Windows formlarında simülasyon modellemesi. Özet: Simülasyon modelleri

Simülasyon Modelleme.

Simülasyon modeli kavramı.

Simülasyon modellerinin oluşturulmasına yönelik yaklaşımlar.

Akademisyen V. Maslov'un tanımına göre: “simülasyon modelleme, öncelikle nesneleri ve süreçleri (örneğin, makineler ve onların çalışmaları) gerekli (ancak eksik) göstergelere göre simüle eden bir zihinsel modelin (simülatör) oluşturulmasından oluşur: için örneğin, çalışma süresi, yoğunluğu, ekonomik maliyetler, mağazadaki konum vb. Simülasyon modelini, kelimenin geleneksel anlamıyla matematiksel olandan temel olarak farklı kılan, nesnenin tanımındaki eksikliktir. Ardından, bir bilgisayarla diyalog içinde çok sayıda olası seçenek ve belirli bir zaman diliminde bir mühendisin bakış açısından en kabul edilebilir çözümlerin bir seçimi var. Aynı zamanda üretimdeki en zor durumun tamamını anlayan, kararı veren mühendisin sezgisi ve tecrübesinden yararlanılır.

Bu tür karmaşık nesnelerin incelenmesinde, kesinlikle matematiksel anlamda en uygun çözüm hiç bulunmayabilir. Ancak nispeten kısa sürede kabul edilebilir bir çözüm elde edebilirsiniz. Simülasyon modeli buluşsal öğeler içerir, bazen yanlış ve çelişkili bilgiler kullanır. Bu, simülasyonu daha yakın hale getirir gerçek hayat ve kullanıcılar için daha erişilebilir - endüstrideki mühendisler. Bilgisayarla diyalog halinde, uzmanlar deneyimlerini genişletir, sezgileri geliştirir ve onları simülasyon modeline aktarır.

Şimdiye kadar sürekli nesneler hakkında çok konuştuk, ancak ayrı girdi ve çıktı değişkenleri olan nesnelerle uğraşmak nadir değildir. Bir simülasyon modeli temelinde böyle bir nesnenin davranışının analizine bir örnek olarak, şimdi klasik olan “yoldan geçen bir sarhoş sorunu” veya rastgele yürüyüş problemini ele alalım.

Diyelim ki yoldan geçen bir kişi, sokağın köşesinde şerbetçiotu dağıtmak için yürüyüşe çıkmaya karar verdi. Bir sonraki kavşağa ulaştığında kuzeye, güneye, doğuya veya batıya gitme olasılıkları aynı olsun. 10 blok yürüdükten sonra yoldan geçen birinin yürümeye başladığı yerden en fazla iki blok ötede olma olasılığı nedir?

İki boyutlu bir vektör ile her kesişme noktasında konumunu belirtin

(X1, X2) ("çıkış"), burada

Doğuya doğru bir blok hareket, X1'in 1'er artışına karşılık gelir ve batıya doğru bir bloğa yapılan her hareket, X1'in 1'er azalmasına karşılık gelir (X1, X2 ayrı bir değişkendir). Benzer şekilde, yoldan geçen bir blok kuzeye hareket ettirildiğinde X2 1 artar ve bir blok güneyde X2 1 azalır.

Şimdi, başlangıç ​​konumunu (0,0) olarak belirlersek, yoldan geçen kişinin bu başlangıç ​​konumuna göre tam olarak nerede olacağını bileceğiz.

Yürüyüşün sonunda X1 ve X2'nin mutlak değerlerinin toplamı 2'den büyükse, 10 blokluk yürüyüşün sonunda iki bloktan daha ileri gittiğini varsayacağız.

Yoldan geçen kişinin dört olası yönden herhangi birinde hareket etme olasılığı aynı olduğundan ve 0,25'e (1:4=0,25) eşit olduğundan, rastgele sayılar tablosunu kullanarak onun hareketini tahmin edebiliriz. Rastgele sayı (SN) 0 ile 24 arasındaysa, sarhoş doğuya gidecek ve X1'i 1 artıracağız; 25'ten 49'a, o zaman batıya gidecek ve X1'i 1 azaltacağız; 50'den 74'e kuzeye gidecek ve X2'yi 1 artıracağız; orta aralık 74 ile 99 arasındaysa, yoldan geçen güneye gidecek ve X2'yi 1 azaltacağız.

Bir "sarhoş yoldan geçen" hareketinin şeması (a) ve algoritması (b).

a) b)

yeterince harcamak gerek Büyük sayı Güvenilir bir sonuç elde etmek için "makine deneyleri". Ancak böyle bir sorunu başka yöntemlerle çözmek pratik olarak imkansızdır.

Literatürde simülasyon yöntemine sayısal, makine, istatistiksel, olasılıksal, dinamik modelleme veya makine simülasyon yöntemi adları altında da rastlanmaktadır.

Simülasyon yöntemi, bir tür deneysel yöntem olarak düşünülebilir. Geleneksel bir deneyden farkı, deney nesnesinin bir bilgisayar programı olarak uygulanan bir simülasyon modeli olmasıdır.

Bir simülasyon modeli kullanarak, nicelikler arasında analitik ilişkiler elde etmek imkansızdır.

Deneysel verileri belirli bir şekilde işlemek ve uygun matematiksel ifadeleri seçmek mümkündür.

Simülasyon modelleri oluşturulurken şu anda kullanılmaktadır 2 yaklaşmak: ayrık ve sürekli.

Yaklaşım seçimi büyük ölçüde nesnenin özelliklerine göre belirlenir - orijinal ve üzerindeki etkinin doğası. dış ortam.

Bununla birlikte, Kotelnikov teoremine göre, bir nesnenin durumlarını sürekli olarak değiştirme süreci, ayrık durumların bir dizisi olarak kabul edilebilir ve bunun tersi de geçerlidir.

