Этапы имитационного эксперимента

Эксперимент имитационный – Энциклопедия по экономике

Этапы имитационного эксперимента
Мы переходим к главному этапу имитационного исследования — проведению имитационного эксперимента, которое сопровождается, с одной стороны, планированием, а с другой стороны — обработкой результатов эксперимента.

Будем считать, что предыдущие этапы имитационного исследования удачно завершены, так что теперь остается задать внешние воздействия на модель и с помощью ЭВМ получить результаты, к которым приведут эти воздействия. Сразу же возникает вопрос о том, при каких внешних воздействиях проводить расчеты, сколько расчетов проводить и т. д.

Все эти проблемы решаются в процессе планирования эксперимента. Надо отметить, что теория планирования эксперимента и построения методов анализа его результатов превратились за последние несколько десятилетий в важнейший раздел математической статистики.

Хотя работы в этой области в основном связаны с натурным экспериментом, имитационное исследование в силу своей экспериментальной природы может использовать многие из полученных результатов. В последнее время начали появляться работы, посвященные специально планированию имитационного эксперимента.

В этом параграфе мы попытаемся дать общее представление о том, на какие вопросы может ответить теория планирования эксперимента. Прежде всего введем некоторые понятия.
 [c.281]
Имитационные эксперименты. Имитационные эксперименты как средство анализа экономико-математических моделей начали широко распространяться в шестидесятых годах.

Идея имитационного эксперимента крайне проста. Пусть система описывается с помощью динамической многошаговой модели (3.21)—(3.23) с начальным условием (3.18). Зададим некоторое управление u(t) (t — 0,. .., Т — 1) и по (3.18) и (3.21) найдем траекторию x(t) (t = 0,. .., Т). Проверим выполнение условий (3.22), (3.23). Если эти условия удовлетворяются, т. е.

управление оказывается допустимым, рассчитываем значение показателей. На этом исследование одного варианта управления заканчивается. Далее рассматриваем другой вариант управления, с которым осуществляются те же операции, и т. д. Просмотрев результаты исследо-
 [c.61]

Подсистема сбора первичной информации строится на основе таких методов, как опрос, наблюдение, эксперимент, имитационное моделирование. Характеристика методов сбора маркетинговой информации дана в табл. 13.2.
 [c.108]

Математические соотношения алгоритм ввода Планирование эксперимента имитационная Организация информационной базы Средства вычислительной техники  [c.8]

Однако при применении рассмотренных методов для такой сложной системы как ПО (ПП) приходится решать десятки уравнений, содержащих сотни показателей. В связи с этим получило развитие особое направление в моделировании, именуемое имитационным.

Такой метод представляет собой эксперимент, с реализованной в виде программы ЭВМ экономико-математической моделью, путем варьирования ее параметров, структуры, входных, выходных и управляющих воздействий и подгонки модели к наблюдаемым характеристикам моделируемого объекта.
 [c.310]

В то же время авторы решили описать в книге некоторые методы анализа экономико-математических моделей, еще не получившие достаточного освещения в литературе. В частности, отдельная глава посвящена имитационным экспериментам.
 [c.14]

В последнее десятилетие для анализа экономико-математических моделей стал широко использоваться имитационный подход, на основе которого удается преодолеть некоторые из трудностей, связанных с использованием оптимизационного подхода. В имитационном подходе, вообще говоря, не требуется заранее задавать критерий развития изучаемого объекта.

Вместо него задается управление — либо в виде функции времени и (t), либо в виде функции состояния системы и (х). Подставляя эти заранее сформулированные функции в систему дифференциальных уравнений (4.5) с начальными данными (4.7), можно построить траекторию системы. Если при этом не нарушается ограничение (4.

6), то управление и (t) (или и (х)) является допустимым. Сформулировав заранее некоторое число вариантов управления, можно построить траекторию системы для каждого из вариантов и представить результаты развития системы Заказчику, чтобы он сам выбрал наиболее подходящий ему вариант управления системой.

В этом подходе вместо проблемы формулировки единственного критерия возникает проблема выбора вариантов управления, которые будут изучаться в исследовании. Очевидно, что такой способ исследования, называемый обычно методом вариантных расчетов, не очень экономичен. Подчеркнем, что имитация свелась к вариантным расчетам в случае уже сформулированной модели (4.5) — (4.

7). В действительности же имитация, понимаемая как эксперимент с математической моделью, проводимый на основе ЭВМ, является новым мощ-
 [c.44]

Понятие имитационного эксперимента
 [c.232]

П ” ПОНЯТИЕ ИМИТАЦИОННОГО ЭКСПЕРИМЕНТА >0 833
 [c.233]

Подчеркнем, что главная особенность имитационного исследования состоит в том, что в этом исследовании проводятся эксперименты, но только не с объектом, а с его математической моделью. Такое представление об имитации появилось в 60-х годах нашего столетия.

Имитационные исследования используются для анализа сложных систем в таких непохожих областях науки, как исследование ядерных реакторов и изучение психологии человека, моделирование боевых действий и анализ биологических систем в природе, изучение распространения эпидемий и моделирование исторических процессов, автоматизированное проектирование сложных технических систем и оценка воздействия лечебных процедур на организм человека. Особенно важное место имитационные исследования занимают в анализе экономических процессов. В экономических исследованиях имитация используется в широком диапазоне задач, от отдельных вопросов массового обслуживания и оперативного планирования производства до изучения перспектив развития экономики нашей планеты в целом. Такое разнообразие задач затрудняет выработку каких-то единых, универсальных рекомендаций (тем более, что имитационные методы еще крайне молоды — они используются всего лишь около двадцати лет и сейчас бурно развиваются). Имитационное исследование в значительной степени остается задачей, требующей большой творческой активности и самостоятельности человека, их осуществляющего. Тем не менее, уже сейчас возможно выделить основные принципы проведения имитационных экспериментов, которым и будет посвящен этот раздел книги.
 [c.233]

В имитационном эксперименте законы производства описываются в виде соотношений экономико-математической модели. Далее, как и в натурном эксперименте, задаются внешние воздействия, после чего модель развивается , функционирует по своим законам, реализованным в виде программы для вычислительной машины.

Далее исследователь, опять же с помощью ЭВМ, регистрирует результаты воздействия на модель. В таком человеко-машинном , — как теперь принято говорить, диалоговом режиме работы, исследователь получает результаты различных внешних воздействий на модель.

При этом осуществляется настоящий эксперимент, отличающийся от обычного лишь тем, что он проводится с моделью изучаемого объекта, а не с самим объектом.
 [c.234]

Вспомним кибернетические системы, описываемые дифференциальными уравнениями (об этих системах мы говорили в четвертом параграфе первой главы).

При отсутствии случайных и неопределенных воздействий имитационные эксперименты с моделями подобного типа сводятся к вариантным просчетам.

Если же есть случайные воздействия, то при имитации их заменяют последовательностью величин, которые в целом могут интерпретироваться как реализация
 [c.234]

ПОНЯТИЕ ИМИТАЦИОННОГО ЭКСПЕРИМЕНТА 235
 [c.235]

До сих пор мы говорили об общих чертах натурного и имитационного экспериментов. Пора поговорить и об их различиях.
 [c.235]

Для лучшего понимания различия между натурным и имитационным экспериментами приведем схемы этих экспериментов. Схема натурного эксперимента представлена на рис. 33. Здесь Э — экспериментатор, СЭ — средства эксперимента, О — изучаемый объект, Т — теоретические представления об объекте.

Экспериментатор воздействует на средства эксперимента, которые в свою очередь воздействуют на объект и сами подвергаются воздействию объекта. Изменения в средствах эксперимента наблюдаются экспериментатором, причем экспериментатор истолковывает их в соответствии со своими теоретическими представлениями об объекте.

Результаты эксперимента позволяют развить теоретические представления об объекте, в том числе выбрать наиболее подходящие воздействия на управляемый объект.
 [c.235]

Модельный эксперимент (и имитационный в том числе) имеет более сложную структуру (рис. 34). Новыми обозначениями здесь являются МО — модель объекта, ТО — теоретические представления об объекте, ТМ — теоретические представления о модели. Экспериментатор строит модель объекта в соответствии с теоретическими представлениями об объекте. Этот переход от объекта к его модели
 [c.235]

Тем не менее имитационные эксперименты обладают огромным преимуществом они позволяют провести модельный эксперимент с такими объектами, с которыми натурные эксперименты неосуществимы либо принципиально, либо по экономическим или этическим соображениям.

