МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
«МАМИ»
Е.Г. Мурачев
МОДЕЛИРОВАНИЕ СИСТЕМ
ПОСОБИЕ
по выполнению курсовой работы
для студентов
III
курса
специальности 230101
дневного отделения
Москва – 2009
МИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ
ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
«МАМИ»
Кафедра автоматики и процессов управления
Е.Г.Мурачев
МОДЕЛИРОВАНИЕ СИСТЕМ
ПОСОБИЕ
по выполнению курсовой работы
для студентов
III курса
специальности 230101
дневного обучения
Москва – 2009
ВВЕДЕНИЕ
по дисциплине «Моделирование систем» выполняется студентами специальности 230101 в 7 семестре. В рамках курсовой работы должно быть произведено исследование объекта с целью определения оптимального режима функционирования. Лри выполнении курсовой работы используются знания, полученные студентами при изучении дисциплины «Моделирование систем», а также дисциплин "Информатика", "Алгоритмические языки и программирование".
1 ЦЕЛИ И ЗАДАЧИ КУРСОВОГО ПРОЕКТИРОВАНИЯ
1.1 Целью курсового проектирования является приобретение практических навыков по постановке пассивного и активного экспериментов,методов обработки экспериментальных данных, определение математической модели в виде уравнения регрессии, поиска оптимального решения с помощью одного из методов оптимизации.
1.2 Задачей курсовой работы является исследование заданного объекта:
-проведение пассивного эксперимента с использованием методов имитационного моделирования и языка программирования GPSS;
- выбор критерия оценки эффективности функционирования объекта;
- определение оптимального режима функционирования на основе
пассивного эксперимента;
- Составление плана проведения активного эксперимента и проведение активного эксперимента с использованием методов имитационного моделирования и языка программирования GPSS ;
- Определение математической модели в виде уравнения регрессии с использованием результатов активного эксперимента;
- Поиск оптимального режима функционирования на базе полученной модели
- С использованием градиентного метода оптимизации или метода сканирования;
Оценка результатов и сравнение с результатами, полученными на основе пассивного эксперимента..
ОРГАНИЗАЦИЯ И ПОСЛЕДОВЛЬНОСТЬ ВЫПОЛНЕНИЯ
КУРСОВОЙ РАБОТЫ
Курсовое проектирование является формой самостоятельной работы студента и выполняется по индивидуальному заданию.
Заданиена курсовую работу выдается преподавателем на первом занятии по курсу «Моделирование систем» 8 семестра, защита проводится в конце того же семества перед экзаменом. На защите демонстрируются результаты проведенного исследования.
"В ходе выполнения курсовой работы студент консультируется с руководителем, назначенным кафедрой.
За правильность проектных решений, качество оформления работы, своевременность выполнения отдельных этапов и представления к защите отвечает студент.
2.1
Задание на курсовую работу
Задание на гсурсовую работу выбирается студентом по номеру группы и порядковому номеру студента в журнале.
2.2
Объем и содержание курсовой работы
Работа состоит из расчетно-пояснительной записки (РПЗ).
Техническое задание включает общие и специальные требования к работе.
Объем пояснительной записки составляет 30-40 машинописных страниц (формат А4) РПЗ должна быть написана четко и кратко, содержать пояснения ко всем промежуточным результатам, обоснование принятых решений. РПЗ должна включать следующие разделы:
1) Титульный лист (приложение А)
2) Бланк задания, подлисанный преподавателем и студентом (приложение Б)
3) Содержание
4) Перечень условных обозначений и сокращений в алфавитном порядке в виде списка, в котором слева приводится сокращение, справа - его расшифровка.
5) Основная часть РПЗ:
- Краткие теоретические сведения: анализ существующих методов подобного класса; особенности особенности использования выбранных методов;
- Структура обекта исследования и имитационная модель в виде программы на языке программирования GPSS;
- Результаты пассивного эксперимента;
-- расчет критерия для каждой экспериментальной точки;
- Анализ результатов и выбор оптимального оешения набазе пассивного эксперимента;
- План активного эксперимента;
- Результаты активного эксперимента;
- Расчет коэффициентов уравнения регрессии с помощью Ехсеl;
- Запись полученной модели;
- Программа поиска оптимального решения на алгоритмическом языке Visual Basic;
- Результаты поиска и результать сравнительного анализа;
- Заключение;
- Список использованных источников;
- Приложения:
2.3 Последовательность выполнения работы
разрабатывается в последовательности, соответствующей содержанию РПЗ (п.2,2).
Расчетно-пояснительная записка и графический материал оформляются в соответствии с требованиями ЕСКД и ЕСПД (Единая система конструкторской документации, Единая система программной документации).
Подготовленная и оформленная работа, прошедшая экспертизу на выполнение требований ЕСКД и ЕСПД представляется преподавателю не позднее, чем за неделю до защиты.
Защита работы происходит на 16 или 17 неделе семестра.