Simülasyon modelleri oluşturmak için ayrı bir yaklaşım kullanırken, genellikle soyut sistemler kullanılır.

Simülasyon modelleri oluşturmaya yönelik sürekli yaklaşım, Amerikalı bilim adamı J. Forrester tarafından geniş çapta geliştirilmiştir. Modellenen nesne, doğasından bağımsız olarak, sürekli bir soyut sistem olarak biçimlendirilir ve öğeler arasında şu veya bu nitelikteki sürekli "akımlar" dolaşır.

Böylece, nesnenin simülasyon modeli altında - orijinal Genel dava ayrı alt sistemlerden (elemanlar, bileşenler) ve bunlar arasındaki bağlantılardan (bir yapıya sahip) ve işlevden (durum değişikliği) oluşan belirli bir sistemi anlayabiliriz ve iç değişiklik Modelin tüm elemanlarının bağlantıların etkisi altında olması, tıpkı sistemin dış çevre ile etkileşimi gibi, şu veya bu şekilde algoritmalaştırılabilir.

Sadece matematiksel teknikler sayesinde değil, aynı zamanda iyi bilinen olasılıklar simülasyon modellemesi sırasında bilgisayarın kendisi, soyut sistemlerin çeşitli öğelerinin işleyişi ve etkileşimi süreçlerini algoritmalaştırabilir ve yeniden üretebilir - ayrık ve sürekli, olasılıklı ve deterministik, hizmet işlevini yerine getirme, gecikme vb.

Evrensel bir üst düzey dilde yazılmış bir bilgisayar programı (servis programları ile birlikte), bu ortamda bir nesnenin simülasyon modeli olarak işlev görür.

Akademisyen NN Moiseev, simülasyon modelleme kavramını şu şekilde formüle etti: “Bir simülasyon sistemi, incelenen sürecin gidişatını simüle eden, özel bir yardımcı program sistemi ve oldukça basit ve hızlı bir şekilde değişken hesaplamaları uygulayın.”

Tanıtım

Biri Önemli özellikler ACS - projenin tamamlanmasından önce gerçek deneyler yapmanın temel imkansızlığı. olası çıkış yolu simülasyon modellerinin kullanılmasıdır. Ancak bunların geliştirilmesi ve kullanımı son derece karmaşıktır, yeterince kesin tanım modellenen sürece uygunluk derecesi. Bu nedenle, hangi modelin oluşturulacağına karar vermek önemlidir.

Bir diğeri önemli yön- karar verme için otomatik kontrol sisteminin çalışması sırasında simülasyon modellerinin kullanılması. Bu modeller, tasarım sürecinde oluşturulur, böylece sürekli olarak yükseltilebilirler ve değişen kullanıcı koşullarına göre ayarlanabilirler.

Aynı modeller, otomatik kontrol sistemini devreye almadan önce personeli eğitmek ve iş oyunları yapmak için kullanılabilir.

1. simülasyon kavramı

simülasyon- bu, bir sistemin veya onun bireysel parça ve unsurlarının işleyişi sürecini bir dizi program yardımıyla bir bilgisayarda simüle etmekten oluşan bir araştırma yöntemidir. Simülasyon modelleme yönteminin özü, sistemin davranışını simüle eden bu tür algoritmaların ve programların geliştirilmesinde yatmaktadır, sistemin çalışması için gerekli olan parametrelerin bileşimindeki özellikleri ve özellikleri, hacmi ve değişim aralığı.

Yöntemin temel olasılıkları çok büyüktür, gerekirse, herhangi bir karmaşıklık ve amaçtaki sistemleri herhangi bir ayrıntıyla incelemeye izin verir. Sınırlamalar yalnızca kullanılan bilgisayarın gücü ve karmaşık bir dizi program hazırlamanın karmaşıklığıdır.

Oldukça güçlü bir matematiksel aparat kullanılarak araştırılabilen analitik bağımlılıklar olan matematiksel modellerin aksine, simülasyon modelleri, kural olarak, gerçek bir nesne üzerinde tek bir deneye benzer şekilde, üzerlerinde yalnızca tek testlerin yapılmasına izin verir. Bu nedenle daha fazlası için tam çalışma ve parametreler arasında gerekli bağımlılıkları elde etmek için, sayısı ve süresi büyük ölçüde kullanılan bilgisayarın yetenekleri ve modelin kendisinin özellikleri tarafından belirlenen çoklu model testleri gereklidir.

Analitik modeller kullanarak sistemi incelemek için yöntemlerin olanaklarının sınırlı olduğu ve tam ölçekli deneylerin bir nedenden dolayı istenmediği veya imkansız olduğu durumlarda simülasyon modellerinin kullanımı haklı çıkar.

Belirli bir sistemin incelenmesi için analitik bir model oluşturmanın prensipte mümkün olduğu durumlarda bile, bilgisayar ve araştırmacının çalışmayı yürütmek için harcadığı zaman açısından simülasyon tercih edilebilir. Otomatik kontrol sistemlerinin oluşturulması ve işletilmesi sırasında ortaya çıkan birçok problem için simülasyon modellemesi bazen tek pratik araştırma yöntemi olarak ortaya çıkmaktadır. Bu, simülasyon modellemeye sürekli artan ilgiyi ve kullanıldığı problem sınıfının genişlemesini büyük ölçüde açıklar.

Simülasyon modelleme yöntemleri temel olarak üç yönde geliştirilir ve kullanılır: simülasyon modelleri oluşturmak için standart yöntem ve tekniklerin geliştirilmesi; simülasyon modellerinin gerçek sistemlere benzerlik derecesinin incelenmesi; simülasyon modelleri için yazılım komplekslerinin oluşturulmasına odaklanan programlama otomasyon araçlarının oluşturulması.