Принципиально неосуществимы, например, эксперименты с прошлым. Из экономических соображений нельзя проводить натурные эксперименты с различными вариантами управления экономикой страны. Из этических соображений неосуществимы многие эксперименты с участием людей.

В тех же случаях, когда натурные эксперименты возможны, имитация позволяет значительно уменьшить затраты на исследование.

Другим преимуществом имитационных экспериментов является возможность значительно сократить продолжительность исследования, что во многих случаях имеет принципиальное значение.
 [c.237]

Как мы уже говорили, при анализе экономических процессов такая ситуация встречается далеко не всегда (плохо разработаны, например, принципы построения математических моделей социально-экономического уровня экономических процессов). Имитационные эксперименты в таких областях исследования привлекают в настоящее время все большее внимание.

В этом случае цель исследования состоит в том, чтобы научиться строить адекватные модели изучаемых объектов, чтобы проверить различные гипотетические описания и выбрать наиболее подходящие из них (т. е. цель — в развитии здания математических моделей ).

В этой книге мы не станем рассматривать вопросы использования имитационных методов в фундаментальных исследованиях и ограничимся лишь прикладными.
 [c.238]

Итак, имитационные эксперименты — это исследования математических моделей, которые принимают форму эксперимента и осуществляются с помощью вычислительных машин.

Имитационные эксперименты позволяют анализировать такие объекты, которые по тем или иным причинам не могут быть исследованы другими путями.

Дополнительной проблемой по сравнению с натурными экспериментами здесь является предварительное построение адекватной модели изучаемого объекта.
 [c.238]

Основные этапы прикладного имитационного эксперимента
 [c.238]

Основные этапы исследования экономических процессов на основе их математических моделей были кратко описаны в первой главе книги. Сейчас мы снова вернемся к ним, рассмотрев их с позиций имитационного эксперимента.

Это позволит читателю, с одной стороны, более подробно изучить этапы модельного (в данном случае — имитационного) исследования, и, с другой стороны, лучше оценить особенности проведения прикладных имитационных экспериментов.

 [c.238]

ОСНОВНЫЕ ЭТАПЫ ИМИТАЦИОННОГО ЭКСПЕРИМЕНТА 239
 [c.239]

Далее идет этап построения модели. В имитационном эксперименте, кроме обычных для модельного исследования формулировки модели и оценки ее параметров, важную роль играют выбор языка программирования на ЭВМ, создание специальных машинных средств, необходимых для проведения имитационного исследования, а также проверка модели.
 [c.239]

Следующий этап имитационного исследования состоит в проведении самого эксперимента. Возникают вопросы, связанные с рациональным выбором вариантов внешнего воздействия на модель (планирование эксперимента) с таким расчетом, чтобы можно было получить интересующие исследователя результаты (анализ результатов эксперимента) с наименьшими затратами.
 [c.239]

Вторая задача более близка к получившим широкое распространение в конце шестидесятых годов методам прогнозирования с помощью имитационных экспериментов перепек-
 [c.239]

Имитационное исследование, как и всякое другое, должно начинаться с формулировки проблемы, т. е. с ясного и четкого изложения целей эксперимента. В прикладном имитационном исследовании целью эксперимента обычно является оценка некоторых воздействий на развитие изучаемой системы, т. е. имитация должна способствовать правильному принятию решения по некоторому вопросу.

Необходимо еще раз подчеркнуть, что это решение принимает не математик, а некоторый человек (или группа людей), имеющих соответствующие полномочия, т. е. Лицо, Принимающее Решение (ЛПР), или заказчик , проблемы которого анализируются в эксперименте и который выделяет средства для проведения имитационного исследования.

Прикладное имитационное исследование состоит в анализе системы с точки зрения интересов заказчика. Поэтому формулировку проблемы математик осуществляет совместно с заказчиком. Это утверждение не следует понимать так, что первым этапом и ограничивается участие заказчика в имитационном исследовании.

Тем не менее, формулировка проблемы эксперимента — важнейший этап участия заказчика, ибо именно заказчиком определяется цель исследования. Практический опыт заказчика в принятии решений по аналогичным проблемам (если такой имеется) может быть использован и при построении модели.

Конечно, заказчик не будет участвовать в построении математической модели, но необходимо участив заказчика в уточнении того, каковы основные характеристики объекта, интересующего заказчика, возможные огра-
 [c.240]

Обратим внимание на то, что некоторые переменные модели не подвержены влиянию других переменных и при проведении имитационного эксперимента должны быть заданы заранее. Такие переменные называются экзогенными (т. е.

имеющими происхождение извне). В отличие от них, переменные, определяемые в расчетах, называются эндогенными. К экзогенным переменным, кроме управлений st и S.J, относятся и некоторые другие, динамику которых
 [c.

245]

Возникает вопрос о том, что делать в том случае, когда необходимую информацию получить невозможно Тут могут встретиться различные ситуации. Иногда может возникнуть подозрение, что данная информация не влияет на результат исследования.

Тогда можно продолжить построение модели, переходя к следующим этапам — формулировке математической модели и составлению программы для ЭВМ, чтобы затем проверить нашу гипотезу о несущественности данной информации. К сожалению, такая гипотеза часто оказывается не верна.

Приходится возвращаться к уже проделанной работе и пересматривать ее. В частности, можно попытаться добиться полноты информации за счет агрегирования или уменьшения степени детализации модели.

Если и это не помогает, то необходимо пересмотреть список вопросов, которые должны быть изучены в результате имитационного эксперимента.
 [c.249]

При анализе возможностей получения исходной информации для построения математической модели параллельно решается вопрос о возможности проведения прикладного имитационного эксперимента, т. е. выполняется третий под-этап формулировки исследуемой проблемы.

Может оказаться, что некоторые связи между переменными модели еще не достаточно изучены, так что построить адекватную модель изучаемого объекта и провести имитационный эксперимент оказывается невозможно. Этот факт должен быть сообщен заказчику.

Как уже говорилось, в этом случае обычно пересматривается список вопросов, на которые должно ответить имитационное исследование.

Подчеркнем, что при анализе производственно-экономических систем в большинстве случаев в здании экономико-математических моделей уже имеются соответствующие стандартные модели, которые либо сразу, либо после небольшой модификации можно использовать в исследовании.

Таким образом, прикладной имитационный анализ производственно-экономических систем обычно осуществим, нужно лишь уметь выбрать подходящие модели. Исходную числовую информацию также часто удается получить. После этого можно переходить к следующему этапу прикладного имитационного исследования — к построению модели.
 [c.249]

Таким образом, использование имитационной модели начинается еще до того, как будут проведены имитационные эксперименты.
 [c.250]

Перейдем к следующему этапу прикладного имитационного исследования, в результате которого должна быть получена модель изучаемого объекта, реализованная в виде программы для ЭВМ и пригодная для проведения имитационного эксперимента. Этот этап, часто называемый этапом реализации модели, распадается на три подэтапа  [c.250]

Подчеркнем, что выбор гипотез осуществляется не произвольно гипотезы должны отражать знания об окружающем мире, либо накопленные в научных исследованиях, либо полученные экспертами в результате практической работы с объектами изучаемого типа.

Если не удается подобрать какую-либо математическую зависимость для описания связи между переменными системы, можно попытаться построить эту зависимость в табличном или графическом виде. Часто такое описание более удобно для экспертов, нежели математическое выражение.

Например, в задаче долгосрочного прогнозирования трудно математически описать влияние затрат, идущих на развитие науки, на динамику научно-технического прогресса A(t).