3 ВАРИАНТЫ ЗАДАНИЙ
№ варианта
|
А
|
В
|
|
|
|
|
1
|
6
|
2
|
0.2
|
0.8
|
3
|
1
|
2
|
5
|
1
|
0.25
|
0.75
|
2
|
1
|
3
|
7
|
1
|
0.31
|
0.69
|
4
|
2
|
4
|
15
|
3
|
0.43
|
0.57
|
11
|
3
|
5
|
8
|
2
|
0.74
|
0.26
|
2
|
1
|
6
|
18
|
3
|
0.84
|
0.16
|
14
|
4
|
7
|
27
|
4
|
0.56
|
0.44
|
20
|
3
|
8
|
22
|
2
|
0.34
|
0.66
|
15
|
4
|
9
|
12
|
4
|
0.82
|
0.18
|
6
|
2
|
10
|
11
|
2
|
0.23
|
0.77
|
5
|
1
|
11
|
9
|
1
|
0.11
|
0.89
|
4
|
1
|
12
|
13
|
3
|
0.36
|
0.64
|
9
|
3
|
13
|
10
|
2
|
0.73
|
0.27
|
7
|
2
|
14
|
17
|
3
|
0.93
|
0.07
|
10
|
3
|
15
|
15
|
4
|
0.45
|
0.55
|
11
|
4
|
16
|
8
|
2
|
0.24
|
0.76
|
4
|
1
|
17
|
16
|
3
|
0.33
|
0.67
|
12
|
3
|
18
|
7
|
2
|
0.14
|
0.86
|
16
|
5
|
•Ж
|
22
|
1
|
0.42
|
0.58
|
14
|
3
|
20
|
13
|
1
|
0.64
|
0.36
|
8
|
2
|
21
|
24
|
3
|
0.55
|
0.45
|
18
|
4
|
22
|
19
|
4
|
0.25
|
0.75
|
13
|
3
|
23
|
26
|
2
|
0.28
|
0.72
|
20
|
5
|
24
|
4
|
1
|
0.87
|
0.13
|
2
|
1
|
25
|
29
|
4
|
0.26
|
0.74
|
22
|
5
|
26
|
22
|
3
|
0.82
|
0.18
|
17
|
4
|
27
|
17
|
2
|
0.25
|
0.75
|
4
|
3
|
28
|
14
|
4
|
0.49
|
0.51
|
8
|
2
|
29
|
19
|
2
|
0.66
|
0.34
|
9
|
2
|
30
|
25
|
1
|
0.28
|
0.72
|
22
|
5
|
31
|
6
|
3
|
0.97
|
0.03
|
4
|
1
|
В многофазную систему массового обслуживания поступают заявки по равномерному закону распределения через А +/- В минут. Обработка заявок осуществляется в три фазы, две из которыхпредставляют параллельное соединение двух приборов обслуживания.. (см. пример) Поступление заявок в тот или иной канал для этих фаз происходит с вероятностью
и
.
Провести моделирование системы с параметрами А,В,
,
,
,
, где индекс “1” соответствует первой фазе, индекс “2” соответствует второй фазе т.е.
+-
/2,
+-
/2, а для третьей фазы – (
+
)/2 ,при условии,что накопители имеют бесконечную емкость.
Необходимо осуществить обработку 100 заявок при двух прогонах программы.
Составить матрицу планирования полного факторного эксперимента для пяти факторов с эффектами взаимодействия. Факторами являютсявремя обслуживания заявок каждого прибора обслуживания. Диапазон изменения факторов определяется из условия
[-0,15*T;+0,15*T]
Осуществить расчет имитационной модели с использованием исходных данных
определенных на основании составленного плана ПФЭ
Записать матрицу планирования первого порядка с эффектами взаимодействия.
Определить значения коэффициентов полинома, выбранного в качестве модели
Определить оптимальные области значений факторов процесса функционирования
системы
4. ИНФОРИАЦИЯ ДЛЯ ВЫПОЛНЕНИЯ КУРСОВОЙ РАБОТЫ
МАТЕМАТИЧЕСКИЕ СХЕМЫ МОДЕЛИРОВАНИЯ
СИСТЕМ
Наибольшие затруднения и наиболее серьезные ошибки при моделировании возникают при переходе от содержательного к формальному описанию объектов исследования. Эффективным является язык математических схем, позволяющий во главу угла поставить вопрос об адекватности перехода от содержательного описания системы к ее математической схеме, а лишь затем решать вопрос о конкретном методе получения результатов с использованием ЭВМ: аналитическом или имитационном, а возможно, и комбинированном, т. е. аналитико-имитационном. Применительно к конкретному объекту моделирования, т. е. к сложной системе, разработчику модели должны помочь конкретные, уже прошедшие апробацию для данного класса систем математические схемы, показавшие свою эффективность в прикладных исследованиях на ЭВМ и получившие название типовых математических схем.
ОСНОВНЫЕ ПОДХОДЫ К ПОСТРОЕНИЮ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ СИСТЕМ
Исходной информацией при построении математических моделей процессов функционирования систем служат данные о назначении и условиях работы исследуемой (проектируемой) системы S
.
Эта информация определяет основную цель моделирования системы S
и позволяет сформулировать требования к разрабатываемой математической модели М.
Причем уровень абстрагирования зависит от круга тех вопросов, на которые исследователь системы хочет получить ответ с помощью модели, и в какой-то степени определяет выбор математической схемы.
Математическую схему
можно определить как звено при переходе от содержательного к формальному описанию процесса функционирования системы с учетом воздействия внешней среды, т. е. имеет место цепочка «описательная модель — математическая схема — математическая [аналитическая или (и) имитационная] модель».
Каждая конкретная система S
характеризуется набором свойств, под которыми понимаются величины, отражающие поведение моделируемого объекта (реальной системы) и учитывающие условия ее функционирования во взаимодействии с внешней средой (системой) Е.
При построении математической модели системы необходимо решить вопрос об ее полноте. Полнота модели регулируется в основном выбором границы «система S
— среда Е».
Также должна быть решена задача упрощения модели, которая помогает выделить основные свойства системы, отбросив второстепенные. Причем отнесение свойств системы к основным или второстепенным существенно зависит от цели моделирования системы (например, анализ вероятностно-временных характеристик процесса функционирования системы, синтез структуры системы и т. д.).
Модель объекта моделирования, т. е. системы S, можно представить в виде множества величин, описывающих процесс функционирования реальной системы и образующих в общем случае следующие подмножества:
совокупность входных воздействий
на систему
,
i
=
1,2,…,
;
совокупность воздействий внешней среды
;
совокупность внутренних (собственных) параметров
системы
совокупность выходных характеристик
системы
При этом в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае
, ν,
h
,
y
являются элементами непересекающихся подмножеств и содержат как детерминированные, так и стохастические составляющие.
При моделировании системы S входные воздействия, воздействия внешней среды Е
и внутренние параметры системы являются независимыми (экзогенными) переменными,
а выходные характеристики системы являются зависимыми (эндогенными) пере
менными
Процесс функционирования системы S описывается во времени оператором
, который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида
y
(
t
)=
(
x
,
v
,
h
,
t
)
(1.1)
Совокупность зависимостей выходных характеристик системы от времени для всех видов у
называется выходной траек
торией у (
t
).