Sistem ve mantıksal modellemeye odaklanan iki sistem alt sınıfı vardır. Sistem modellemenin alt sınıfı, iyi geliştirilmiş genel algoritmik araçlara sahip sistemleri içerir; paralel eylemleri, süreç yürütmenin geçici dizilerini tanımlamak için çok çeşitli araçlarla; İstatistiksel materyal toplama ve işleme yeteneği ile. Bu tür sistemlerde özel programlama ve modelleme dilleri kullanılmaktadır - SIMULA, SIMSCRIPT, GPSS vb. Bu dillerden ilk ikisi, FORTRAN, PL/1 gibi prosedürel yönelimli programlama dillerinin alt kümeleridir. dinamik veri yapıları, yarı paralel süreç kontrol operatörleri, özel yollarla istatistik toplama ve listeleri işleme. Bunlar Ek özelliklerönderlik etmesine izin ver istatistiksel çalışmalar modeller, bu nedenle bu tür sistemlere bazen istatistiksel modelleme sistemleri denir.

Mantıksal modellemenin alt sınıfı, kelimelerin bölümleriyle çalışma, format dönüştürme, mikro programların kaydedilmesi için araçlara sahip olan simüle edilmiş nesnelerin mantıksal ve topolojik özelliklerini yansıtmak için uygun ve özlü bir biçimde izin veren sistemleri içerir. Bu sistem alt sınıfı, AUTCOD, LOTIS vb. programlama dillerini içerir.

Çoğu durumda, ekonomik, üretim ve diğer organizasyonel yönetim sistemlerini simüle ederken, model çalışması stokastik deneyler yapmaktan oluşur. Simüle edilen nesnelerin özelliklerini yansıtan bu modeller, hem sistemlerin işleyişini hem de dış ortamın etkisini tanımlayan rastgele değişkenler içerir. Bu nedenle en yaygın olarak kullanılan istatistiksel modellemedir.

Simülasyon modeli, girdi değişkenleri setleri ile karakterize edilir.

gözlenen veya manipüle edilen değişkenler

kontrol eylemleri

rahatsız edici etkiler

Herhangi bir zamanda sistemin durumu

Bir modelleme algoritması oluşturmanın iki ana yolu vardır - ∆t ilkesi ve tekil durumlar ilkesi.

∆t ilkesi. Sistemin davranışının incelendiği zaman aralığı (t0, t), ∆t uzunluk aralıklarına bölünür. Verilen olasılık dağılımına göre başlangıç ​​koşulları a priori değerlendirmeler için veya rastgele, olası z0(t0) durumlarından biri başlangıç ​​t0 momenti için seçilir. t0 + ∆t anı için, durumların koşullu olasılık dağılımı hesaplanır (z0(t0) durumunun koşulu altında). Ardından, öncekine benzer şekilde, olası durumlardan biri z0(t0 ​​​​+ ∆t) seçilir, t0 + 2∆t anı için durumların koşullu olasılık dağılımını hesaplama prosedürleri gerçekleştirilir, vb.

Bu prosedürün t0 + n∆t = T anına kadar tekrarlanmasının bir sonucu olarak, incelenen rastgele sürecin olası gerçekleşmelerinden biri elde edilir. Bir dizi başka işlem uygulaması da aynı şekilde elde edilir. Tanımlanan bir modelleme algoritması oluşturma yöntemi, çok fazla bilgisayar zamanını alır.

Özel durumlar ilkesi. Z(t) = (zi(t)) sisteminin tüm olası durumları iki sınıfa ayrılır - sıradan ve özel. Normal durumlarda, zi(t) özellikleri düzgün ve sürekli değişir. İstisna durumları, aşağıdakilere göre giriş sinyallerinin veya çıkışın varlığı ile tanımlanır. en azından, zi(t) özelliklerinden biri varlık alanının sınırına. Bu durumda, sistemin durumu aniden değişir.

Modelleme algoritması, özel durumlara karşılık gelen zaman anlarını ve bu anlardaki sistem özelliklerinin değerlerini belirleme prosedürlerini içermelidir. Başlangıç ​​koşulları için bilinen bir olasılık dağılımı ile, olası durumlardan biri seçilir ve zi(t) özelliklerinde verilen değişiklik modellerine göre, değerleri ilk özel durumdan önce bulunur. Aynı şekilde, sonraki tüm özel durumlara geçerler. Rastgele çok boyutlu bir sürecin olası uygulamalarından birini aldıktan sonra, diğer uygulamalar benzer prosedürler kullanılarak oluşturulur. Özel durumlar ilkesine göre bir modelleme algoritması kullanırken bilgisayar zamanının maliyeti, genellikle ∆t ilkesine göre daha düşüktür.

Simülasyon modellemesi esas olarak aşağıdaki uygulamalar için kullanılır:

1) onları optimize etmek için dinamik sistemlerin karmaşık iç ve dış etkileşimlerinin incelenmesi. Bunu yapmak için, modeldeki değişkenlerin ilişki kalıplarını inceler, modelde değişiklikler yapar ve sistemin davranışı üzerindeki etkilerini gözlemlerler;

2) sistemin kendisinin ve dış çevresinin gelişimini modellemeye dayalı olarak sistemin gelecekteki davranışını tahmin etmek;

3) iki tür olabilen personel eğitimi amacıyla: bazılarını yöneten bir operatörün bireysel eğitimi teknolojik süreç veya cihaz ve karmaşık bir endüstriyel veya ekonomik tesisi toplu olarak yöneten bir grup insanı eğitmek.