Можно попытаться с помощью экспертов задать график этой зависимости и использовать затем этот график в имитационном эксперименте (заметим, кстати, что удобные средства работы с графической информацией дает язык динамо).
 [c.253]

Эти переменные могут либо быть заданы заранее, либо варьироваться во времени проведения имитационного эксперимента. Пусть, например, в нашем случае численность населения задается как функция от времени  [c.254]

В процессе эксперимента будут варьироваться величины Si(/) и s2(0- Вопрос о том, как выбирать значения этих переменных, будет рассмотрен при анализе методов планирования имитационного эксперимента. На этапе построения математической модели надо лишь задать границы возможного изменения управляющих воздействий. Некоторые ограничения для управлений s t) и sz(t) можно выписать сразу  [c.254]

При написании программы для проведения имитационных экспериментов с математической моделью изучаемого объекта при помощи ЭВМ возникает несколько специфических проблем, связанных с особенностями имитационных
 [c.256]

Теперь попробуем построить программу для имитационных экспериментов с этой моделью на основе языка динамо, предложенного специально для проведения имитации с динамическими системами, аналогичными рассматриваемой здесь.

Прежде всего отметим, что при использовании языка динамо исследование обычно начинается с построения концептуальной диаграммы. После этого строится так называемая диаграмма потоков, в которой происходит конкретизация концептуальной модели, производится классификация переменных и связей между ними.

Диаграмма потоков оказывает большую помощь при переходе от концептуальной диаграммы к программе на языке динамо.
 [c.260]

Итак, в данном параграфе мы рассмотрели вопросы, связанные с реализацией машинной программы нашего имитационного исследования.

Теперь, когда у нас есть такая программа, перед проведением эксперимента необходимо устроить генеральную проверку, в результате которой надо ответить на вопрос, пригодна ли наша машинная модель для проведения имитационного эксперимента. Этот этап будет описан в следующем параграфе.
 [c.274]

Итак, имитация — это часто весьма практичный способ подстановки модели на место реальной системы или натурного прототипа. Как пишут Клод МакМиллан и Ричард Ф. Гонзалес Эксперименты на реальных или прототипных системах стоят дорого и продолжаются долго, а релевантные переменные не всегда поддаются регулированию 2-.

Экспериментируя на модели системы, можно установить, как она будет реагировать на определенные изменения или события, в то время когда отсутствует возможность наблюдать эту систему в реальности.

Если результаты экспериментирования с использованием имитационной модели свидетельствуют о том, что модификация ведет к улучшению, руководитель может с большей уверенностью принимать решение об осуществлении изменения в реальной системе.
 [c.233]

Источники маркетинговой информации. Публикации СМИ, официозы и справочники, бюллетени, научная и публицистическая литература, внутривузовские издания, регистры и т.п. Публикации фирм (“закон цветка”). Бюро вырезок. Использование рекламной информации.

Использование информации, содержащейся в Интернете. Покупка информации на коммерческих началах. Учет и отчетность (государственная, внутрифирменная статистическая и бухгалтерская). Обмен информацией в вертикальных и горизонтальных маркетинговых системах. Торговые корреспонденты. Мониторинги.

Торговые панели. Разовые обследования предприятий, выборочные и сплошные (омнибусы). Трековые исследования (отслеживания динамики). Опросы. Панели потребителей. Непосредственное наблюдение. Экспертные оценки. Эксперимент (полевой и,лабораторный), пробный маркетинг и имитационные модели. Слухи.

Экономический шпионаж. Роль интуиции в оценке информации.
 [c.149]

Для написания машинной программы имитационного эксперимента у исследователя имеются две основные возможности выбрать универсальный язык программирования типа алгол, фортран, лисп, кобол и т. д., либо остановиться на специализированном языке имитационного моделирования типа динамо, GPSS, симула и т. д.

Под имитационным языком обычно имеется в виду язык программирования, обладающий некоторыми специфическими чертами, полезными при проведении имитационного исследования некоторого достаточно широкого класса моделей.

Основными преимуществами специализированных имитационных языков являются 1) удобство программирования на этих языках 2) их концептуальная направленность. Смысл первого фактора и его значение очевидны и будут продемонстрированы в примерах, приведенных ниже.

Второй фактор дает возможность заранее определить форму математической модели исследуемого явления, и тем самым упростить процесс ее построения, вплоть до возможности сразу сформулировать математическую модель в виде программы на соответствующем имитационном языке.

Концептуальная направленность специализированных языков позволила единообразно описать значительное число имитационных задач, что дало возможность установить связь между различными разработками в области имитационных экспериментов. Еще одним достоинством специализированных имитационных языков является их наглядность, которая позволяет объяснить программу лицам, плохо знакомым с программированием на ЭВМ.
 [c.257]

На ее основе строится блок-схема расчета, приведенная на рис. 36. В этой блок-схеме проводятся те же операции, что и в математической модели в прошлом параграфе, только они расположены в упорядоченном виде. Через Т обозначено количество лет в промежутке времени, который изучается в имитационном эксперименте.

Обозначение NO используется вместо N0. Обратим внимание читателя, что при подсчете величины А используется функция б (А, V), не описанная пока в блок-схеме. Таким образом, необходимо отдельно построить блок-схему подсчета функции 6 (A,V).

Если эта зависимость задается графически, то построение функции ft (A,V) с помощью языка алгол — довольно трудоемкая (хотя и не очень сложная) задача. Мы не будем заниматься этим вопросом, а сразу перейдем к программе для имитационных расчетов, реализованной на языке алгол.

В этой программе используется процедура-функция delta (A, V) текст этой процедуры мы приводить не будем. Программа имеет следующий вид.
 [c.259]

Источник: https://economy-ru.info/info/3191/

Лекция 4 ИМИТАЦИОННЫЕ МОДЕЛИ: СТРУКТУРА, ТРЕБОВАНИЯ, ПРОЦЕСС ИМИТАЦИИ. ПЛАНИРОВАНИЕ ИМИТАЦИОННЫХ ЭКСПЕРИМЕНТОВ С МОДЕЛЯМИ – PDF Free Download

Этапы имитационного эксперимента

Имитационное моделирование Сущность имитационного моделирования Почему необходим двойной термин «имитационное моделирование». Слова имитация и моделирование являются почти синонимами. Фактически все расчетные

Подробнее

10 Глава 2. Моделирование как метод научного познания, роль и… Глава 2. Моделирование как метод научного познания, роль и место вычислительного эксперимента в исследовательской деятельности 2.1. Моделирование.

Подробнее

Моделирование как метод научного познания Базовые понятия теории моделирования Лекции по курсу «Моделирование информационных процессов» кф-мн Королькова АВ Российский университет дружбы народов Кафедра

Подробнее

9 СИСТЕМНЫЙ АНАЛИЗ И ЭТАПЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ Большинство изучаемых и подлежащих моделированию объектов являются сложными системами. Характерные признаки сложной системы невозможность

Подробнее

ЛК 1. Моделирование. 1. Основные понятия. 2 Принципы моделирования. 3 Свойства моделей 4 Классификация методов моделирования. 5. Математическое моделирование 1. ОСНОВНЫЕ ПОНЯТИЯ. Моделирование замещение

Подробнее

Занятие 7 Формализация и алгоритмизация информационных процессов С развитием вычислительной техники наиболее эффективным методом исследования больших систем стало машинное моделирование, без которого невозможно

Подробнее

Занятие 1. ВВЕДЕНИЕ. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ МОДЕЛИРОВАНИЕ КАК МЕТОД НАУЧНОГО ПОЗНАНИЯ Методологическая основа моделирования. Все то, на что направлена человеческая деятельность, называется

Подробнее

Электронный журнал «Труды МАИ». Выпуск 56 www.mai.ru/science/trudy/ УДК 629.7 Система управления качеством изготовления агрегатов ракетно-космической техники А.К. Недайвода, П.Г. Михайлов Аннотация: В

Подробнее

Занятие 3. МАТЕМАТИЧЕСКИЕ МЕТОДЫ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ И СИСТЕМ Основные этапы построения математической модели: 1. составляется описание функционирования системы в целом; 2. составляется

Подробнее

1 Моделирование систем Классификация видов моделирования систем. В основе моделирования лежит теория подобия, которая утверждает, абсолютное подобие может иметь место лишь при замене объекта другим точно

Подробнее

Лекция 4 Автоматизация поддержки решений Главной особенностью информационной технологии поддержки принятия решений является качественно новый метод организации взаимодействия человека и компьютера. Выработка

