Компьютерное моделирование. Тарасов В.Н - 7 стр.

Таблица 2-Критерии калибровки модели (индекс производительности: время
прохождения задания)
     Основание критерия                          Ошибка Е
                                                         ∑ (t                     )
                                                         N
                                                    1
                                                                 j       − t 'j
Среднее время прохождения задания                   N    j =1



                                                         ∑ (t                      )
                                                          N
                                                    1                                 2
                                                                     j    − t 'j
Время прохождения отдельного задания                N     j =1



                                                    ∑∑ (t                              )
                                                     N     nj
                                                                                          2
                                                                     ji    − t 'ji
Продолжительность отдельного шага задания          j =1 i =1

     Символ                                 Определение
       tj                     Время прохождения задания j в системе
        ′
       tj                     Время прохождения задания j в модели
       tji                    Время выполнения шага i задания j в системе
        ′
       t ji                   Время выполнения шага i задания j в модели
       N                      Общее число заданий
       nj                     Число шагов в задании j

      Существующие методы и модели анализа производительности вычисли-
тельных систем представлены следующей структурной схемой (рисунок 3).
      Здесь алгебраические и аппроксимационные методы образуют класс
методов и моделей аналитического вероятностного моделирования. Алгеб-
раические методы в теории массового обслуживания ограничены предположе-
нием о пуассоновских входных потоках и экспоненциальности времени об-
служивания (когда известны точные результаты для вероятности состояния се-
тевой модели в виде произведения), что далеко не всегда имеет место при ис-
следовании реальных процессов.
      Следующий момент связан с неоднородностью реальных потоков. Не-
однородность потоков случайных событий прежде всего обусловлена зависи-
мостью времени обслуживания от параметров входного потока, а также разно-
родностью используемых в сложных системах управления средств вычисли-
тельной техники и разнотипностью классов решаемых задач. Неоднородность
потоков в экспоненциальных и сетевых моделях также не может быть учтена.
Игнорирование же этих двух важных факторов при использовании экспонен-
циальных сетей для решения задачи анализа производительности вычисли-
тельных систем может внести существенную погрешность в результаты мо-
делирования.
      Это и послужило основанием для появления аппроксимационных мето-
дов. Среди них в пособии выделены методы диффузионной аппроксимации
процессов функционирования систем массового обслуживания.
      Под методом имитационного моделирования будем понимать способ
вычисления статистических характеристик интересующих нас случайных


                                                                                              7