Her iki tür sistemde de, bir dizi program nesne üzerinde belirli bir durum belirler, ancak aralarında önemli bir fark vardır. İlk durumda yazılım teknolojik algoritmalar veya aktarım işlevleri tarafından açıklanan nesnelerin işleyişini taklit eder; model, bir kişinin psikofizyolojik özelliklerini eğitmeye odaklanır, bu nedenle bu tür modellere simülatör denir. İkinci tip modeller çok daha karmaşıktır. Bir işletmenin veya firmanın işleyişinin bazı yönlerini tanımlarlar ve girdilere maruz kaldıklarında, çoğu zaman bir birey değil, çeşitli yönetim işlevlerini yerine getiren bir grup insan olmak üzere bazı teknik ve ekonomik özelliklerin yayınlanmasına odaklanırlar;

4) önerilen tasarım çözümlerinin kabaca kontrol edilmesi amacıyla tasarlanan sistemin ve yönetilen nesnenin ilgili bölümünün maketi için. Bu, müşterinin gelecekteki sistemin işleyişini en görsel ve anlaşılır biçimde göstermesini sağlar ve bu da tasarım çözümlerinin karşılıklı olarak anlaşılmasına ve koordinasyonuna katkıda bulunur. Ek olarak, böyle bir model olası tutarsızlıkları ve hataları daha erken bir tasarım aşamasında belirlemeyi ve ortadan kaldırmayı mümkün kılar, bu da bunları düzeltme maliyetini 2-3 büyüklük sırası azaltır.

Tanıtım

ACS'nin önemli özelliklerinden biri, proje tamamlanmadan gerçek deneyler yapmanın temel olarak imkansız olmasıdır. Olası bir çözüm, simülasyon modellerini kullanmaktır. Bununla birlikte, bunların geliştirilmesi ve kullanımı son derece karmaşıktır ve modellenen sürecin yeterlilik derecesini doğru bir şekilde belirlemek zordur. Bu nedenle, hangi modelin oluşturulacağına karar vermek önemlidir.

Bir diğer önemli husus, karar verme için otomatik kontrol sistemlerinin çalışması sırasında simülasyon modellerinin kullanılmasıdır. Bu modeller, tasarım sürecinde oluşturulur, böylece sürekli olarak yükseltilebilirler ve değişen kullanıcı koşullarına göre ayarlanabilirler.

Aynı modeller, otomatik kontrol sistemini devreye almadan önce personeli eğitmek ve iş oyunları yapmak için kullanılabilir.

Model görünümü üretim süreci büyük ölçüde kesikli mi yoksa sürekli mi olduğuna bağlıdır. Kesikli modellerde, değişkenler simülasyon zamanının belirli anlarında kesikli olarak değişir. Değişkenlerdeki ayrık değişikliklerin simülasyon zamanının herhangi bir anında mı yoksa yalnızca belirli anlarda mı meydana geldiğine bağlı olarak zaman sürekli veya ayrık olarak alınabilir. Sürekli modellerde, süreç değişkenleri süreklidir ve sürekli değişkenlerin simülasyon zamanının herhangi bir noktasında mı yoksa yalnızca belirli noktalarda mı mevcut olduğuna bağlı olarak zaman sürekli veya ayrık olabilir. Her iki durumda da model, genellikle gerçek zamana göre hızlandırılan model zamanının ilerlemesini simüle eden bir zaman ayar bloğu içerir.

Bir simülasyon modelinin geliştirilmesi ve genel durumda simülasyon deneylerinin yürütülmesi, Şekil 2'de gösterilen birkaç ana aşama şeklinde temsil edilebilir. 1.

Modellenmekte olan sistemin belirli bir öğesini gösteren bir model bileşeni, nicel veya mantıksal tipte bir dizi özellik ile tanımlanır. Varlığın süresine bağlı olarak, şartlı olarak kalıcı ve geçici bileşenler vardır. Modelle denemenin tüm süresi boyunca koşullu olarak sabit bileşenler bulunur ve deneme sırasında geçici olanlar oluşturulur ve yok edilir. Simülasyon modelinin bileşenleri, aynı özelliklere sahip oldukları ancak değerlerinde farklılık gösterdikleri sınıflara ayrılır.

Bir bileşenin durumu, belirli bir model zamanındaki özelliklerinin değerleri ile belirlenir ve tüm bileşenlerin özelliklerinin değer kümesi, bir bütün olarak modelin durumunu belirler.

Simüle edilen sistemin elemanları arasındaki etkileşimin modelde gösterilmesinin sonucu olan karakteristik değerlerinin değiştirilmesi, modelin durumunda bir değişikliğe yol açar. Simülasyon deneyi sırasında değeri değişen karakteristik bir değişkendir, aksi halde parametredir. Kesikli değişkenlerin değerleri, birbirini izleyen iki özel durum arasındaki zaman aralığında değişmez ve bir durumdan diğerine geçerken aniden değişir.

Modelleme algoritması, modelin bileşenleri arasındaki fonksiyonel etkileşimlerin bir açıklamasıdır. Derlemek için, simüle edilmiş sistemin işleyiş süreci, her biri, elemanlarının etkileşimi veya sistem üzerindeki etkisinin bir sonucu olarak sistemin durumundaki bir değişikliği yansıtan bir dizi ardışık olaya bölünür. giriş sinyalleri şeklinde dış ortam. Önceden planlanmış veya modelle yapılan deney sırasında belirlenen zaman içinde belirli noktalarda özel durumlar meydana gelir. Modeldeki olayların meydana gelmesi, olayların meydana gelme zamanlarına göre programlanmasıyla planlanır veya değişken özellikler tarafından belirlenen değerlere ulaşıldığını ortaya koyan bir analiz yapılır.

Bu amaçla SIVS kullanmak en uygunudur. Bunlar üzerinde sunulan malzeme ve bilgi akışlarının özel durumları belirlemek için analiz edilmesi kolaydır. Bu tür durumlar, ürünün her işyerinde işlenmesinin veya SIWS'ye yansıyan nakliyesinin bittiği anlardır; kalıcı veya geçici depolama için kabul ve düzenleme; parçaların birimlere, birimlerin bir ürüne vb. Ayrık üretim için, özel durumlar arasındaki özelliklerdeki değişiklik de ayrık olarak kabul edilebilir; kaynak malzeme iş parçasına, iş parçasından yarı mamül ürüne, yarı mamülden parçaya vb.