Подробнее

Экспериментальный метод построения моделей технологических объектов Основным принципом моделирования технологических систем, содержащих стохастические или вероятностные элементы, является разыгрывание

Подробнее

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ИМИТАЦИОННЫХ И АНАЛИТИЧЕСКИХ МОДЕЛЕЙ О. И. Бабина (Красноярск) Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области

Подробнее

УДК 58.5: 58.48 В.С. Хорошилов СГГА, Новосибирск ОПТИМИЗАЦИЯ ВЫБОРА МЕТОДОВ И СРЕДСТВ ГЕОДЕЗИЧЕСКОГО ОБЕСПЕЧЕНИЯ МОНТАЖА ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ Постановка задачи. Геодезическое обеспечение монтажа

Подробнее

Лекция 10 Тема: Информационная технология поддержки принятия решений План 1. Характеристика и назначение систем поддержки решений; 2. Основные компоненты систем принятия решений; 3. База данных; 4. Система

Подробнее

Глава VI Натурные испытания Испытания систем управления есть экспериментальные исследования опытного образца системы и ее компонентов на соответствие техническому заданию. По сути, опытный образец является

Подробнее

Методические указания по самостоятельному изучению разделов дисциплины «Методы математического моделирования». На самостоятельное изучение выносятся следующие разделы: 1 Форма и принципы представления

Подробнее

2. Основы имитационного моделирования 2.1. Понятие модели В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования.

Подробнее

Компьютерное моделирование технологических процессов Компьютерное моделирование один из самых мощных инструментов познания, анализа и проектирования, которым располагают специалисты, ответственные за разработку

Подробнее

Лекция 5 ЭКОНОМЕТРИКА 5 Проверка качества уравнения регрессии Предпосылки метода наименьших квадратов Рассмотрим модель парной линейной регрессии X 5 Пусть на основе выборки из n наблюдений оценивается

Подробнее

Тема 16. Имитационные модели объектов АПК 1. Понятие об имитационных моделях. Особенности целей моделирования. 2. Основное предположение имитационного моделирования. 3. Основы методологии разработки имитационных

Подробнее

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. ОСНОВНЫЕ ПОНЯТИЯ Задачи: вычислительные задачи – определение некоторой величины, функциональные задачи – создания

Подробнее

Ефимова Мирослава Валерьевна студентка Пучков Андрей Юрьевич канд. техн. наук, доцент, преподаватель Филиал ФГБОУ ВПО «Национальный исследовательский университет «МЭИ» в г. Смоленске г. Смоленск, Смоленская

Подробнее

Лекция 3-4 Экспериментально-статистическое моделирование Современная промышленность и строительство на сегодняшний день не могут существовать вне компьютерного моделирования, особенно когда окончательное

Подробнее

Лекция 3. ЭКОНОМЕТРИКА 3. Методы отбора факторов. Оптимальный состав факторов, включаемых в эконометрическую модель, является одним из основных условий ее хорошего качества, понимаемого и как соответствие

Подробнее

МОДЕЛИРОВАНИЕ СИСТЕМ Информационный менеджмент ПОНЯТИЕ СИСТЕМЫ Понятие системы Система совокупность взаимосвязанных элементов, объединенных единством цели (или назначения) и функциональной целостностью.

Подробнее

МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ЗЕМЛЕУСТРОЙСТВЕ Карпиченко Александр Александрович доцент кафедры почвоведения и земельных информационных систем Литература elib.bsu.by Математические методы в землеустройстве [Электронный

Подробнее

Планирование Исполнение Контроль и анализ Контроллинг ВИДЫ КОНТРОЛЛИНГА Чернер Наталья, доцент Московского авиационного института (Государственного технического ун-та) к.э.н Анализируя с современную практику

Подробнее

7. Материалы по системе промежуточного и итогового тестирования Тестирование предназначено для самопроверки и для итогового контроля. Итоговое тестирование проводится в конце семестра по итогам прохождения

Подробнее

Голубев ВО Литвинова ТЕ Реализация алгоритма построения статистической модели объекта по методу Брандона Постановка задачи Статистические модели создают на основании имеющихся экспериментальных данных

Подробнее

Методология научных исследований Важно различать такие понятия, как методология и метод. Методология – это учение о структуре, логической организации, методах и средствах деятельности. Метод – это совокупность

Подробнее

Основные понятия Моделирование это научный прием, инструмент изучения реального окружающего мира. Моделирование подразумевает следующее: реальный объект (система), называемый оригиналом, замещается моделью.

Подробнее

Поволжский государственный технологический университет Кафедра РТиМБС Методические указания к выполнению лабораторной работы 1 по дисциплине «Автоматизация обработки экспериментальных данных» Определение

Подробнее

1.3 Сущность управления сложными системами Под управлением в самом общем виде понимается процесс формирования целенаправленного поведения системы посредством информационных воздействий, вырабатываемых

Подробнее

Глава 1. ОСНОВЫ МЕТОДОЛОГИИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ знать: уметь: владеть: После изучения главы 1 бакалавр должен: основные понятия, категории процесса принятия управленческих решений; основные

Подробнее

Министерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ САРАТОВСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Подробнее

Лекция 1 Основные понятия оптимизации ХТС Дисциплина: Методы оптимизации и организации энерго- и ресурсосберегающих химико-технологических систем Лектор: Киргина Мария Владимировна к.т.н., доцент отделение

Подробнее

УДК 316 Бешкок Е.А студент 2 курс, факультет «Финансы и кредит» Дудник Татьяна Александровна научный руководитель МЕТОДЫ СБОРА ДАННЫХ О ПОТРЕБИТЕЛЯХ Аннотация: В данной статье рассматриваются различные

Подробнее

Девятков В.В. (Казань), Угрозов В.В. (Москва) ИМИТАЦИОННЫЕ ИССЛЕДОВАНИЯ: СОВРЕМЕННОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ Введение Отличительной чертой имитационного моделирования (ИМ) конца прошлого и начала

Подробнее

Исследование операций Определение Операция – мероприятие, направленное на достижение некоторой цели, допускающее несколько возможностей и их управление Определение Исследование операций совокупность математических

Подробнее

Отзыв официального оппонента, доктора технических наук Шпрехера Дмитрия Марковича на диссертационную работу Нийонсаба Теренс, выполненную на тему: «Методы и алгоритмы управления технологическими процессами

Подробнее

55 3 РЕГРЕССИОННЫЙ АНАЛИЗ 3 Постановка задачи регрессионного анализа Экономические показатели функционирования предприятия (отрасли хозяйства) как правило представляются таблицами статистических данных:

Подробнее

Королькова А. В., Кулябов Д. С. Моделирование информационных процессов 3 Глава 1. Информационные технологии и информационные процессы В данном разделе изучается понятие технологии (в частности, информационной

Подробнее

4 СИСТЕМЫ И ПРОБЛЕМЫ. СИСТЕМНЫЙ ПОДХОД И СИСТЕМНЫЙ АНАЛИЗ. МЕТОДЫ СИСТЕМНОГО АНАЛИЗА Понятие системы тесно связано с понятием проблемы. Проблема (от греч. problema – задача) в широком смысле – ситуация

Подробнее

Лекция 7. Алгоритмы синтеза и постановка задачи оптимизации на этапе системного проектирования. План лекции: 1. Многокритериальная оптимизация. 2. Алгоритмы синтеза на этапе СП. 3. Постановка задачи оптимизации.

