытаются максимально воспроизвести качества первоначальной системы.

Виды

Имитационные модели исследования могут быть нескольких видов. Так, рассмотрим подходы имитационного моделирования. Первое — это системная динамика, которая выражается в том, что есть связанные между собой переменные, определенные накопители и обратная связь. Таким образом чаще всего рассматриваются две системы, в которых есть некоторые общие характеристики и точки пересечения. Следующий вид моделирования — дискретно-событийное. Оно касается тех случаев, когда есть определенные процессы и ресурсы, а также последовательность действий. Чаще всего таким способом исследуют возможность того или иного события через призму ряда возможных или случайных факторов. Третий вид моделирования — агентный. Он заключается в том, что изучаются индивидуальные свойства организма в их системе. При этом необходимо косвенное или прямое взаимодействие наблюдаемого объекта и других.

Дискретно-событийное моделирование предлагает абстрагироваться от непрерывности событий и рассматривать только основные моменты. Таким образом случайные и лишние факторы исключаются. Этот метод максимально развит, и он используется во множестве сфер: от логистики до производственных систем. Именно он лучше всего подходит для моделирования производственных процессов. Кстати, его создал в 1960-х годах Джеффри Гордон. Системная динамика — это парадигма моделирования, где для исследования необходимо графическое изображение связей и взаимных влияний одних параметров на другие. При этом учитывается фактор времени. Только на основе всех данных создается глобальная модель на компьютере. Именно этот вид позволяет очень глубоко понять суть исследуемого события и выявить какие-то причины и связи. Благодаря этому моделированию строят бизнес-стратегии, модели производства, развитие болезней, планирование города и так далее. Этот метод был изобретён в 1950-х годах Форрестером.

Агентное моделирование появилось в 1990-х годах, оно является сравнительно новым. Это направление используется для анализа децентрализованных систем, динамика которых при этом определяется не общепринятыми законами и правилами, а индивидуальной активностью определенных элементов. Суть этого моделирования заключается в том, чтобы получить представление о новых правилах, в целом охарактеризовать систему и найти связь между индивидуальными составляющими. При этом изучается элемент, который активен и автономен, может принимать решения самостоятельно и взаимодействовать со своим окружением, а также самостоятельно меняться, что очень важно.

Этапы

Сейчас рассмотрим основные этапы разработки имитационной модели. Они включают её формулировку в самом начале процесса, построение концептуальной модели, выбор способа моделирования, выбор аппарата моделирования, планирование, выполнение задачи. На последнем этапе происходит анализ и обработка всех полученных данных. Построение имитационной модели — это сложный и длительный процесс, который требует большого внимания и понимания сути дела. Заметьте, что сами этапы занимают максимум времени, а процесс моделирования на компьютере — не больше нескольких минут. Очень важно использовать правильные модели имитационного моделирования, так как без этого не получится добиться нужных результатов. Какие-то данные получены будут, но они будут не реалистичны и не продуктивны.

Подводя итоги статьи, хочется сказать, что это очень важная и современная отрасль. Мы рассмотрели примеры имитационных моделей, чтобы понять важность всех этих моментов. В современном мире моделирование играет огромную роль, так как на его основании развиваются экономика, градостроение, производство и так далее. Важно понимать, что модели имитационных систем очень востребованы, так как они невероятно выгодны и удобны. Даже при создании реальных условий не всегда можно получить достоверные результаты, так как всегда влияет множество схоластических факторов, которые учесть просто невозможно.

www.syl.ru

Имитационное моделирование – инструмент имитационного моделирования AnyLogic

Пример: имитационное моделирование для эффективного обслуживания клиентов

Приведенный ниже пример может найти применение при решении большого класса задач. Например, проблемы управления человеческими и техническими ресурсами. Моделирование поможет любой коммерческой компании снизить расходы на материалы, кадры и оборудование.

Поиск оптимального количества сотрудников для предоставления клиентам требуемого уровня сервиса

На первом этапе устанавливается главный критерий уровня сервиса в банке – средний размер очереди. Далее выбираются соответствующие параметры системы для задания параметров модели: количество клиентов, интенсивность их прибытия, время на прием одного клиента и естественные отклонения от средних величин, которые периодически возникают, например, часы пик и сложные запросы клиентов.