Зависимость (1.1) называется законом функционирова
ния системы
S
и обозначается
.
В общем случае закон функционирования системы
может быть задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.
Весьма важным для описания и исследования системы S
является понятие алгоритма функционирования
,
под которым понимается метод получения выходных характеристик с учетом входных воздействий х (
t
),
воздействий внешней среды v
(
t
)
и собственных параметров системы h
(
t
).
Очевидно, что один и тот же закон функционирования
системы S
может быть реализован различными способами, т. е. с помощью множества различных алгоритмов функционирования
.
Соотношение (1.1) является математическим описанием поведения объекта (системы) моделирования во времени t
,
т. е. отражает его динамические свойства. Поэтому математические модели такого вида принято называть динамическими моделями.
Для статических моделей математическая модель (1.1) представляет собой отображение между двумя подмножествами свойств моделируемого объекта Y
и {
X
,
V
,
H
},
что в векторной форме может быть записано как
y
=
f
(
x
,
v
,
h
).
(1.2)
Соотношения (1.1) и (1.2) могут быть заданы различными способами: аналитически (с помощью формул), графически, таблично и т. д. Такие соотношения в ряде случаев могут быть получены через свойства системы S
в конкретные моменты времени, называемые состояниями.
Если рассматривать процесс функционирования системы S как последовательную смену состояний,
то они могут быть интерпретированы как координаты точки в n-мерном фазовом пространстве, причем каждой реализации процесса будет соответствовать некоторая фазовая траектория. Совокупность всех возможных значений состояний называется пространством со
стояний
объекта моделирования Z.
Состояния системы S
в момент времени
полностью определяются начальными условиями
, входными воздействиями x
(
t
),
внутренними параметрами h
(
t
)
и воздействиями внешней среды v
(t), которые имели место за промежуток времени t
*
-
, с
помощью двух векторных уравнений
Z(t)=Ф(
z
°,
x
,
v
,
h
,
t
)
(1.3)
y
(
t
)=
F
(
z
,
t
)
(1.4)
Первое уравнение по начальному состоянию z° и экзогенным переменным x
,
v
,
h
определяет вектор-функцию z(0), а второе по полученному значению состояний z (
t
)
— эндогенные переменные на выходе системы у (
t
).
Таким образом, цепочка уравнений объекта «вход — состояния — выход» позволяет определить характеристики системы y
(
t
)=
F
{Ф
(z
°
, x
,
v
,
h
,
t
)}
(1.5)
В общем случае время в модели системы S
может рассматриваться на интервале моделирования (0
, Т)
как непрерывное, так и дискретное.
Таким образом, под математической моделью объекта
(реальной системы) понимают конечное подмножество переменных {
x
(
t
),
v
(
t
),
h
(
t
)}
вместе с математическими связями между ними и характеристиками у (
t
).
Если математическое описание объекта моделирования не содержит элементов случайности или они не учитываются, т. е. если можно считать, что в этом случае стохастические воздействия внешней среды v
(t) и стохастические внутренние параметры h
(
t
)
отсутствуют, то модель называется детерминированной
в том смысле, что характеристики однозначно определяются детерминированными входными воздействиями
y
(
t
)=
f
(
x
,
t
)
(1.6)
Очевидно, что детерминированная модель является частным случаем стохастической модели.
НЕПРЕРЫВНО-СТОХАСТИЧЕСКИЕ МОДЕЛИ
(Q-СХЕМЫ)
Особенности непрерывно-стохастического подхода рассмотрим на примере использования в качестве типовых математических схем систем массового обслуживания
, которые будем называть Q
-схемами.
Системы массового обслуживания представляют собой класс математических схем, разработанных в теории массового обслуживания и различных приложениях для формализации процессов функционирования систем, которые по своей сути являются процессами обслуживания.
В качестве процесса обслуживания могут быть представлены различные по своей физической природе процессы функционирования экономических, производственных, технических и других систем, например потоки поставок продукции некоторому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации ЭВМ от удаленных терминалов и т. д. При этом характерным для работы таких объектов является случайное появление заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени, т. е. стохастический характер процесса их функционирования.
В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и собственно обслуживание заявки.
Прибор обслуживания заявок
Это можно изобразить в виде некоторого i-гo прибора обслуживания
(рисунок), состоящего из накопителя заявок
,
в котором может одновременно находиться
заявок, где
— емкость i-гo накопителя и канала обслуживания заявок (или просто канала)
. На каждый элемент прибора обслуживания
поступают потоки событий: в накопитель
— поток заявок
, на канал
— поток обслуживаний .
Потоком событий
называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных событий. Поток событий называется однородным,
если он характеризуется только моментами поступления этих событий (вызывающими моментами) и задается. Mомент наступления i-го события — неотрицательное вещественное число. Однородный поток событий также может быть задан в виде последовательности промежутков времени между i-м и (п-
1)
-м событиями,
которая однозначно связана с последовательностью поступления заявок.
При моделировании различных систем применительно к элементарному каналу обслуживания
можно считать, что поток заявок
,
т. е. интервалы времени между моментами появления заявок на входе
образует подмножество неуправляемых переменных, а поток обслуживания U, т. е. интервалы времени между началом и окончанием обслуживания заявки, образует подмножество управляемых переменных.
Заявки, обслуженные каналом
и заявки, покинувшие прибор
по различным причинам не обслуженными (например, из-за переполнения накопителя
,
образуют выходной поток
,
т. е. интервалы времени между моментами выхода заявок образуют подмножество выходных переменных.
Процесс функционирования прибора обслуживания
можно представить как процесс изменения состояний его элементов во времени z(
t
).
Переход в новое состояние означает изменение количества заявок, которые в нем находятся (в канале
и в накопителе
).
В практике моделирования систем, имеющих более сложные структурные связи и алгоритмы поведения, для формализации используются не отдельные приборы обслуживания, а Q
-схемы,
образуемые композицией многих элементарных приборов обслуживания (сети массового обслуживания).