Подробнее

2 КЛАССИФИКАЦИЯ СИСТЕМ. ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ПРОЦЕССЫ Цель любой классификации состоит в том, чтобы ограничить выбор подходов к исследуемой системе (объекту), сопоставить выделенному классу объектов

Подробнее

Лекция Большинство исследований проводимых в химической технологии сводятся к решению оптимальных задач. Существует два подхода к решению оптимальных задач: 1. Для решения оптимальных задач необходимо

Подробнее

МИНОБРНАУКИ РОССИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Ухтинский государственный технический университет» (УГТУ) ГЛОССАРИЙ (Математическое

Подробнее

СТРУКТУРНАЯ ОПТИМИЗАЦИЯ ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА ВИРТУАЛЬНЫХ ЛАБОРАТОРИЙ С ПРИМЕНЕНИЕМ МЕТОДОВ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ И НЕЧЕТКОЙ ЛОГИКИ В.В. Девятков (Казань), Д.В. Жевнерчук, А.В. Николаев

Подробнее

Лекция 1 Введение. Взаимосвязь и единство естественных и гуманитарных наук. Методология познания в естественных науках. Научная картина мира. Культура – все, что создано человеческим трудом в ходе истории,

Подробнее

МОДЕЛЬНЫЙ СИНТЕЗ И МОДЕЛЬНО-ОРИЕНТИРОВАННОЕ ПРОГРАММИРОВАНИЕ, КАК ТЕХНОЛОГИЯ РЕАЛИЗАЦИИ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ МНОГОКОМПОНЕНТНЫХ СИСТЕМ, С ОРИЕНТАЦИЕЙ НА ПАРАЛЛЕЛЬНЫЕ И РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛЕНИЯ

Подробнее

Лекция 7 Классификация задач и методов принятия решений План 1. Классификация задач принятия решений 2. Классификация методов принятия решений 3. Характеристика методов теории полезности Классификация

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Уральский государственный экономический университет Центр дистанционного образования С. А. Аристов ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ Учебное

Подробнее

Раздел 1 МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ Лекция 1. Введение в математическое моделирование Объект моделирования инфокоммуникационная система Система Комплекс взаимодействующих компонентов или совокупность

Подробнее

Математическое моделирование объектов теплоэнергетики Лекция 1 Нелинейные алгебраические и трансцендентные уравнения. Термины и понятия 2 Моделирование это исследование объекта или системы объектов путем

Подробнее

40 Список литературы: 1. Интегративные тенденции в современном мире и социальный прогресс / Под ред. М.А. Розова. М.: Изд-во МГУ, 1989. 232 с. 2. Дойль П. Менеджмент: стратегия и тактика: Пер. с англ.

Подробнее

Аннотация рабочей программы дисциплины Б3.ДВ.2.1 «Эконометрика». Направление подготовки 100700.62 «Торговое дело», профиль «Коммерция». 1. Цели и задачи дисциплины: Целью дисциплины «Эконометрика» является:

Подробнее

ДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ СИСТЕМ С РЕСУРСНЫМИ ПОТОКАМИ НА ОСНОВЕ ПРИМЕНЕНИЯ СИСТЕМНОЙ ДИНАМИКИ И МЕТОДОВ ОПТИМИЗАЦИИ К. О. Боченина, А. В. Духанов (Владимир) В современных условиях, характеризующихся

Подробнее

Лекция 5 Постановка и возможные пути решения задачи обучения нейронных сетей Частичная задача обучения Пусть у нас есть некоторая нейросеть N. В процессе функционирования эта нейронная сеть формирует выходной

Подробнее

«Оптимизация и математические методы принятия решений» ст. преп. каф. СС и ПД Владимиров Сергей Александрович Лекция 4 Методы математической статистики в задачах принятия решений Введение С О Д Е Р Ж А

Подробнее

ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА Статистические методы планирования эксперимента Проблемы построения эксперимента [Часть II, стр. 7-76] Отбор информации не объективен! 1. Результаты наблюдений – это лишь ограниченная

Подробнее

Занятие 2. Общие вопросы моделирования. Классификация моделей 1.1 Предмет теории моделирования. Моделирование – это замещение одного объекта (оригинала) другим (моделью) и фиксация и изучение свойств модели.

Подробнее

К ВОПРОСУ О МЕТОДАХ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА Масгутова Р.В., Петров В.Ю. Санкт Петербургский научно-исследовательский университет информационных технологий, механики и оптики Санкт-Петербург, Россия СОДЕРЖАНИЕ

Подробнее

Назначение и основы использования систем искусственного интеллекта. Базы знаний. Экспертные системы Существует несколько стратегий получения знаний. Наиболее распространенные: – приобретение; – извлечение;

Подробнее

ЛЕКЦИЯ 4 Методы геоэкологических исследований План лекции 1. Множественность методов исследований и принципы их классификации. 2. общенаучных, междисциплинарных и специфических методов исследований.

Подробнее

Анализ содержания диссертации Во введении обоснована актуальность темы диссертационной работы, приведены методы и информационная база исследования, сведения об апробации работы, поставлена цель и определены

Подробнее

ПРИМЕРНЫЙ ВАРИАНТ ТЕСТОВЫХ ЗАДАНИЙ Вопрос 1. Эконометрика изучает a) Электронные методы измерения в экономике b) Количественные закономерности и взаимосвязи в экономике c) Методы математической статистики

Подробнее

Лекция 4 ПРОЦЕСС ВЫПОЛНЕНИЯ МЕДИКО-БИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ При изучении ошибок, сопровождающих процесс выполнения исследования с применением технических средств, необходимо контролировать все источники

Подробнее

Технические науки ТЕХНИЧЕСКИЕ НАУКИ Степанова Наталья Вениаминовна магистрант Кустова Марина Николаевна канд. техн. наук, доцент ФГБОУ ВО «Поволжский государственный университет телекоммуникаций и информатики»

Подробнее

ВВЕДЕНИЕ На сегодняшний день конечно-элементные (КЭ) методы являются неотъемлемой частью инженерного анализа и разработок. КЭ пакеты используются практически во всех сферах науки, касающихся анализа строительных

Подробнее

ОБЩИЕ ПРИНЦИПЫ ПОСТРОЕНИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ И ВЫБОР КЛАССА МОДЕЛИ СЛОЖНОГО ОБЪЕКТА УПРАВЛЕНИЯ При построении АСУ существует фундаментальная и в принципе неустранимая проблема, вытекающая из противоречия

Подробнее

Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Самарский государственный архитектурно-строительный

Подробнее

УДК 629.78.015 ПОСТАНОВКА ИЗМЕРИТЕЛЬНОЙ ЗАДАЧИ И СПОСОБЫ ЕЕ РЕШЕНИЯ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ ТЕОРИИ УЛЬТРАСИСТЕМ Байрамов К.Р., к.т.н., доцент Научный консультант д.т.н., профессор Бетанов В.В. Военная

Подробнее

Автоматизация измерений, контроля и испытаний 1. Цели и задачи автоматизации 1.1 АВТОМАТИЗАЦИЯ Под термином «автоматизация» понимается совокупность методических, технических и программных средств, обеспечивающих

Подробнее

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ЭКОНОМИКЕ Сокольская Е.Е., Дворецкая В.И. Ставропольский государственный аграрный университет Ставрополь, Россия MATHEMATICAL MODELING IN ECONOMICS Sokolskaya E.E., Dvoretskaya

Подробнее

1 ЛЕКЦИЯ 3. Задачи надёжности электроснабжения Теория надежности служит научной основой деятельности лабораторий, отделов, бюро и групп надежности на предприятиях, в проектных, научно-исследовательских

Подробнее

Дистанционная консультация для руководящего и основного персонала Центра по теме «Планирование и процесс целеполагания» ВВЕДЕНИЕ С чего начинается работа любого руководителя? Для того чтобы эффективно

Подробнее

Парапсихология и психофизика. – 1992. – 3. – С.55-64. Статистический критерий обнаружения экстрасенсорных способностей человека А.Г.Чуновкина Предложены критерии обнаружения экстрасенсорных способностей

Подробнее

Лекция 7 ОРГАНИЗАЦИОННЫЕ АСПЕКТЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ Процесс принятия решений цель построения любой имитационной модели помочь руководителям повысить качество управления. Для того чтобы

Подробнее

Организация научного исследования Теоретические основы. Задание для самостоятельной работы. 1 Научное исследование: сущность и особенности Научное исследование это целенаправленное познание, результаты

Подробнее

Â.À. Êîïíîâ ÌÅÒÎÄÈ ÅÑÊÈÅ ÓÊÀÇÀÍÈß ISO 9001 Ñèñòåìû Ìåíåäæìåíòà Êà åñòâà Ñåìèíàð äëÿ âûñøåãî ðóêîâîäñòâà Ñåðèÿ ìåæäóíàðîäíûõ ñòàíäàðòîâ ISO9000 Ïðèíöèïû ìåíåäæìåíòà êà åñòâà òî òàêîå Ñèñòåìà Ìåíåäæìåíòà