Затем создается блок-схема, соответствующая структуре отделения банка и его бизнес-процессам. Модель учитывает только факторы, оказывающие влияние на анализируемую проблему. Например, наличие отделения обслуживания юридических лиц или кредитного отдела не влияет на обслуживание физических лиц, поскольку эти отделы физически и функционально отделены.

Наконец, после загрузки в модель входных данных, имитация запускается, и появляется возможность посмотреть работу отделения банка в динамике, что позволяет обработать и проанализировать результаты. Если средний размер очереди клиентов превысил установленный предел, то количество доступных сотрудников увеличивают, и эксперимент выполняется заново. Этот процесс может автоматически выполняться, пока не будет найдено оптимальное решение.

Изменяя входные данные модели, можно быстро исследовать множество сценариев. Их можно протестировать, исследовать в динамике и сопоставить друг с другом. Благодаря этим результатам, аналитики, инженеры и менеджеры могут делать выводы и принимать решения с уверенностью.

www.anylogic.ru

Имитационное моделирование: создание терминов / Habr

История создания терминов

При создании методики по имитационному моделированию мне понадобилось разобраться с терминами. Проблема была в том, что общепринятые термины не годились для описания статистических данных, собранных в процессе имитации. Термины: процесс и экземпляры процесса были неприемлемы, потому что я не мог работать в парадигме Аристотеля. Парадигма Аристотеля не стыкуется с примененным мной матаппаратом. При этом практическое применение данной методики было простое – моделирование и имитация бизнес-объектов с целью принятия управленческих решений. В программе создавался виртуальный объект, описание которого состояло из описания сценариев и их взаимодействия. Сценарии прогонялись внутри программы, а также моделировались ресурсы и их взаимодействия.

Напомню, что:

Имитационное моделирование — метод исследования объектов, основанный на том, что изучаемый объект заменяется имитирующим объектом. С имитирующим объектом проводят эксперименты (не прибегая к экспериментам на реальном объекте) и в результате получают информацию об изучаемом объекте. Имитирующий объект при этом являет из себя информационный объект.

Цель имитационного моделирования — получение приближенных знаний о некотором параметре объекта, не производя непосредственное измерение его значений. Понятно, что это необходимо тогда и только тогда, когда измерение невозможно, или оно стоит дороже проведения имитации. При этом для изучения этого параметра мы можем пользоваться другими известными параметрами объекта и моделью его конструкции. Допуская, что модель конструкции достаточно точно описывает объект, предполагается, что полученные в ходе имитации статистические распределения значений параметра моделирующего объекта будут в той или иной степени совпадать с распределением значений параметра реального объекта.

Понятно, что матаппарат, который был применен, — это статистическая математика. Понятно, что матстатистика не использует термины экземпляры и типы. Она работает с объектами и множествами. В итоге для написания методики я был вынужден был использовать логическую парадигму на основе которой создан стандарт ИСО 15926. Основой его является наличие объектов, классов и классов классов.

Я хочу поделиться некоторыми определениями, которые мне пришлось ввести для объяснения механизмов моделирования и анализа результатов имитации. Этих примеров будет достаточно, чтобы понять, с чем я имел дело, когда строил модель предметной области.

Примеры определений:

Операция

1. Моделируемая операция: Реальная или проектируемая операция. Описание ее может содержать следующие атрибуты:
   • участвующие в операции объекты и субъекты,
   • события, возникающие в процессе выполнения операции.
   
   Пример: операция «Забить гвоздь», которая описывается так:
   • участвовали в операции: доска, молоток, гвоздь, исполнитель — Хруничев Геннадий Петрович
   • события: начало операции в 9-00, окончание — в 9-01.
   
   
2. Имитирующая операция: Объект, созданный в программе для имитации моделируемой операции. Имитирующая операция описывается следующими имитирующими событиями:
   • начало операции,
   • завершение операции,
   • завершение времени технологического ожидания,
   • постановка операции в очередь к ресурсам,
   • прерывание выполнения операции,
   • возобновление выполнения операции,
   • действие с переменной и тд.
   
   
3. Класс моделируемых операций: Множество моделируемых операций, объединенных по какому-то признаку: например, по совпадению наборов типов входных и выходных объектов. Пример: класс операций «Забить гвоздь» — это множество всех операций, объединенных вместе по признаку совпадения типа предмета труда — гвоздя и однотипности воздействия на него.
   