Для того, чтобы осуществить процесс моделирования полученной Q
-схемы используют различные языки имитационного моделирования.
Одним из таких языков является язык имитационного моделирования GPSS (см. приложение 1)
Моделирование
Q
-
схем с фазовой структурой
Если приборы массового обслуживания и их параллельные композиции соединены последовательно, то имеет место многофазное обслуживание (многофазная Q
-схема).
Таким образом, для задания Q
-схемы
необходимо использовать оператор сопряжения R
,
отражающий взаимосвязь элементов структуры (каналов и накопителей) между собой.
Связи между элементами Q
-схемы
изображают в виде стрелок (линий потока, отражающих направление движения заявок). Различают разомкнутые и замкнутые Q
-схемы.
В разомкнутой Q
-схеме
выходной поток обслуженных заявок не может снова поступить на какой-либо элемент, т. е. обратная связь отсутствует, а в замкнутых Q
-схемах
имеются обратные связи, по которым заявки двигаются в направлении, обратном движению вход-выход.
Собственными (внутренними) параметрами Q
-схемы
будут являться количество фаз,
количество каналов в каждой фазе,
количество накопителей каждой фазы,
емкость i-гo накопителя. Следует отметить, что в теории массового обслуживания в зависимости от емкости накопителя применяют следующую терминологию для систем массового обслуживания: системы с потерями,
т. е. имеется только канал обслуживания системы с ожиданием, (т. е. очередь заявок не ограничивается) и системы смешанного типа (с ограниченной емкостью накопителя).
Всю совокупность собственных параметров Q
-схемы
обозначим как подмножество Н.
Для задания Q
-схемы
также необходимо описать алгоритмы ее функционирования, которые определяют набор правил поведения заявок в системе в различных неоднозначных ситуациях. В зависимости от места возникновения таких ситуаций различают алгоритмы (дисциплины) ожидания заявок в накопителе Н,
и обслуживания заявок каналом
каждого элементарного обслуживающего прибора
Q
-схемы.
Неоднородность заявок, отражающая процесс в той или иной реальной системе, учитывается с помощью введения классов приоритетов.
В зависимости от динамики приоритетов в Q
-схемах
различают статические и динамические приоритеты. Статические приоритеты назначаются заранее и не зависят от состояний Q
-схемы,
т. е. они являются фиксированными в пределах решения конкретной задачи моделирования. Динамические приоритеты возникают при моделировании в зависимости от возникающих ситуаций. Исходя из правил выбора заявок из накопителя
на обслуживание каналом
можно выделить относительные и абсолютные приоритеты. От
носительный приоритет
означает, что заявка с более высоким приоритетом, поступившая в накопитель
ожидает окончания обслуживания предшествующей заявки каналом
и только после этого занимает канал. Абсолютный приоритет
означает, что заявка с более высоким приоритетом, поступившая в накопитель
прерывает обслуживание каналом
заявки с более низким приоритетом и сама занимает канал (при этом вытесненная из
заявка может либо покинуть систему, либо может быть снова записана на какое-то место в
).
При рассмотрении алгоритмов функционирования приборов обслуживания
(каналов
и накопителей Н)
необходимо также задать набор правил, по которым заявки покидают
и
для
— либо правила переполнения, по которым заявки в зависимости от заполнения
покидают систему, либо правила ухода, связанные с истечением времени ожидания заявки в
для
— правила выбора маршрутов или направлений ухода. Кроме того, для заявок необходимо задать правила, по которым они остаются в канале
или не допускаются до обслуживания каналом
, т. е. правила блокировок канала. При этом различают блокировки
по выходу и по входу. Такие блокировки отражают наличие управляющих связей в Q
-схеме,
регулирующих поток заявок в зависимости от состояний Q
-схемы.
Весь набор возможных алгоритмов поведения заявок в Q
-схеме
можно представить в виде некоторого оператора алгоритмов поведения заявок.
Таким образом, Q
-схема,
описывающая процесс функционирования системы массового обслуживания любой сложности, однозначно задается в виде Q
=
(W, U
,
H
,
Z
,
R
, А).
При ряде упрощающих предположений относительно подмножеств входящих потоков W,
потоков обслуживания U
(выполнение условий стационарности, ординарности и ограниченного последействия) оператора сопряжения элементов структуры R
(однофазное одноканальное обслуживание в разомкнутой системе), подмножества собственных параметров Н
(обслуживание с бесконечной емкостью накопителя), оператора алгоритмов обслуживания заявок А
(бес приоритетное обслуживание без прерываний и блокировок) для оценки вероятностно-временных характеристик можно использовать аналитический аппарат, разработанный в теории массового обслуживания.
Математическое обеспечение и ресурсные возможности современных ЭВМ позволяют достаточно эффективно провести моделирование различных систем, формализуемых в виде Q
-схем,
используя либо пакеты прикладных программ, созданные на базе алгоритмических языков общего назначения, либо специализированные языки имитационного моделирования.
Пример Q-схемы общего вида
На рисунке представлена трехфазная Q
-схема (
L
=3) с блокировкой каналов по выходу в 1-й и 2-й фазах обслуживания (пунктирные линии на рисунке). В качестве выходящих потоков такой Q-схемы могут быть рассмотрены поток потерянных заявок из
и поток обслуженных заявок из
(
на рисунке).
Для имитационной модели рассматриваемой Q
-схемы
можно записать следующие переменные и уравнения: эндогенная переменная Р
— вероятность потери заявок; экзогенные переменные:
— время появления очередной заявки из N;
— время окончания обслуживания каналом
очередной заявки, k
=
1, 2, 3;
j
=
1, 2; вспомогательные переменные:
и
— состояния Н;
параметры: L – емкость, L*—число каналов в i-й фазе.
При имитации процесса функционирования Q
-схемы
на ЭВМ, требуется организовать массив состояний. В этом массиве должны быть выделены: подмассив К для запоминания текущих значений
,
соответствующих каналов
и времени окончания обслуживания очередной заявки, подмассив Н для записи текущего значения z, соответствующих накопителей
, i= 1, 2; подмассив H, в который записывается время поступления очередной заявки из источника (H).