Подробнее

МЕТОДЫ ОПТИМИЗАЦИИ В ХИМИЧЕСКОЙ ТЕХНОЛОГИИ. МЕТОДЫ ОПТИМИЗАЦИИ В ХИМИЧЕСКОЙ ТЕХНОЛОГИИ. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ. В конечном счете, целью моделирования ХТП является его лучшая реализация или его

Подробнее

Проектирование (от лат. projectus, буквально брошенный вперёд) процесс создания проекта прототипа новой системы (или её вариантов),удовлетворяющей предъявляемым к ней требованиям. Задачи и виды проектирования

Подробнее

ОСОБЕННОСТИ ФОРМИРОВАНИЯ КОМПЬЮТЕРНОЙ МОДЕЛИ ДИНАМИЧЕСКОЙ ОПТИКО-ЭЛЕКТРОННОЙ СИСТЕМЫ Позднякова Н.С., Торшина И.П. Московский государственный университет геодезии и картографии Факультет оптико-информационных

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ АКАДЕМИКА С.П. КОРОЛЕВА

Подробнее

Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный технический университет

Подробнее

Лекция 28 ОПИСАНИЕ ОСНОВНЫХ ФУНКЦИЙ ОРГАНИЗАЦИОННО- ТЕХНИЧЕСКОГО УПРАВЛЕНИЯ План: 1. Классификация процессов управления 2. Содержательное описание функций управления Управление заключается в преобразовании

Подробнее

. СТАТИСТИЧЕСКАЯ ОЦЕНКА ПАРАМЕТРОВ РАСПРЕДЕЛЕНИЯ.. Понятие о статистической оценке параметров Методы математической статистики используются при анализе явлений, обладающих свойством статистической устойчивости.

Подробнее

Лабораторная работа 4 МОДЕЛИРОВАНИЕ СИСТЕМ Данная работа по курсу Моделирование информационных систем и процессов является заключительной и предназначена для практического усвоения основных разделов данной

Подробнее

УДК 004.414.2 Потёмкин А.В., Горшков П.С., Халютин С.П. Москва, «Экспериментальная мастерская НаукаСофт» МЕТОДИКА СИНТЕЗА СТРУКТУРНЫХ СХЕМ СИСТЕМЫ ЭЛЕКТРОСНАБЖЕНИЯ ВОЗДУШНЫХ СУДОВ Аннотация. Рассмотрена

Подробнее

Основная образовательная программа подготовки магистров по направлению «Менеджмент» Программа магистерской подготовки Финансовый менеджмент организации (по отраслям экономики) Программа реализуется в формате

Подробнее

1. ПОНЯТИЕ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ 1.1 Свойства сложных систем. Сложная система, как объект моделирования. Прикладной системный анализ методология исследования сложных систем 1.2 Определение модели.

Подробнее

Лекция 1-2 МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ СОБЫТИЙ И ПРОЦЕССОВ На этапе исследования и проектирования систем при построении и реализации машинных моделей (аналитических и имитационных) широко используется метод

Подробнее

ПЛАН-КОНСПЕКТ. ТЕМА 5. МАТЕМАТИКО-СТАТИСТИЧЕСКИЕ МЕТОДЫ ИЗУЧЕНИЯ СВЯЗЕЙ Вопросы: 1. Сущность математико-статистических методов изучения связей 2. Корреляционный анализ 3. Регрессионный анализ 4. Кластерный

Подробнее

УДК 004.85 ОБУЧЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ МЕТОДОМ ОБРАТНОГО РАСПРОСТРАНЕНИЯ ОШИБКИ Попова Ю.Б., Яцынович С.В. БНТУ, г. Минск, Беларусь, julia_popova@mail.ru БНТУ, г. Минск, Беларусь, hawkrai@yandex.ru

Подробнее

Математические модели и методы в информационных системах 49 УДК 68.0 В.А. ПОПОВ Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ», Украина МОДЕЛИ СТРУКТУР СЛОЖНЫХ СИСТЕМ И ИХ КОМБИНАТОРНО-РУППОВОЙ

Подробнее

Оценка параметров 30 5. ОЦЕНКА ГЕНЕРАЛЬНЫХ ПАРАМЕТРОВ 5.. Введение Материал, содержащийся в предыдущих главах, можно рассматривать как минимальный набор сведений, необходимых для использования основных

Подробнее

19 Глава 2. АЛГОРИТМ ПРОЦЕССА РЕШЕНИЯ ПРОБЛЕМ Как уже упоминалось ранее, проблемы в деятельности предприятия бывают большие и малые. Решение текущих проблем оставим менеджерам разного уровня и сосредоточимся

Подробнее

МЕТОД ГРУППОВОГО УЧЕТА АРГУМЕНТОВ Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели

Подробнее

Министерство образования и науки РФ Национальный исследовательский Томский политехнический университет Дисциплина «Методология моделирования систем» Направление подготовки «Управление качеством» Разработчик

Подробнее

Источник: https://docplayer.ru/49482536-Lekciya-4-imitacionnye-modeli-struktura-trebovaniya-process-imitacii-planirovanie-imitacionnyh-eksperimentov-s-modelyami.html

Методология имитационного эксперимента

Этапы имитационного эксперимента

Можно выделить следующие этапы проведения имитационного эксперимента:

1 Формулировка проблемы.

2 Формирование математической модели.

3 Разработка программы для ЭВМ.

4 Оценка пригодности модели.

5 Планирование и проведение эксперимента.

6 Обработка результатов эксперимента.

Рассмотрим эти этапы подробнее.

Формулировка проблемы. Имитационные эксперименты должны начинаться с формулировки проблемы.

Цель эксперимента формули­руется либо в виде вопросов, на которые надо ответить, либо в виде гипотез, которые надо проверить, либо в виде воздействий на систе­му, которые надо оценить.

Имитацию можно, например, использо­вать для проверки алгоритмов управления системами, для изучения работоспособности систем при воздействии комплекса внешних и внутренних случайных факторов и т.п.

Формирование математической модели. После того как сформу­лирована цель эксперимента, надо построить математическую мо­дель, связывающую выходные переменные системы с ее управляю­щими и входными переменными.

Выходные переменные подверже­ны влияниям, источники которых находятся вне системы. Некоторые из них могут быть случайными.

Наличие в модели стохастических переменных порождает ряд специфических методологических про­блем, о которых будет сказано ниже.

Входные переменные обычно определяются в процессе формули­ровки цели исследования. Большие трудности возникают при выборе количества входных переменных.

Если входных переменных слиш­ком мало, то модель может получиться неадекватной; если слишком много, то могут встретиться трудности вычислительного характера.

Необходимо найти разумный компромисс, при котором описание поведения системы было бы достаточно точным, но не требовало слишком много времени на программирование и вычисления.

При построении имитационных моделей, в которых интересую­щие нас изменения происходят непрерывно во времени, можно поль­зоваться укрупненной блок-схемой модели, показанной на рис.13.

В этой модели состояние системы пересчитывается через каждый ин­тервал Δt. Внутри интервала Δt состояние считается неизменным.

Очевидно, что большую точность можно получить, принимая вели­чину Δt достаточно малой, однако при этом увеличивается машинное время, необходимое дня моделирования.

В интервале Δt можно моделировать (задавать или вычислять) по­степенный износ изделия в зависимости от внешних факторов, кото­рые можно изменять в каждом интервале Δt.

Моделирование можно закончить, когда системное время, т.е. сумма всех Δt превысит за­данную величину Т (как это показано на рис. 13) или когда износ изделия превысит предельное заданное значение.

Таким образом, моделирование «методом Δt» пригодно для исследования постепен­ных отказов.

Для исследования систем с внезапными отказами используется другая схема, в которой состояние системы меняется дискретно во времени.

Эти моменты времени, характеризующие смену состояний, определяются на основе знания статистики отказов и статистических данных о длительности восстановления работоспособности системы после отказа с помощью генератора случайных чисел. Блок-схема модели (рис.

14) пригодна для моделирования сложных технических систем, когда отдельные отказы деталей не приводят к отказу всей системы.