Böylece her üretim işlemi, ürünün özelliklerinin değerini değiştiren bir operatör olarak kabul edilir. İçin basit modeller durum dizisinin deterministik olduğu varsayılabilir. Kitle hizmeti teorisindeki talep akışına benzer şekilde, belirli bir dağılımla rastgele zaman artışları veya rastgele bir homojen olay akışı olarak resmileştirilebilen rastgele dizilerin gerçekliğini daha iyi yansıtın. Benzer şekilde, bilgilerin hareketi ve işlenmesi sırasında SIVS özel durumları yardımıyla analiz etmek ve tanımlamak mümkündür.

Şek. Şekil 2, genelleştirilmiş simülasyon modelinin yapısını göstermektedir.

Sürekli üretim süreçlerini ∆t ilkesine göre modellerken, zaman aralığı sensörü simülasyon algoritmasının çalışması için saat darbeleri sağlar. Rastgele ve kontrol eylemleri blokları ile başlangıç ​​koşulları, sonraki model deneyini yürütmek için koşulları manuel olarak girmek için kullanılır.

Simüle edilen her nesne için bir simülasyon fonksiyonel programları kompleksi, DL'nin her anının sonunda nesnenin durumlarının olasılıklarının koşullu dağılımını belirler. Olası durumlardan biri rastgele seçilirse, bu bir fonksiyonel alt program tarafından yapılır; deneyci tarafından seçildiğinde - kontrol eylemleri bloğuna gömülü program tarafından veya istenirse, bu seçimi her döngüde, görüntüleme bloğu kullanılarak belirlenen mevcut duruma göre yeni başlangıç ​​koşulları girerek manuel olarak yapmak için.

Fonksiyon programı parametreleri tanımlar proses tesisi her adımda, verilen başlangıç ​​koşullarına bağlı olarak - hammaddenin özellikleri, verilen mod, kurulumun özellikleri ve çalışma koşulları. Teknolojik parçanın modelinden ağırlık ve hacim dengesi oranları programlı olarak eklenebilir.

Tüm blokların ve programların koordinasyonu ve etkileşimi, dispeçer programı tarafından gerçekleştirilir.

Genellikle özel durumlar ilkesinin kullanıldığı ayrık süreçleri modellerken, simülasyon modelinin yapısı biraz değişir. Bir zaman aralığı sensörü yerine, özel bir durumun varlığını belirleyen ve bir sonrakine geçmek için bir komut veren bir blok tanıtılır. İşlevsel program, her geçişte her işyerinde bir işlemi simüle eder. Bu tür işlemlerin özellikleri, örneğin otomatik bir makinenin çalışması sırasında, zaman içinde deterministik veya verilen dağılımlarla rastgele olabilir. Zamana ek olarak, diğer özellikler de taklit edilebilir - evliliğin varlığı veya yokluğu, belirli bir çeşit veya sınıfa atanma vb. Benzer şekilde, montaj işlemleri, her işlemde değişen işlenen malzemenin özellikleri değil, bazı isimler yerine - parçalar, montajlar - diğerleri - montajlar, ürünler - yeni özelliklere sahip olması farkıyla simüle edilir. Bununla birlikte, prensip olarak, montaj işlemleri, işleme işlemlerine benzer şekilde simüle edilir - işlem için rastgele veya deterministik zaman maliyetleri, fiziksel ve üretim özelliklerinin değerleri belirlenir.

kompleksi simüle etmek üretim sistemleri mantıklı bir şekilde oluşturmak için gereklidir matematiksel model Bir bilgisayarda deneyler yapılmasına izin veren incelenen sistemin. Model, evrensel üst düzey programlama dillerinden birinde veya özel bir modelleme dilinde yazılmış bir dizi program olarak uygulanmaktadır. Simülasyon modellemenin gelişmesiyle, hem sürekli hem de simülasyon olanaklarını birleştiren sistemler ve diller ortaya çıktı. ayrık sistemler işletmeler ve üretim birlikleri gibi karmaşık sistemlerin modellenmesine izin verir.

Bir model oluştururken öncelikle amacını belirlemek gerekir. Model, modellenen nesnenin, yapım amacı açısından gerekli olan tüm işlevlerini yansıtmalı ve aynı zamanda içinde gereksiz hiçbir şey olmamalıdır, aksi takdirde çok hantal ve etkisiz olacaktır.

İşletme ve dernek modellerinin temel amacı, yönetim sistemini geliştirmek veya yönetici personelin eğitimi ve ileri eğitimi için çalışmalarıdır. Bu durumda üretimin kendisi modellenmez, üretim sürecinin kontrol sistemindeki gösterimi yapılır.

Modeli oluşturmak için büyütülmüş bir SIVS kullanılır. Tek iş parçacığı yöntemi, modelin amacına uygun olarak istenen sonucu verebilecek işlevleri ve görevleri tanımlar. Mantıksal-fonksiyonel analize dayalı olarak, modelin bir blok diyagramı oluşturulur. Bina blok diyagram bir numara seçmenizi sağlar bağımsız modellerşeklinde oluşturan parçalar kurumsal modele dönüştürülür. Şek. Şekil 3, bir işletmenin finansal ve ekonomik göstergelerini modellemek için bir blok diyagram oluşturma örneğini göstermektedir. Model, hem dış faktörleri - ürün talebi, tedarik planı ve iç faktörler - üretim maliyetlerini, mevcut ve planlanan üretim yeteneklerini hesaba katar.

Modellerin bazıları deterministiktir - bilinen fiyatlarda ve paketleme maliyetlerinde üretim planına göre terminoloji ve miktarlar için planlanan toplam gelirin hesaplanması. Üretim planı modeli, olası kriterlerden birine ayarlanmış bir optimizasyon modelidir - geliri maksimize etmek veya üretim kapasitelerini kullanmak; talebin en eksiksiz tatmini; Tedarik edilen malzeme ve bileşenlerin kayıplarının en aza indirilmesi, vb. Sırasıyla, ürünlere yönelik talep modelleri, planlanan üretim kapasiteleri ve tedarik planı, olasılıksaldır. çeşitli yasalar dağıtım.

