Имитационное моделирование — это методика изучения, при которой исследуемая система подменяется её моделью, способной описать с необходимой точностью реально существующую систему.
Введение
Статистическое моделирование – это методика изучения сложных систем, базирующаяся на описании процессов работы каждого компонента системы в их взаимных связях для того, чтобы получить множество отдельных результатов, которые подлежат обработке при помощи методов математической статистики, для формирования итогового результата. Основой статистического моделирования является метод Монте-Карло.
Имитационная модель является универсальным средством изучения сложных систем, представляющим собой логическое и алгоритмическое описание функционирования всех компонентов системы и законов из взаимодействия, которые отображают очерёдность событий, происходящих в моделируемой системе.
Когда статистическое моделирование осуществляется при помощи имитационных моделей, то это моделирование именуется имитационным. Термины «статистическое» и «имитационное» моделирование иногда воспринимаются в качестве синонимов. Но нужно отметить, что статистическое моделирование не всегда считается имитационным.
Наиболее часто имитационное моделирование используется при изучении сложных систем, имеющих дискретный характер работы, включая модели массового обслуживания. Чтобы описать рабочие процессы подобных систем как правило применяются временные диаграммы.
Временной диаграммой является графическое отображение очерёдности событий, которые происходят в системе. Чтобы построить временную диаграмму, нужно обладать чётким и однозначным представлением о взаимосвязях событий в системе. Уровень детализации при формировании диаграмм определяется свойствами моделируемой системы и целями выполнения моделирования.
Имитационное моделирование, как правило, осуществляется на электронной вычислительной машине (ЭВМ) согласно программе, выполняющей необходимое логическое и алгоритмическое описание. Причём большие временные интервалы можно смоделировать на компьютере за более короткие промежутки времени. Обычно модель не представляет собой точный аналог системы, а скорее выступает как её символическое отображение. Тем не менее, подобная модель даёт возможность реализовать измерения, которые нельзя выполнить какими-нибудь иными методами.
Организационные принципы имитационного моделирования
Имитационное моделирование позволяет испытать, оценить и провести разные эксперименты с изучаемой системой без оказания непосредственного воздействия на неё. При исследовании какой-либо конкретной системы вначале следует выделить её основные компоненты, и сформулировать логические правила, определяющие взаимодействие этих компонентов. Сформированное в итоге этих действий описание считается моделью системы. В состав модели, как правило, входят те системные параметры, которые наиболее интересны на текущий момент или необходимо их исследование.
Так как целью формирования любых моделей считается изучение характеристик моделируемой системы, то в имитационную модель всегда включаются средства, предназначенные для сбора и переработки статистических информационных данных по каждой исследуемой характеристике, базирующиеся на математической статистике.
Построить в ручном режиме временные диаграммы с огромным количеством информационных данных не представляется возможным. Применение для этих целей компьютеров даёт возможность значительно более оперативно построить модель системы и получить итоговый результат. То есть, имитационное моделирование может рассматриваться как процесс формирования диаграмм работы изучаемой системы.
Следовательно, имитационная модель по сути является алгоритмом, реализующим временную диаграмму работы изучаемой системы. Присутствие практически во всех алгоритмических языках генератора случайных чисел делает реализацию имитационных моделей на компьютере существенно более простой. Но это не решает всех проблем, возникающих при имитационном моделировании. Одной из таких проблем является принцип реализации временных диаграмм и, сопряжённой с ними, проблемами построения службы времени в имитационной модели.
В самом простом случае временные диаграммы можно реализовать следующими действиями:
- В начале следует сформировать моменты прихода в систему всех заявок.
- Для каждой заявки нужно определить время выполнения обслуживания в приборе.
- Сформировать моменты окончания обслуживания.
Такой метод далеко не в каждом случае можно использовать, так как даже для несложных систем нужно сохранять в памяти компьютера единовременно больше миллиона значений.
Другим методом, который можно применить для формирования временных диаграмм, является пошаговое выстраивание диаграммы. Для него нужно задать переменную для модельного времени и определить шаг At его изменений. Во все моменты времени, определяемые шагом, нужно выполнять проверку, какое из событий, а именно, получение системой заявки или её завершение, случилось в системе в течение предыдущего интервала At.
Такой метод способен сократить объём необходимой памяти, так как в таком варианте в каждый текущий момент времени следует сохранять в памяти компьютера величины параметров лишь тех заявок, которые присутствуют в системе в этот временной момент.
Но и этот метод не свободен от недостатков. Основной проблемой здесь считается правильное определение размера временного интервала At.
Самым эффективным считается подход с использованием переменного шага передвижения модельного времени, который осуществляется согласно принципу «до самого ближнего события». Методика изменения модельного времени до самого ближнего события состоит в следующем:
- Во всех процессах, происходящих одновременно в изучаемой системе, в каждый временной момент фиксируются моменты наступления «самого близкого события в будущем».
- Время модели перемещается вперёд до наступления самого ближнего из вероятных событий.
- Согласно этому ближайшему событию осуществляются необходимые, в этом случае, действия.