Рис.13 Блок-схема имитационной модели с пересчетом состояния через Δt

Если отказ изделия приводит к отказу всей системы, данная блок- схема упрощается, так как надо генерировать всего два возмущения: момент отказа и длительность ремонта, после которого система вновь становиться работоспособной. Блок-схема для такого случая показана на рис. 15. По этой модели можно определить коэффици­ент готовности на заданный момент Т.

Если существует вероятность как внезапных, так и постепенных отказов, применяется непрерывно-дискретная модель (рис. 16).

Вэтой модели производится пересчет состояния системы и через каж­дый интервал времени Δt, и после очередного дискретного возмуще­ния.

В случае простого объекта моделирования, когда внезапный от­каз выводит всю систему из рабочего состояния, комбинированную модель можно упростить, как это было сделано ранее для внезапных отказов.

Рис. 14 Блок-схема имитационной модели с дискретным характером изменения состояний

Рис. 15 Блок-схема имитационной модели восстанавливаемой системы

Рис. 16 Блок-схема комбинированной имитационной модели

Составление программы для ЭВМ. При составлении программы для последующего имитационного эксперимента надо решить три задачи:

1 составление самой программы;

2 задание начальных условий;

3 генерирование недостающих данных.

Составление программы обычно начинается с построения блок- схемы алгоритма. Составление блок-схемы полезно разбить на два этапа: составление укрупненной блок-схемы и детализация отдель­ных участков этой блок-схемы.

Выбор языка программирования зависит от типа ЭВМ или персо­нального компьютера. Следует отметить, что в настоящее время раз­работан ряд языков программирования для моделирования задач конкретной предметной области, например задач массового обслу­живании, имитационного моделирования, искусственного интеллекта и ряда других.

В имитационном эксперименте вычисляется поведение системы во времени. Это поведение существенно зависит от начальных усло­вий моделирования.

При моделировании задач надежности этот во­прос, как правило, отпадает, так как считается что в этот момент t=0 система находится в исправном состоянии, а причины, вызывающие постепенные отказы, имеют начальные, нулевые значения.

В других случаях моделирования эта проблема решается методом проб и оши­бок, часто с применением генератора случайных чисел.

Оценка пригодности модели. Для оценки пригодности модели не­обходимо ответить на следующие вопросы:

1 В какой степени имитированные значения выходных перемен­ных совпадают с известными величинами за прошлые периоды вре­мени?

2 Насколько точно предсказание имитационной модели относи­тельно поведения реальной системы в будущем?

При этом можно использовать конкретные методы оценки «точ­ности отладки» имитационной модели, т.е. степени совпадения во времени имитируемых и наблюдаемых выходов. К числу этих мето­дов относятся следующие.

1. Дисперсионный анализ, т.е. такая обработка результатов на­блюдений на реальном объекте и машинного эксперимента, при ко­торой можно проверить гипотезу о том, что среднее и дисперсия по­лученного при имитации временного ряда равны среднему и диспер­сии наблюдаемого ряда.

2.Критерийχ2с помощью которого можно проверить гипотезу отом, что результаты экспериментов с имитационной моделью имеют то же частотное распределение, что и фактические данные.

3.Критерий Колмогорова – Смирнова, по которому определяется степень соответствия между распределением имитированного ряда и распределением фактических данных.

4.Спектральный анализ. Анализ спектров (или корреляционных функций) дает дополнительную по сравнению с указанными выше методами информацию о поведении той или иной величины во вре­мени. Сравнивая спектры двух временных рядов (имитированного и реального), можно сделать вывод о пригодности модели.

Спектраль­ный анализ временных рядов применяется для стационарных про­цессов.

Если исследуемый процесс нестационарный, то предвари­тельно из него надо попытаться исключить нестационарную часть (типа тенденции или сезонных изменений) так, чтобы после исклю­чения этой части процесс можно было бы считать стационарным.

Планирование эксперимента. В машинном имитационном экспе­рименте необходимо должное внимание уделить его планированию. Методы планирования эксперимента подробно изложены в работах [3,13].

При планировании эксперимента необходимо также решить вопрос, когда закончить каждую серию эксперимента.

Если имита­ционная модель статическая (имитируется установившееся состоя­ние системы для некоторого момента времени), то для того чтобы вероятность попадания оценки математического ожидания искомой

величины х в доверительный интервал х ± zα/2 σ/2была равна(1-α)%,

число испытаний должно быть равно ,где

d-доверительный интервал; σ – среднеквадратичное отклонение (или его оценка) величины х. Величина zα/2 – оценка отклонения центри­рованного и нормированного нормального распределения, остав­ляющая в «каждом хвосте» поα/2 % вероятности. Это правило при­менимо, когда N получается достаточно большим.

Обработка результатов эксперимента проводится по правилам математической статистики, знакомой по соответствующему разделу курса математики.

Не нашли то, что искали? Воспользуйтесь поиском:

Источник: https://studopedia.ru/12_17312_metodologiya-imitatsionnogo-eksperimenta.html

Основные этапы имитационного моделирования

Этапы имитационного эксперимента

Выделяются следующие этапы имитационного моделирования:

1. Формулирование проблемы и определение целей исследования.

2. Разработка концептуальной модели объекта.

3. Формализация имитационной модели.

4. Сбор и анализ входных данных для эксперимента.

5. Испытание и исследование свойств имитационной модели

6. Планирование и проведение имитационного эксперимента. Анализ

результатов и их использование для принятия решений.

Этап 1. Формулировка проблемы и определение целей исследования

На этом этапе выполняются следующие действия:

– сбор данных об объекте моделирования и составление содержательного описания объекта моделирования;

– изучение проблемной ситуации, определение диагноза и постановка

задачи;

– обоснование необходимости моделирования, уточнение его целей и

выбор метода моделирования.

Этап 2. Разработка концептуальной модели объекта

Эта модель является логико-математическим описанием системы, соответствующим сформулированной проблеме. На этом этапе надо определить общий замысел модели и переход от реальной системы к логической схеме ее функционирования. Выполняется описание объекта в терминах математических понятий и алгоритмизации функционирования его компонент.

Концептуальное описание – это упрощенное алгоритмическое отображение реальной системы. При его разработке определяется основная структура модели, которая включает статическое и динамическое описание системы. Кроме того, определяются границы системы, приводится описание внешней среды, и определяются ее влияния на систему.

Дальше выделяются и описываются существенные элементы, формируются переменные, параметры, функциональные зависимости как для отдельных элементов и процессов, так и для всей системы, ограничения и целевые функции. На этом этапе уточняется также методика всего имитационного эксперимента.

При создании небольших моделей этот этап объединяется с этапом составления содержательного описания системы.

Этап 3. Формализация имитационной модели

Разработка формализованного описания системы осуществляется на основе ее концептуального описания. Далее оно будет превращаться в программу-имитатор в соответствии с технологией программирования.

Концептуальное или формальное описание модели сложной системы необходимо превратить в программу-имитатор, в соответствии с некоторой технологией программирования, с применением языков и систем моделирования. Для реализации имитационной модели надо выбрать соответствующие инструментальные средства.

Этап 4. Сбор и анализ входных данных для эксперимента

На этом этапе осуществляется апробация, исследование модели и проверка модели. Проводится верификация модели, оценка адекватности, исследование свойств имитационной модели и других процедур тестирования модели. Получить информацию о реальной системе возможно из существующей документации по системе.

Этап 5. Испытание и исследование свойств имитационной модели.

На этом этапе проводится верификация модели, оценка адекватности, исследование свойств имитационной модели и других процедур комплексного тестирования разработанной модели. После того, как имитационная модель реализована на компьютере, необходимо проверить достоверность модели.

Этап 6. Планирование и проведение имитационного эксперимента. Анализ результатов и их использование для принятия решений.

При организации направленного вычислительного эксперимента на имитационной модели могут быть выбраны разные аналитические методы для обработки результатов: регрессионный и дисперсионный анализ, градиентный и другие методы оптимизации.

Имитационное исследование является трудоемким итеративным процессом, требующим, чтобы разработчик моделей был и искусным системным аналитиком, и технологом, владеющим современными компьютерными технологиями создания и исследования имитационных моделей.