4. Класс имитирующих операций: Множество имитирующих операций, имитирующих множество моделируемых операций.
5. Операция (объект в справочнике:) Объект справочника, хранящий информацию о:
   • классе моделируемых операций. Например, закон распределения времени выполнения операции моделируемого класса есть параметр класса.
   • любой моделируемой операции класса. Например, нормативно-правовой акт, в соответствии с которым выполняется каждая моделируемая операция.
   
   
6. Операция (как элемент диаграммы:) Графическое обозначение моделируемых операций одного класса на диаграмме.
   
   
7. Операция (как элемент нотации): Условное обозначение в нотации моделирования процессов, шаблон для обозначения моделируемых операций. Имеет разные названия в зависимости от нотации
   

Событие

1. Моделируемое событие: Реальное, или проектируемое событие. Пример:
   • Для операции: технологическое ожидание в рамках операции по покраске корпуса машины, закончилось в 09-20.
   • Для процесса: событие заявка оформлена, произошедшее в 09-30, произошло в рамках процесса «прием заявки».
   
   
2. Имитирующее событие: Объект, созданный для имитации моделируемого события. Этот объект создается в памяти компьютера в ходе выполнения имитации.
3. Класс моделируемых событий: Множество моделируемых событий, объединенных вместе по какому-то признаку. Пример:
   • Для операции: множество всех событий, знаменующих собой начала операций по оформлению заявок.
   • Для процесса: множество всех событий, которые привели к стартам процессов приема заявок.
   
   
4. Класс имитирующих событий: Множество имитирующих событий, созданных для имитации множества моделируемых событий. Примеры: Отчет о событиях, имитирующих начало операций исследуемого класса, можно увидеть в отчетах по проведенной имитации, например, в форме «Хронология выполнения процессов».
5. Событие (как объект в справочнике): Объект справочника «События», хранящий информацию о:
   • классе моделируемых событий, например, закон распределения момента возникновения стартового события есть параметр класса,
   • объектах класса моделируемых событий, например название события.
   
   
6. Событие (как объект на диаграмме): Графическое обозначение моделируемых событий одного класса. Используется на диаграмме. Данному событию как элементу на диаграмме соответствует хранимый в системе объект справочника «События».
   
7. Событие (как элемент нотации): Условное обозначение, используемое в нотации моделирования процессов, для обозначения моделируемых событий. В разных нотациях используются разные условные обозначения для различных классов событий.

На рисунке изображено отношение между сущностями: события собраны в классы событий. Класс событий описан при помощи объекта справочника «События». События одного класса изображены на диаграммах процессов при помощи графических элементов. На основе объекта справочника «События» движок имитации создает имитирующие события.

Процесс

1. Моделируемый процесс: Последовательность моделируемых операций. Описание этой последовательности удобно представить в виде диаграммы Ганта. Описание содержит события. Например, события: «старт процесса» и «завершение процесса».
2. Имитирующий процесс: Объект, созданный для имитации моделируемого процесса. Этот объект создается в памяти компьютера в ходе выполнения имитации.
3. Класс моделируемых процессов: Множество моделируемых процессов, объединенных по какому-либо признаку. Самым распространенным объединением является объединение процессов, имеющих общую модель. В качестве модели может быть использована диаграмма процессов, выполненная в любой нотации моделирования: Процесс, Процедура, EPC, BPMN.
4. Класс имитирующих процессов: Множество имитирующих процессов, созданных в рамках имитации, для имитации активности.
5. Процесс (как объект в справочнике): Объект справочника «Процессы.
6. Процесс (диаграмма процессов): Модель процессов одного класса, выполненная в виде диаграммы. На основе этой модели создаются имитирующие процессы.

Заключение

Спасибо за внимание. Я искренне надеюсь, что мой опыт будет полезен тем, кто желает различать приведенные выше объекты. Проблема современного состояния отрасли такова, что сущности, именованные одним термином, перестают различаться в сознании аналитиков. Я постарался дать вам пример, как можно мыслить, и как можно вводить термины, чтобы различать разные сущности. Надеюсь, чтение было интересным.

habr.com