Процедура моделирования процесса обслуживания каждым элементарным каналом сводится к следующему. Путем обращения к генератору случайных чисел с законом распределения, соответствующим обслуживанию данных,
получается длительность времени обслуживания и вычисляется время окончания обслуживания,
а затем фиксируется состояние
, при освобождении
=0; в случае блокировки
записывается
=2. При поступлении заявки в Н, к его содержимому добавляется единица, т. е.
, а при уходе заявки из Н, на обслуживание вычитается единица, т. е.
, i=l, 2.
Возможности модификации
моделирующих алгоритмов
Q
-
схемы.
В плане усложнения машинных моделей при исследовании вариантов системы S
можно рассмотреть следующие модификации: наличие потоков заявок нескольких типов. В этом случае необходимо иметь несколько источников (генераторов) заявок и фиксировать признак принадлежности заявки к тому или иному потоку тогда, когда накопители и каналы рассматриваемой Q
-схемы
критичны к этому признаку или требуется определить характеристики обслуживания заявок каждого из потоков в отдельности.
Наличие приоритетов при постановке заявок в очередь в накопитель. В зависимости от класса приоритета заявок может быть рассмотрен случай, когда заявки одного класса имеют приоритет по записи в накопитель (при отсутствии свободных мест вытесняют из накопителя заявки с более низким классом приоритета, которые при этом считаются потерянными). Этот фактор может быть учтен в моделирующем алгоритме соответствующей Q
-схемы
путем фиксации для каждого накопителя признаков заявок, которые в нем находятся (путем организации соответствующего массива признаков).
1. Наличие приоритетов при выборе заявок на обслуживание каналов. По отношению к каналу могут быть рассмотрены заявки с абсолютным и относительным приоритетами. Заявки с абсолютным приоритетом при выборе из очереди в накопитель вытесняют из канала заявки с более низким классом приоритета, которые при этом снова поступают в накопитель (в начало или конец очереди) или считаются потерянными, а заявки с относительным приоритетом дожидаются окончания обслуживания каналом предыдущей заявки. Эти особенности учитываются в моделирующих алгоритмах приоритетных
Q
-схем,
при определении времени освобождения канала и выборе претендентов на его занятие. Если наличие абсолютных приоритетов приводит к потере заявок, то необходимо организовать фиксацию потерянных заявок.
2. Ограничение по времени пребывания заявок в системе. В этом случае возможно ограничение как по времени ожидания заявок в накопителях, так и по времени обслуживания заявок каналами, а также ограничение по сумме этих времен, т. е. по времени пребывания заявок в обслуживающем приборе. Причем эти ограничения могут рассматриваться как применительно к каждой фазе, так и к Q
-схеме
в целом. При этом необходимо в качестве особых состояний Q
-схемы
рассматривать не только моменты поступления новых заявок и моменты окончания обслуживания заявок, но и моменты окончания допустимого времени пребывания (ожидания, обслуживания) заявок в Q
-схеме.
3. Выход элементов системы из строя и их дальнейшее восстановление. Такие события могут быть рассмотрены в Q
-схеме,
как потоки событий с абсолютными приоритетами, приводящими к потере заявок, находящихся в обслуживании в канале или ожидающих начала обслуживания в накопителе в момент выхода соответствующего элемента из строя. В этом случае в моделирующем алгоритме Q
-схемы
должны быть предусмотрены датчики (генераторы) отказов и восстановлений, а также должны присутствовать операторы для фиксации и обработки необходимой статистики.
Рассмотренные моделирующие алгоритмы и способы их модификации могут быть использованы для моделирования широкого класса систем. Однако эти алгоритмы будут отличаться по сложности реализации, затратам машинного времени и необходимого объема памяти ЭВМ.
Детерминированный и асинхронный циклический алгоритмы наиболее просты с точки зрения логики их построения, так как при этом используется перебор всех элементов Q
-схемы
на каждом шаге. Трудности возникают с машинной реализацией этих алгоритмов вследствие увеличения затрат машинного времени на моделирование, так как просматриваются все состояния элементов Q
-схемы
. Затраты машинного времени на моделирование существенно увеличиваются при построении детерминированных моделирующих алгоритмов Q
-схем,
элементы которых функционируют в различных масштабах времени, например когда длительности обслуживания заявок каналами многоканальной Q
-схемы
значительно отличаются друг от друга.
Действия операторов блок-диаграммы моделирующего алгоритма
В стохастическом синхронном алгоритме рассматриваются прошлые изменения состояний элементов Q
-схемы,
которые произошли с момента предыдущего просмотра состояний, что несколько усложняет логику этих алгоритмов.
Асинхронный спорадический алгоритм позволяет просматривать при моделировании только те элементы Q
-схемы,
изменения состояний которых могли иметь место на данном интервале системного времени, что приводит к некоторому упрощению этих моделирующих алгоритмов по сравнению с синхронными алгоритмами и существенному уменьшению затрат машинного времени по сравнению с детерминированными и циклическими алгоритмами.
Затраты необходимой оперативной памяти ЭВМ на проведение имитации могут быть значительно уменьшены при построении блочных моделей, когда отдельные блоки (модули) Q
-схемы
реализуются в виде процедур (подпрограмм).
Рассмотренные моделирующие алгоритмы позволяют практически отразить всевозможные варианты многофазных и многоканальных Q
-схем,
а также провести исследование всего спектра их вероятностно-временных характеристик, различных выходных характеристик, интересующих исследователя или разработчика системы S.
При моделировании систем, формализуемых в виде Q
-схем, с
использованием языка имитационного моделирования GPSS
,
отпадает необходимость выбора принципа построения моделирующего алгоритма, так как механизм системного времени и просмотра состояний уже заложен в систему имитации дискретных систем, т. е. в язык GPSS
.
В качестве примера приведена программа на языке GPSS
. Для трехфазной системы массового обслуживания, для блок-диаграммы, приведенной ранее..