Он должен уметь корректно применять методы математической статистики и другие математические и вычислительные процедуры для идентификации имитационных моделей и для обработки результатов экспериментального исследования.

При анализе результатов моделирования проводится их интерпретация, а затем они используются для принятия решений.

В качестве основных инструментальных средств имитационного моделирования, широко используемых в России, относятся ReThink (Gensym), Pilgrim (***), РДО (МГТУ), Workflow Analyzer(MetaSoftware).

К основным типам имитационных моделей относятся:

1. Разветвляющаяся модель.

2. Модель с кооперативными связями.

3. Многопродуктовая модель бизнес-процесса.

Каждый бизнес-процесс соответствует какому-либо виду продукта (услуги) и использует общие ресурсы (рис. 2). Модель позволяет анализировать использования ресурсов в нескольких бизнес-процессах. При этом анализируется достаточность ресурсов, степень их загрузки, интенсивность использования, финансовые потоки.

Рис. 2. Многопродуктовая модель бизнес-процессов.

Разветвлящаяся модель бизнес процесса. Это модель альтернативных процессов, определяющая правила выбора последовательности функций в зависимости от состояния внешней среды (рис. 3).

Типовые разветвления бизнес-процессов могут быть заранее формализованы.

В более сложных случаях требуется применение бизнес-правил, которые в соответствии с конкретной ситуацией выбирает последовательность действий.

Рис. 3. Модель бизнес-процесса с разветвлениями.

Модель бизнес-процесса с кооперативными связями (рис. 4).

Задача сокращения длительности цикла бизнес-процесса решается, как правило, путем объединения нескольких функций в рамках одной консолидированной функции, выполняемой одним исполнителем (подразделением, самостоятельной организационной единицей), что позволяет сокращать межоперационные переходы, очереди ожидания, контрольные операции. С позиции кооперативного взаимодействия с партнерами в рамках одного бизнес-процесса определяются возможности передачи ряда функций специализированным организациям: при этом решаются задачи определения выгодности выполнения функций собственными силами или покупки (аренды) соответствующих продуктов или услуг на стороне, причем в первом случае производство полуфабрикатов может составлять и самостоятельные бизнес-процессы.

Рис. 4 Модель бизнес-процесса с кооперативными связями.

Под имитационным экспериментом будем понимать задание значений исходных параметров, таких как интенсивность поступления рабочих объектов, временные и стоимостные характеристики отдельных операций, объемы используемых ресурсов, и выполнение прогона имитационной модели в течение модельного времени с наблюдением и получением результатной статистики. Далее предполагается проведение статистического анализа полученных результатов, на основе которого делаются выводы и рекомендации по совершенствованию модели бизнес-процесса.

Типичными сценариями имитационного экспериментирования являются варианты задания в качестве входных переменных интенсивности создания рабочих объектов, а выходных – объемы требуемых ресурсов, или наоборот в качестве входных переменных задание объемов ресурсов, а в качестве выходных переменных – возможные значения интенсивности (таблица 1).

Таблица 1.

Ресурсы заданы   Ресурсы варьируются
Интенсивность объектов задана Какова степень загрузки ресурсов? Каков должен быть объем ресурсов?
Интенсивность объектов варьируется Какова может быть предельная интенсивность объектов? Каков должен быть объем ресурсов для неординарных ситуаций?

Целями проведения имитационных экспериментов могут быть:

1. Сравнения средних и дисперсии различных альтернатив процессов при одинаковых исходных данных (один сценарий на несколько моделей).

2. Отыскание оптимальных значений переменных на некотором множестве возможных значений (несколько сценариев на одну модель).

3. Определение зависимостей между различными факторами процессов и последующим дисперсионным и регрессионным.

Источник: https://megaobuchalka.ru/6/37654.html

Этапы проведения имитационных исследований. Процесс имитационного моделирования

Этапы имитационного эксперимента

Весь процесс имитационное моделирование можно условно разбить на следующие этапы: постановка задачи; конструирование модели; проверка адекватности модели; планирование эксперимента; экспериментирование, анализ полученных результатов; реализация выводов и рекомендации.

1. Постановка задачи. На этом этапе определяются цели моделирования и обосновывается необходимость имитационного моделирования для их достижения.

Для этого изучается работа действующей или планируемой системы, анализируются факторы действующие на систему, выбираются показатели, характеризующие ее эффективность, определяются вопросы, на которые должно ответить моделирование – каковы значения показателей эффективности системы при фиксированных параметрах, выбор рациональных параметров и т.д.

Очевидно, что сформулированная задача существенным образом определяет и весь остальной процесс имитационного моделирования: выбор степени детализации при описании модели, формулировку упрощений, планы проведения имитац. экспериментов и т.д.

2. Конструирование модели. Оно включает в себя описание исследуемой системы, ее формализацию, составление моделирующего алгоритма, написание, отладку и тестирование готовой программы.

При этом модель не должна быть излишне детальной, что приводит как к возрастанию трудностей ее реализации, так и затруднениям при использовании для целей исследования ( возрастает стоимость и сроки разработки, большое время счета и т.п. ).

С другой стороны она должна отражать все те аспекты работы исследуемой системы, которые отвечают целям исследования.

3. Проверка адекватности. Под адекватностью модели понимают совпадение с заданной точностью ее характеристик и характеристик поведения исследуемой системы.

Однако это выполнимо лишь для моделей действующих систем, или систем, имеющих действующие аналоги, да и то лишь в тех случаях, когда имеется возможность получения необходимой для такой проверки информации с реальной системы.

При этом проверка адекватности могут быть сведена к применению известных статистических методов – проверка статистических гипотез относительно оценок параметров, видов законов распределения, дисперсионного, факторного, регрессионного, спектрального анализа и др.

В противном случае ( отсутствие информации о функционировании реальных систем ) оценка адекватности сводятся к проверкам двух видов: «верификации моделей» и «проверка правильности исходных «посылок», заложенных в модель».

При верификации модели необходимо убедиться в том, что модель ведет себя так, как было задумано.

Для этого варьируются параметры модели, проверяются реакция на это критериев эффективности, анализируется поведение модели на вариации. Предельных значений параметров модели и т.д.

Оценка правильности поведения модели должна производиться с участием экспертов, хорошо представляющих себе процесс функционирования моделируемой системы.

Проверка правильности исходных посылок заключается в проверке предположений, упрощений, допущений, заложенных в модель. Для такой проверки так же целесообразно привлечение экспертов-разработчиков исследуемой системы или ее аналогов.

Если в процессе проверки адекватности выясняется несоответствие модели и реальной системы, то необходим возврат на этап конструирования модели с целью устранения выявленных несоответствий.

4. Планирование эксперимента. Этот этап характерен для любых экспериментальных исследований, в том числе и для имитационных. Трудности его определяются многофакторностью собственно модели, многоплановостью целей исследования, стохастическим, как правило, характером модели.

Среди задач, стоящих перед экспериментом – определение сочетания факторов, оптимизирующих выбранный показатель (показатели) эффективности, построения на основе эксперимента регрессионных (или других обобщенных) моделей системы, обеспечение заданной точности вычисления показателей при сокращении затрат на проведение имитационных исследований и т.д.

5. Экспериментирование. Представляет собой собственно процесс моделирования соответственно с составленным планом эксперимента. В случае, если время, необходимое для моделирования велико необходимо обеспечить хранение промежуточных результатов, повторный запуск модели с промежуточных точек ( режим рестарта ) и т.д.

6. Анализ результатов. В ходе анализа результатов моделирования вырабатываются выводы по исследуемой системе как по ее качеству, так и по необходимости ее доработок и совершенствования. В случае, если в ходе анализа выявляются ошибки в модели или ее несовершенство ( малая точность и т.п.), то она возвращается на доработку.

7. Внедрение результатов. Полученные выводы и рекомендации могут быть использованы разработчиком системы для ее совершенствования. В этом случае для новой версии системы должна быть разработана новая ИМ, или модернизирована имеющаяся, на которой будут проверка решения, заложение в систему.

Дата добавления: 2018-03-01; просмотров: 780; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ

ПОСМОТРЕТЬ ЁЩЕ:

Источник: https://helpiks.org/9-45464.html

Book for ucheba
Добавить комментарий