Modeller arasındaki ilişki, çalışmalarının koordinasyonu ve kullanıcılarla iletişim, Şekil 1'de gösterilen özel bir program kullanılarak gerçekleştirilir. 3 gösterilmemiştir. Etkili çalışma Model ile kullanıcılara diyalog modunda ulaşılır.

Modelin blok diyagramının yapısı resmileştirilmemiştir ve büyük ölçüde geliştiricisinin deneyimine ve sezgisine bağlıdır. Burada gözlemlemek önemlidir Genel kural- Daha sonra bunları tamamlamayı ve detaylandırmayı amaçlayan bazı görünüşte basit bloklarla başlamaktansa, bir diyagram oluşturmanın ilk aşamalarında daha fazla sayıda öğeyi dahil etmek ve ardından kademeli olarak azaltmak daha iyidir.

Şemayı oluşturduktan, müşteriyle tartıştıktan ve ayarladıktan sonra, bireysel modellerin yapımına geçerler. Bunun için gerekli bilgiler sistem spesifikasyonlarında bulunur - görevlerin bir listesi ve özellikleri, bunların çözümü için gerekli ilk veriler ve çıktı sonuçları, vb. Sistem spesifikasyonları derlenmemişse, bu bilgiler anket materyallerinden alınır ve bazen ek anketlere başvurulur.

En önemli koşullar etkili kullanım modeller, orijinal verilerin yeterliliğinin ve güvenilirliğinin bir testidir. Yeterliliğin doğrulanması bilinen yöntemlerle yapılıyorsa güvenirliğin bazı özellikleri vardır. Çoğu durumda modeli incelemenin ve onunla gerçek verilerle değil, özel olarak hazırlanmış bir dizi setle çalışmanın daha iyi olduğu gerçeğinde yatmaktadırlar. Bir veri seti hazırlarken, modellemek ve keşfetmek istedikleri durumu vurgulayarak, modeli kullanma amacına göre yönlendirilirler.

Simülasyon modelleri, esasen makine modellerinin bir başka örneğidir. Simülasyon modellemenin karmaşık sistemleri ve süreçleri incelemek için giderek daha popüler bir yöntem haline gelmesine rağmen, günümüzde tüm araştırmacılar tarafından kabul edilen tek bir simülasyon modeli tanımı yoktur.

Kullanılan tanımların çoğu, bir simülasyon modelinin, modellenen sürecin özelliklerinin hedeflenen hesaplamalarını yapmak ve bazı parametrelerini optimize etmek için bir bilgisayar kullanılmasına izin veren bir dizi matematiksel ve araçsal araç kullanılarak oluşturulduğu ve uygulandığı anlamına gelir.

Aşırı bakış açıları da var. Bunlardan biri, hesaplamalı deneyler sırasında kullanılabilecek bir sistemin herhangi bir mantıksal ve matematiksel açıklamasının bir simülasyon modeli olarak tanınabileceği ifadesiyle ilgilidir. Bu bakış açısından, tamamen deterministik problemlerde parametrelerin değişimi ile ilgili hesaplamalar simülasyon modellemesi olarak kabul edilmektedir.

Başka bir aşırı bakış açısının savunucuları, bir simülasyon modelinin mutlaka bazı karmaşık nesnelerin aktivitesini simüle etmenize izin veren özel bir yazılım paketi olduğuna inanır. "Simülasyon yöntemi, deneysel yöntem göre gerçek bir sistemin incelenmesi bilgisayar modeli deneysel yaklaşımın özelliklerini ve bilgisayar teknolojisinin kullanımı için özel koşulları birleştiren . Simülasyon modelleme, bilgisayar tabanlı bir modelleme yöntemidir, aslında bilgisayarsız asla var olmamıştır ve sadece bilgi teknolojilerinin gelişmesi bu türün oluşmasına neden olmuştur. bilgisayar simülasyonu» . Bu yaklaşım, bilgisayar kullanmadan en basit simülasyon modellerini oluşturma olasılığını reddeder.

Tanım 1.9. simülasyon modeli- özel çeşitlilik bilgi modelleri Analitik, bilgisayar ve analog modellerin unsurlarını birleştiren, bir dizi hesaplama ve çalışmasının sonuçlarının grafiksel bir gösterimini kullanarak, incelenen nesnenin çeşitli etkileri altında işleyen süreçlerini yeniden üretmesine (simüle etmesine) izin verir ( genellikle rastgele) faktörler.

Simülasyon modellemesi günümüzde iş süreçlerini, tedarik zincirlerini, savaşları, nüfus dinamiklerini, tarihsel süreçleri, rekabeti ve diğer süreçleri modellemek, sonuçları tahmin etmek için kullanılmaktadır. yönetim kararlarıçeşitli alanlarda. Simülasyon modellemesi, yalnızca bir simülasyon modeli geliştirmenin karmaşıklığı ile sınırlı olmak üzere, herhangi bir yapıdaki, karmaşıklıktaki ve amaçtaki ve hemen hemen her ayrıntıdaki sistemleri keşfetmenize olanak tanır ve teknik yetenekler deneyler yapmak için kullanılan hesaplama araçları.

Modern pratik problemleri çözmek için geliştirilen simülasyon modelleri, genellikle her biri tanımlanan çok sayıda karmaşık etkileşimli stokastik öğe içerir. Büyük bir sayı parametrelerdir ve stokastik etkilere tabidir. Bu durumlarda, kural olarak, tam ölçekli modelleme istenmez veya imkansızdır ve analitik bir çözüm zor veya imkansızdır. Genellikle bir simülasyon modelinin uygulanması, dağıtılmış bilgi işlemin organizasyonunu gerektirir. Bu nedenlerden dolayı simülasyon modelleri esasen makine modelleridir.