SIMULATE
Программа имитации многофазной
Q
-схемы
1
STORAGE
10
2
STORAGE
10 EXPON FUNCTION RN1.C24
0 0 .1 .104
.2 .222 .3 .355 .4 .509 .5 .69
6 .915 .7 .12 .75 1.38 .8 1.6 .84 .83 .88 2.12
.9 2.3 .92
2.52 .94 2.81 .95 2.99 .96 3.2 .97 3.5
.98 3.9 .99
4.6 .995 5.3 .998 6.2 .999 7.0 .9997 8.0
GENERATE
10.FN#EXPON
ЗАТЕ
SNF
1.OTK
ENTER
1
TRANSFER
BOTH.KAN11.KAN12
KAN
11 SEIZE
1
LEAVE
1
ADVANCE
20. FN#EXPON
GATE SNF
2
RELEASE
1
TRANSFER
.NAK2
KAN12 SEIZE
2
LEAVE
1
ADVANCE
20.FN#EXPON
GATE SNF
2
RELEASE
2
NAK2 ENTER
2
TRANSFER
BOTH.KAN21.KAN22
KAN21 SEIZE
3
LEAVE
2
ADVANCE
20. FN#EXPON
GATE NU
5
RELEASE
3
TRANSFER
.KAN31
KAN22 SEIZE
4
LEAVE
2
ADVANCE
20. FN#EXPON
GATE NU
5
RELEASE
4
KAN31 SEIZE
5
ADVANCE
10.FN#EXPON
RELEASE
5
TRANSFER
.END
OTK SAVEVALVE 1+.K1
END TERMINATE 1
Программа реализации многофазного моделирующего алгоритма на языке GPSS
При моделировании систем, формализуемых в виде Q
-схем, с
использованием языка имитационного моделирования GPSS
,
отпадает необходимость выбора принципа построения моделирующего алгоритма, так как механизм системного времени и просмотра состояний уже заложен в систему имитации дискретных систем, т. е. в язык GPSS
.
ПЛАНИРОВАНИЕ МАШИННЫХ ЭКСПЕРИМЕНТОВ С МОДЕЛЯМИ
СИСТЕМ
Имитационное моделирование является по своей сути машинным экспериментом с моделью исследуемой или проектируемой системы. План имитационного эксперимента на ЭВМ представляет собой метод получения с помощью эксперимента необходимой пользователю информации. Эффективность использования экспериментальных ресурсов существенным образом зависит от выбора плана эксперимента. Основная цель экспериментальных исследований с помощью имитационных моделей состоит в наиболее глубоком изучении поведения моделируемой системы. Для этого необходимо планировать и проектировать не только саму модель, но и процесс ее использования, т. е. проведение с ней экспериментов на ЭВМ.
МЕТОДЫ ТЕОРИИ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ
Машинный эксперимент с моделью системы S
при ее исследовании и проектировании проводится с целью получения информации о характеристиках процесса функционирования рассматриваемого объекта. Эта информация может быть получена как для анализа характеристик, так и для их оптимизации при заданных ограничениях, т. е. для синтеза структуры, алгоритмов и параметров системы S
.
В зависимости от поставленных целей моделирования системы S на ЭВМ имеются различные подходы к организации имитационного эксперимента с машинной моделью
. Основная задача планирования машинных экспериментов — получение необходимой информации об исследуемой системе S при ограничениях на ресурсы (затраты машинного времени, памяти и т. п.). К числу частных задач, решаемых при планировании машинных экспериментов, относятся задачи уменьшения затрат машинного времени на моделирование, увеличения точности и достоверности результатов моделирования, проверки адекватности модели и т. д.
Машинный эксперимент. Эффективность машинных экспериментов с моделями
существенно зависит от выбора плана эксперимента, так как именно план определяет объем и порядок проведения вычислений на ЭВМ, приемы накопления и статистической обработки результатов моделирования системы S. Поэтому основная задача планирования машинных экспериментов с моделью
формулируется следующим образом: необходимо получить информацию об объекте моделирования, заданном в виде моделирующего алгоритма (программы), при минимальных или ограниченных затратах машинных ресурсов на реализацию процесса моделирования.
Таким образом, при машинном моделировании рационально планировать и проектировать не только саму модель
системы S
,
но и процесс ее использования, т. е. проведение с ней экспериментов с использованием инструментальной ЭВМ.
Для планирования эксперимента наиболее важное значение имеет следующее:
1) простота повторения условий эксперимента на ЭВМ с моделью
системы S
;
2) возможность управления экспериментом с моделью
,
включая его прерывание и возобновление;
3) легкость варьирования условий проведения эксперимента ( воздействии внешней среды Е);
4) наличие корреляции между последовательностью точек в процессе моделирования;
5) трудности, связанные с определением интервала моделирования.
Преимуществом машинных экспериментов является возможность полного воспроизведения условий эксперимента с моделью исследуемой системы S
.
Сравнивать две альтернативы возможно при одинаковых условиях, что достигается, например, выбором одной и той же последовательности случайных чисел для каждой из альтернатив. Существенным достоинством является простота прерывания и возобновления машинных экспериментов, что позволяет применять последовательные и эвристические приемы планирования, которые могут оказаться нереализуемыми в экспериментах с реальными объектами. При работе с машинной моделью
всегда возможно прерывание эксперимента на время, необходимое для анализа результатов и принятия решений об его дальнейшем ходе (например, о необходимости изменения значений параметров модели
).
Недостатком машинных экспериментов является то, что часто возникают трудности, связанные с наличием корреляции в выходных последовательностях, т. е. результаты одних наблюдений зависят от результатов одного или нескольких предыдущих, и поэтому
в них содержится меньше информации, чем в независимых наблюдениях. Так как в большинстве существующих методов планирования экспериментов предполагается независимость наблюдений, то многие из этих методов нельзя непосредственно применять для машинных экспериментов при наличии корреляции.
Основные понятия планирования экспериментов. В связи с тем что математические методы планирования экспериментов основаны на кибернетическом представлении процесса проведения эксперимента, наиболее подходящей моделью последнего является абстрактная схема, называемая «черным ящиком». При таком кибернетическом подходе различают входные и выходные переменные:
. В зависимости от того, какую роль играет каждая переменная в проводимом эксперименте, она может являться либо фактором, либо реакцией. Пусть, например, имеют место только две переменные: х
и у.
