Теория и практика моделирования сложных систем. Афанасьева О.В - 101 стр.

UptoLike

101
Не останавливаясь на рассмотрении известных методов математического
моделирования [14] отметим, что для оценки альтернативных вариантов КУ
обычно используется метод имитационного моделированияуниверсальный
метод, не имеющий ограничений ни по сложности воспроизводимых явлений,
ни по точности получаемых результатов, и с успехом использующийся как для
анализа, так и для синтеза сложных систем. Но, как
плату за свою
универсальность, метод требует больших затрат ресурсов.
Этим методом с использованием логических и кусочно-разностных
уравнений воспроизводятся процессы функционирования всех блоков модели с
соблюдением их логической и временной последовательности. Одно такое
воспроизведение (один прогон модели) называют реализацией. В силу того, что
некоторые элементы модели являются случайными величинами (например,
внешние
условия функционирования или даже структура системы), по одной
реализации процесса нельзя судить об истинных значениях изучаемых
факторов. Многократный прогон модели с последующей статистической
обработкой результатов для получения средних значений или математических
ожиданий искомых величин называется статистическим имитационным
моделированием (экспериментом).
Существует несколько способов организации статистического
моделирования, каждый из которых можно представить
в виде алгоритма:
моделирование по принципу приращения времени (рис.3.2,а), моделирование по
принципу особых состояний (рис.3.2,б) и логико-вероятностное моделирование
(рис.3.2,в). Каждый алгоритм состоит из операторов, которые обозначены как:
Н
1
ввод исходных данных (обычно выполняется вручную); Н
2
формирование начальных условий для очередной реализации;
С
формирование случайных событий и величин;
Тприращение времени (t:= t +
t); М
1
... Mc воспроизведение подмоделей системы ПО; Qопределение
подмодели, к которой надо перейти для расчета ближайшего состояния
системы ПО;
Ропределение очередного момента изменения состояния; L1,