Simülasyon modeli, modelin, uygulanan bazı algoritmalar biçiminde temsil edildiğini varsayar. bilgisayar programı, yürütülmesi sistemdeki değişen durumların sırasını taklit eden ve böylece simüle edilen sistem veya sürecin davranışını gösteren.

Not!

Rastgele faktörlerin varlığında, simülasyon modelinin birden fazla çalıştırılması ve ardından biriken bilgilerin istatistiksel olarak işlenmesi sonucunda simüle edilen süreçlerin gerekli özellikleri elde edilir.

Bir bilim insanı-başvuru sahibinin bakış açısından simülasyon modellemesini bir bilgi teknolojisi olarak yorumlamanın meşru olduğunu belirtelim: “Kontrollü bir sürecin veya kontrollü bir nesnenin simülasyon modellemesi, üst düzey bir süreçtir. Bilişim teknolojisi, bilgisayar kullanılarak gerçekleştirilen iki tür eylem sağlar:

• 1) bir simülasyon modelinin oluşturulması veya değiştirilmesi üzerinde çalışmak;
• 2) simülasyon modelinin çalışması ve sonuçların yorumlanması” .

Simülasyon modeli oluşturmanın modüler prensibi. Bu nedenle, simülasyon modellemesi, incelenen sistemi dış çevre ile bağlantılı olarak tanımlayan yapılandırılmış mantıksal-matematiksel modellerin varlığını, içinde meydana gelen süreçlerin yeniden üretildiğini ve bunların korunmasını sağlar. mantıksal yapı ve bilgisayar teknolojisi yardımıyla zaman içinde sıralanır. Modüler bir temelde işleyen sistemin bir simülasyon modelini oluşturmak en mantıklısıdır. Bu durumda, böyle bir modelin birbirine bağlı üç modül bloğu ayırt edilebilir (Şekil 1.7).

Pirinç. 1.7.

Algoritmik modelin ana kısmı, nesnenin işleyişinin süreçlerini simüle etmek için blokta uygulanır (blok 2). Burada, model süresinin geri sayımı düzenlenir, model öğelerinin etkileşiminin mantığı ve dinamikleri yeniden üretilir, nesnenin işleyişinin özelliklerinin tahminlerini hesaplamak için gerekli verileri toplamak için deneyler yapılır. Rastgele etkilerin simülasyon bloğu (blok 1), rastgele değişkenlerin ve süreçlerin değerlerini oluşturmak için kullanılır. Gerekli özelliklerle rastgele etkileri modellemek için algoritmalar uygulamak için standart dağıtım oluşturucuları ve araçları içerir. Simülasyon sonuçları işleme bloğunda (blok 3), model ile yapılan deneylerin sonuçlarını oluşturan özelliklerin mevcut ve nihai değerleri hesaplanır. Bu tür deneyler, optimizasyon veya ters problemler dahil olmak üzere ilgili problemlerin çözülmesinden oluşabilir.

• Lychkin II. II. kararname op.
• Dağıtılmış hesaplama, çoğu zaman paralel bir hesaplama sisteminde birleştirilen birkaç bilgisayar kullanarak yoğun emek gerektiren hesaplama sorunlarını çözmenin bir yoludur.
• Emelianov AA, Vlasova EA, Duma RV Ekonomik süreçlerin simülasyonu. M. : Finans ve istatistik, 2006. S. 6.

öz bilgisayar simülasyonu aşağıdakilerden oluşur: matematiksel bir model temelinde, bir bilgisayar yardımıyla bir dizi hesaplama deneyi gerçekleştirilir, yani. nesnelerin veya süreçlerin özellikleri incelenir, optimal parametreler ve çalışma modları, model belirtilir. Örneğin, belirli bir sürecin gidişatını tanımlayan bir denkleme sahip olarak, katsayılarını, başlangıç ​​ve sınır koşullarını değiştirebilir ve bu durumda nesnenin nasıl davranacağını keşfedebilirsiniz. simülasyon modelleri- bunlar bilgisayar tabanlı hesaplama deneyleri gerçek nesnelerin, süreçlerin veya sistemlerin davranışını taklit eden matematiksel modellerle.

Gerçek süreçler ve sistemler iki tür matematiksel model kullanılarak incelenebilir: analitik ve simülasyon.

Analitik modellerde, gerçek süreçlerin ve sistemlerin (RPS) davranışı açık biçimde verilir. işlevsel bağımlılıklar(doğrusal veya doğrusal olmayan, diferansiyel veya integral denklemler, bu denklemlerin sistemleri). Ancak, bu bağımlılıklar yalnızca nispeten basit RPS'ler için elde edilebilir. Olgular karmaşık ve çeşitli olduğunda, araştırmacı karmaşık RPS'nin basitleştirilmiş temsillerine gitmelidir. Sonuç olarak, analitik model gerçeğe çok yakın bir yaklaşım haline gelir. Bununla birlikte, karmaşık RPS'ler için analitik modeller elde etmek mümkünse, genellikle çözülmesi zor bir soruna dönüşürler. Bu nedenle, araştırmacı kullanmak zorunda kalır. simülasyon modelleme.

simülasyon belirli bir süre için gerçek nesnelerin, süreçlerin ve sistemlerin davranışını simüle eden matematiksel modellerle bilgisayarda hesaplama deneyleri yapmak için sayısal bir yöntemdir. Aynı zamanda, RPS'nin işleyişi temel fenomenlere, alt sistemlere ve modüllere ayrılmıştır. Bu temel fenomenlerin, alt sistemlerin ve modüllerin işleyişi, temel fenomenleri taklit eden bir dizi algoritma tarafından tanımlanırken, aynı zamanda kendi özelliklerini korurlar. mantıksal yapı ve zamanla sıralanır.

simülasyon- bu, araştırma nesnelerinin işleyişinin algoritmalaştırılması, algoritmik açıklamaların yazılım uygulaması, belirli bir süre boyunca RPS'nin işleyişini simüle eden matematiksel modellerle hesaplama deneylerinin bir bilgisayarda düzenlenmesi, planlanması ve yürütülmesi için bir dizi yöntemdir.