Тогда если цель эксперимента — изучение влияния переменной х
на переменную у,
то х
— фактор, а у
— реакция. В экспериментах с машинными моделями
системы S
фактор является экзогенной или управляемой (входной) переменной, а реакция — эндогенной (выходной) переменной.
Каждый фактор
, i=l,2,… k
,
может принимать в эксперименте одно из нескольких значений, называемых уровнями.
Фиксированный набор уровней факторов определяет одно из возможных состояний рассматриваемой системы. Одновременно этот набор представляет собой условия проведения одного из возможных экспериментов.
Каждому фиксированному набору уровней факторов соответствует определенная точка в многомерном пространстве, называемом факторным пространством.
Эксперименты не могут быть реализованы во всех точках факторного пространства, а лишь в принадлежащих допустимой области, как, например, это показано для случая двух факторов
и
на рисунке (плоскость
).
Существует вполне определенная связь между уровнями факторов и реакцией (откликом) системы, которую можно представить в виде соотношения
Функцию
связывающую реакцию с факторами, называют функцией реакции,
а геометрический образ, соответствующий функции реакции,— поверхностью реакции.
Исследователю заранее не известен вид зависимостей
, i
=1,2,… т,
поэтому используют приближенные соотношения:
Зависимости
находятся по данным эксперимента. Последний необходимо поставить так, чтобы при минимальных затратах ресурсов (например, минимальном числе испытаний), варьируя по специально сформулированным правилам значения входных переменных, построить математическую модель системы и оценить ее характеристики.
При планировании экспериментов необходимо определить основные свойства факторов. Факторы при проведении экспериментов могут быть управляемыми и неуправляемыми, наблюдаемыми и ненаблюдаемыми, изучаемыми и не изучаемыми, количественными и качественными, фиксированными и случайными.
Фактор
называется управляемым,
если его уровни целенаправленно выбираются исследователем в процессе эксперимента. При машинной реализации модели
исследователь принимает решения, управляя изменением в допустимых пределах различных факторов.
Фактор
называется наблюдаемым,
если его значения наблюдаются и регистрируются. Обычно в машинном эксперименте с моделью
наблюдаемые факторы совпадают с управляемыми, так как нерационально управлять фактором, не наблюдая его. Но неуправляемый фактор также можно наблюдать. Например, на этапе проектирования конкретной системы S
нельзя управлять заданными воздействиями внешней среды Е,
но можно наблюдать их в машинном эксперименте. Наблюдаемые неуправляемые факторы
получили название сопутствующих.
Обычно при машинном эксперименте с моделью
число сопутствующих факторов велико, поэтому рационально учитывать влияние лишь тех из них, которые наиболее существенно воздействуют на интересующую исследователя реакцию.
Фактор
относится к изучаемым,
если он включен в модель
для изучения свойств системы S
,
а не для вспомогательных целей, например для увеличения точности эксперимента.
Фактор
будет количественным,
если его значения — числовые величины, влияющие на реакцию, а в противном случае фактор
называется качественным.
Например, в модели системы, формализуемой в виде схемы массового обслуживания (
Q
-схемы),
количественными факторами являются интенсивности входящих потоков заявок, интенсивности потоков обслуживания, емкости накопителей, количество обслуживающих каналов и т. д., а качественными факторами — дисциплины постановки в очередь, выбора из очереди, обслуживания заявок каналами и т. д. Качественным факторам в отличие от количественных не соответствует числовая шкала. Однако и для них можно построить условную порядковую шкалу, с помощью которой производится кодирование, устанавливая соответствие между условиями качественного фактора и числами натурального ряда.
Ф
актор
называется фиксированным,
если в эксперименте исследуются все интересующие экспериментатора значения фактора, а если экспериментатор исследует только некоторую случайную выборку из совокупности интересующих значений факторов, то фактор
называется случайным.
На основании случайных факторов могут быть сделаны вероятностные выводы и о тех значениях факторов, которые в эксперименте не исследовались.
В машинных экспериментах с моделями
не бывает неуправляемых или ненаблюдаемых факторов применительно к исследуемой системе S
.
В качестве воздействий внешней среды Е,
т. е. неуправляемых и ненаблюдаемых факторов, в машинной имитационной модели выступают стохастические экзогенные переменные. Если имитационная модель сформулирована, то все факторы определены и нельзя во время проведения данного эксперимента (испытания) с моделью
вводить дополнительные факторы.
Каждый фактор может принимать в испытании одно или несколько значений, называемых уровнями,
причем фактор будет управляемым, если его уровни целенаправленно выбираются экспериментатором. Для полного определения фактора необходимо указать последовательность операций, с помощью которых устанавливаются его конкретные уровни. Такое определение фактора называется операциональным
и обеспечивает однозначность понимания фактора.
Основными требованиями, предъявляемыми к факторам, являются требование управляемости фактора и требование непосредственного воздействия на объект. Под управляемостью фактора понимается возможность установки и поддержания выбранного нужного уровня фактора постоянным в течение всего испытания или изменяющимся в соответствии с заданной программой. Требование непосредственного воздействия на объект имеет большое значение в связи с тем, что трудно управлять фактором, если он является функцией других факторов.
При планировании эксперимента обычно одновременно изменяются несколько факторов. Определим требования, которые предъявляются к совокупности факторов. Основные из них — совместимость и независимость. Совместимость факторов означает, что все их комбинации осуществимы, а независимость соответствует возможности установления фактора на любом уровне независимо от уровней других.
При проведении машинного эксперимента с моделью
для оценки некоторых характеристик процесса функционирования исследуемой системы S
экспериментатор стремится создать такие условия, которые способствуют выявлению влияния факторов, находящихся в функциональной связи с искомой характеристикой.
Для этого необходимо: отобрать факторы
,
влияющие на искомую характеристику, и описать функциональную зависимость; установить диапазон изменения факторов
; определить координаты точек факторного пространства
,
в которых следует проводить эксперимент; оценить необходимое число реализаций и их порядок в эксперименте.