RPS işleyişinin algoritması, model için gereksinimler kümesine karşılık gelen bir ayrıntı düzeyi ile bireysel modüllerin tüm işlevsel alt sistemlerinin çalışmalarının adım adım açıklaması olarak anlaşılır.

"Simülasyon"(IM) bir çift terimdir. "Taklit" ve "simülasyon" eşanlamlıdır. Bilim ve teknolojinin neredeyse tüm alanları gerçek süreçlerin modelleridir. Matematiksel modelleri birbirinden ayırt etmek için araştırmacılar onlara ek isimler vermeye başladı. Terim "simülasyon modelleme" sistemin davranışını önceden hesaplamanın veya tahmin etmenin imkansız olduğu ve sistemin davranışını tahmin etmenin imkansız olduğu bu tür matematiksel modellerle uğraştığımız anlamına gelir. hesaplama deneyi(simülasyon) verilen ilk verilerle matematiksel bir model üzerinde.

IM'nin ana avantajı:

1. süreçlerin veya sistemlerin bileşenlerinin (öğelerinin) davranışını tanımlama yeteneği yüksek seviye detaylandırma;
2. MI parametreleri ile RPS'nin dış ortamının durumu arasında kısıtlama olmaması;
3. sistem parametrelerinin zaman ve uzayda bileşenlerin etkileşiminin dinamiklerini inceleme imkanı;

Bu avantajlar sağlar simülasyon yöntemi geniş kullanım.

1. Araştırma probleminin tam bir ifadesi yoksa ve modelleme nesnesinin biliş süreci devam ediyor. simülasyon modeli fenomeni incelemek için bir araç olarak hizmet eder.
2. Analitik yöntemler mevcutsa, ancak matematiksel süreçler karmaşık ve zahmetli ve simülasyon modelleme sorunu çözmenin daha kolay bir yolunu sunar.
3. Bir işlem veya sistemin parametrelerinin (değişkenlerinin) etkisinin değerlendirilmesine ek olarak, belirli bir süre boyunca işlem veya sistemin (PS) bileşenlerinin (öğelerinin) davranışının izlenmesi istendiğinde.
4. Ne zaman simülasyon modellemeçıkıyor tek yol Gerçek koşullarda fenomenleri gözlemlemenin imkansızlığı nedeniyle karmaşık bir sistemin çalışmaları (tepkiler termonükleer füzyon, uzay araştırması).
5. Simülasyon sırasında olayları yavaşlatarak veya hızlandırarak süreçlerin akışını veya sistemlerin davranışını kontrol etmek gerektiğinde.
6. Uzmanları yeni teknoloji için eğitirken, simülasyon modelleri yeni ekipmanın çalıştırılmasında beceri kazanma imkanı sağlanır.
7. RPS'deki yeni durumlar çalışıldığında. Bu durumda simülasyon, saha deneyleri yapmak için yeni stratejileri ve kuralları test etmeye hizmet eder.
8. Tasarlanan PS'deki olayların sırası özellikle önemli olduğunda ve model, RPS'nin işleyişindeki darboğazları tahmin etmek için kullanıldığında.

Bununla birlikte, IM'nin avantajlarının yanı sıra dezavantajları da vardır:

1. İyi bir IM'nin geliştirilmesi, genellikle analitik bir modelin oluşturulmasından daha pahalıdır ve çok zaman gerektirir.
2. Anlık iletinin yanlış olduğu ortaya çıkabilir (ki bu genellikle böyledir) ve biz bu yanlışlığın derecesini ölçemeyiz.
3. Çoğu zaman, araştırmacılar karşılaşacakları zorlukların farkına varmadan IM'ye yönelirler ve süreçte bir takım metodolojik hatalar yaparlar.

Bununla birlikte, IM, karmaşık süreçlerin ve sistemlerin sentez ve analizi problemlerinin çözümünde en yaygın olarak kullanılan yöntemlerden biridir.

türlerden biri simülasyon modelleme istatistiksel bir simülasyon modelleme, bu da karmaşık rastgele işlemlerin işleyişini bir bilgisayarda yeniden üretmeyi mümkün kılar.

Rastgele bozulmalara maruz kalan karmaşık sistemler, olasılıksal analitik modeller ve olasılıksal simülasyon modelleri.

Olasılıksal analitik modellerde, rastgele süreçlerin olasılıksal özellikleri (olasılık dağılım yasaları, spektral yoğunluklar veya korelasyon fonksiyonları) belirlenerek rastgele faktörlerin etkisi dikkate alınır. Aynı zamanda, olasılıksal analitik modellerin oluşturulması karmaşık bir iştir. hesaplama görevi. Bu nedenle, nispeten basit sistemleri incelemek için olasılıksal analitik modelleme kullanılır.

Rastgele pertürbasyonların devreye girmesinin simülasyon modelleri temel komplikasyonlar getirmez, bu nedenle, karmaşık rastgele süreçlerin incelenmesi şu anda bir kural olarak yürütülmektedir. simülasyon modelleri.

olasılıksal olarak simülasyon modelleme rastgele süreçlerin özellikleriyle değil, PS parametrelerinin belirli rastgele sayısal değerleriyle çalışırlar. Aynı zamanda, üzerinde oynarken elde edilen sonuçlar simülasyon modeli ele alınan sürecin rastgele gerçekleşmeleridir. Bu nedenle, sürecin nesnel ve kararlı özelliklerini bulmak için, birden çok kez yeniden üretilmesi ve ardından elde edilen verilerin istatistiksel olarak işlenmesi gerekir. Bu nedenle, rastgele bozulmalara maruz kalan karmaşık süreçlerin ve sistemlerin incelenmesi,