Свойства объекта исследования, т. е. процесса машинного моделирования системы S
,
можно описывать с помощью различных методов (моделей планирования). Для выбора конкретной модели необходимо сформулировать такие ее особенности, как адекватность, содержательность, простота и т. д. Под содержательностью модели планирования понимается ее способность объяснять множество уже известных фактов, выявлять новые и предсказывать их дальнейшее развитие. Простота — одно из главных достоинств модели планирования, выражающееся в реализуемости эксперимента на ЭВМ, но при этом имеет место противоречие с требованиями адекватности и содержательности.
Для экстремального планирования экспериментов наибольшее применение нашли модели в виде алгебраических полиномов. Предполагаем, что изучается влияние k
количественных факторов
, на некоторую реакцию η в отведенной для экспериментирования локальной области факторного пространства G
,
ограниченной
,
(рисунок для случая k
=2).
Допустим, что функцию реакции
можно с некоторой степенью точности представить в виде полинома степени d
от k
переменных
,
который содержит
коэффициентов.
В рамках выбранной модели планирования в виде алгебраических полиномов строится план эксперимента путем варьирования каждого из факторов
на нескольких уровнях q
относительно исходной точки
,
представляющей центр эксперимента.
Виды планов экспериментов. Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным
факторным экспериментом
(ПФЭ). Если выбранная модель планирования включает в себя только линейные члены полинома и их произведения, то для оценки коэффициентов модели используется план эксперимента с варьированием всех k
факторов на двух уровнях, т. е. д=2.
Такие планы называются планами типа 2 , где N=2
— число всех возможных испытаний.
Начальный этап планирования эксперимента для получения коэффициентов линейной модели основан на варьировании факторов на двух уровнях: нижнем
и верхнем
— симметрично расположенных относительно основного уровня
,.
Геометрическая интерпретация показана на рисунке а.
Так как каждый фактор принимает лишь два значения то для стандартизации и упрощения записи условий каждого испытания и обработки выборочных данных эксперимента масштабы по осям факторов выбираются так, чтобы нижний уровень соответствовал -1, верхний +1, а основной — нулю. Это легко достигается с помощью преобразования вида
, где
,
где
— кодированное значение i-гo фактора;
— натуральное значение фактора;
— нулевой уровень;
— интервал варьирования фактора.
Расположение точек для ПФЭ типа
показано на рисунке б.
Выписывая комбинации уровней факторов для каждой экспериментальной точки квадрата, получим план D полного факторного эксперимента типа
.
При этом планы можно записывать сокращенно с помощью условных буквенных обозначений строк. Для этого порядковый номер фактора ставится в соответствие строчной букве латинского алфавита:
и т. д.
Таблица 3.1
Номер испытания
|
|
1
|
2
|
3
|
4
|
|
|
-1
|
+1
|
-1
|
+1
|
|
|
-1
|
-1
|
+1
|
+1
|
Обозначения строк
|
|
(1)
|
a
|
b
|
ab
|
Затем для каждой строки плана выписываются латинские буквы только для факторов, находящихся на верхних уровнях; испытание со всеми факторами на нижних уровнях обозначается как (1). Запись плана в буквенных обозначениях показана в последней строчке.
Геометрическая интерпретация ПФЭ
приведена на рисунке, а
его план ниже:
Таблица 3.2
Номер испытания
|
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
|
|
-1
|
-1
|
-1
|
-1
|
+1
|
+1
|
+1
|
+1
|
|
|
-1
|
-1
|
+1
|
+1
|
-1
|
-1
|
+1
|
+1
|
|
|
-1
|
+1
|
-1
|
+1
|
-1
|
+1
|
-1
|
+1
|
Обозначения строк
|
|
(1)
|
c
|
b
|
bc
|
a
|
ac
|
ab
|
abc
|
Полный факторный эксперимент дает возможность определить не только коэффициенты регрессии, соответствующие линейным эффектам, но и коэффициенты регрессии, соответствующие всем эффектам взаимодействия. Эффект взаимодействия двух (или более) факторов появляется при одновременном варьировании этих факторов, когда действие каждого из них на выход зависит от уровня, на которых находятся другие факторы.
Для оценки свободного члена
и определения эффектов взаимодействия
план эксперимента D расширяют до матрицы планирования X путем добавления соответствующей «фиктивной переменной»: единичного столбца
и столбцов произведений, как показано, например, для ПФЭ типа
в таблице 3.2
Таблица 3.3
Номер испытания
|
|
План ПФЭ
|
*
|
*
|
*
|
*
*
|
Реакция У
|
|
|
|
1
|
+1
|
-1
|
-1
|
-1
|
+1
|
+1
|
+1
|
-1
|
|
2
|
+1
|
-1
|
-1
|
+1
|
+1
|
-1
|
-1
|
+1
|
|
3
|
+1
|
-1
|
+1
|
-1
|
-1
|
+1
|
-1
|
+1
|
|
4
|
+1
|
-1
|
+1
|
+1
|
-1
|
-1
|
+1
|
-1
|
|
5
|
+1
|
+1
|
-1
|
-1
|
-1
|
-1
|
+1
|
+1
|
|
6
|
+1
|
+1
|
-1
|
+1
|
-1
|
+1
|
-1
|
-1
|
|
7
|
+1
|
+1
|
+1
|
-1
|
+1
|
-1
|
-1
|
-1
|
|
8
|
+1
|
+1
|
+1
|
+1
|
+1
|
+1
|
+1
|
+1
|
|
Как видно из рассмотренных планов экспериментов типов
и
, количество испытаний в ПФЭ значительно превосходит число определяемых коэффициентов линейной модели плана эксперимента, т. е. ПФЭ обладает большой избыточностью и поэтому возникает проблема сокращения их количества.
Рассмотрим построение планов так называемого дробного факторного эксперимента. Пусть имеется простейший полный факторньй эксперимент типа
. Используя матрицу планирования, приведенную в табл. 3.4, можно вычислить коэффициенты и представить результаты в виде уравнения
Таблица 3.4
|