Имитационное моделирование. Третьякова А., Золотов А.А. Сравнение аналитического и имитационного моделирования для классической трехфазной системы массового обслуживания

Детерминированные и стохастические модели

При моделировании сложных реальных систем исследователь часто сталкива­ется с ситуациями, в которых случайные воздействия играют существенную роль.

В детерминированных моделях все факторы, оказывающие влияние на развитие ситуации принятия решения, однозначно определены и их значения известны в момент принятия решения.

Стохастические модели предполагают наличие элемента неопределенности, учитывают возможное вероятностное распределение значений факторов и параметров, определяющих развитие ситуации.

Следует отметить, что детерминированные модели, с одной стороны, являются более упрошенными, поскольку не позволяют достаточно полно учитывать элемент неопределенности. С другой стороны, они позволяют учесть многие дополнительные факторы, зачастую недоступные стохастическим моделям. Здесь также нередко оказывается справедливой известная закономерность: учитывая одни факторы при моделировании, мы нередко забываем о других. И это естественно. Никакая модель не может учесть абсолютно все факторы. Но профессионально разработанная модель отличается тем, что позволяет учесть наиболее существенные из них.

Моделирование процесса принятия решений позволяет сделать существенный шаг в сторону количественных оценок и количественного анализа результатов принимаемых решений.

Использование абстракций при решении проблем с помощью моделей часто состоит в применении того или иного математического аппарата. Простей­шими математическими моделями являются алгебраические соотношения, и анализ модели часто сводится к аналитическому решению этих уравне­ний. Некоторые динамические системы можно описать в замкнутой форме, например, в виде систем линейных дифференциальных и алгебраических уравнений и получить решение аналитически. Такое моделирование называ­ется аналитическим. При аналитическом моделировании процессы функ­ционирования исследуемой системы записываются в виде алгебраических, интегральных, дифференциальных уравнений и логических соотношений, и в некоторых случаях анализ этих соотношений можно выполнить с по­мощью аналитических преобразований. Современным средством поддержки аналитического моделирования являются электронные таблицы типа MS Excel. Однако использование чисто аналитических методов при моделировании реальных систем сталкивается с серьезными трудностями: классические ма­тематические модели, допускающие аналитическое решение, в большинстве случаев к реальным задачам неприменимы. Например, в модели нефтена­ливного порта построить аналитическую формулу для оценки коэффициента использования оборудования невозможно хотя бы потому, что в системе существуют стохастические процессы. Есть приоритеты обработки заявок на использование ресурсов, внутренний параллелизм в обрабатывающих под­системах, прерывания работы и т. п. Даже если аналитическую модель уда­ется построить, для реальных систем они часто являются существенно нелинейными, и чисто математические соотношения в них обычно допол­няются логико-семантическими операциями, а для них аналитического ре­шения не существует. Поэтому при анализе систем часто стоит выбор между моделью, которая является реалистическим аналогом реальной ситуации, но не разрешимой аналитически, и более простой, но неадекватной моделью, математический анализ которой возможен. При имитационном моделировании структура моделируемой системы - ее подсистемы и связи - непосредственно представлена структурой модели, а процесс функционирования подсистем, выраженный в виде правил и урав­нений, связывающих переменные, имитируется на компьютере.

Имитационное моделирование используется для анализа и синтеза сложных систем в тех случаях, когда аналитическая модель слишком сложна или ее не удается разработать. Имитационная модель отображает процессы в системе при наличии внешних воздействий на систему, а связь между параметрами внутренних, внешних элементов и выходными параметрами задана в ней неявно в виде алгоритма моделирования.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательностью их протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы. Время в такой модели – один из ключевых моментов, позволяющих исследовать систему в процессе функционирования .

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и т.п., которые часто создают трудности при аналитических исследованиях. Несомненное достоинство имитационных моделей - возможность моделирования даже в тех случаях, когда аналитические модели либо отсутствуют, либо (из-за сложности системы) не дают практически удобных результатов. Имитационная модель позволяет использовать практически любые, весьма сложные зависимости в описании системы.

Еще одно достоинство имитационных моделей - наглядность результатов моделирования (как окончательных, так и промежуточных). Если при аналитическом моделировании обеспечивается подобие характеристик объекта и модели, то при имитационном подобие имеется в самих процессах, протекающих в модели и реальном объекте. Промежуточные результаты имитационного моделирования, в отличие от результатов аналитического счета, имеют четкий физический смысл. Это облегчает обнаружение ошибок в программе - в особенности при работе в интерактивном режиме.

Имитационное моделирование напоминает физический эксперимент. С точки зрения сбора статистических данных имитационная модель дает возможность проводить активный эксперимент с помощью целенаправленных изменений параметров модели на некотором множестве реализаций. Последнее позволяет исследовать оптимизируемые функции качества (функционалы) системы с помощью ЭВМ.

Метод имитационного моделирования позволяет решать задачи анализа больших систем, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

В настоящее время имитационное моделирование - наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования .

К недостаткам имитационного моделирования, особенно для сложных систем, относятся высокая стоимость их разработки, а также погрешности, которые в общем случае трудно или невозможно измерить. Кроме того, решение, полученное с помощьюметода имитационного моделирования, всегда носит частный характер, соответствуя фиксированным значениям параметров системы и начальных условий. Поэтому для всестороннего анализа системы приходится многократно моделировать процесс ее функционирования, варьируя исходные данные. В связи с этим имитационная модель не позволяет рассчитать оптимальное состояние системы, а только дает возможность при проведении численных экспериментов на ЭВМ изучить систему, предусмотреть се развитие, приблизить ее структуру или характеристики к оптимальным.

К недостатками имитационного моделирования также относят :

Большой расход машинного времени;

Малая точность вероятностных характеристик редких событий;

Трудность получения обобщающих выводов и рекомендаций;

Сложность оптимизации системы (поиск оптимума требует многовариантных расчетов и ведется при наличии вероятностных помех - случайных ошибок в результатах);

Перечисленные недостатки имитационного моделирования несколько смягчаются постоянным ростом технических характеристик (быстродействия и объема памяти) современных ЭВМ.

По указанным причинам применение имитационного моделирования считается целесообразным:

Для получения первичных данных об изучаемом явлении, если эти данные нельзя получить в натурном эксперименте;

Для проверки правомерности допущений, сделанных разработчиком в целях перехода к аналитическим методам;

Для демонстрации конечных результатов исследования на достаточно полной модели реальной ситуации;

В случаях, когда сложность ситуации намного превосходит возможности аналитических методов, известных разработчику.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени. Имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени .

Основным преимуществом имитационных моделей по сравнению с аналитическими является возможность решения более сложных задач. Имитационные модели позволяют легко учитывать наличие дискретных или непрерывных элементов, нелинейные характеристики, случайные воздействия и др. Поэтому этот метод широко применяется на этапе проектирования сложных систем. Основным средством реализации имитационного моделирования служит ЭВМ, позволяющая осуществлять цифровое моделирование систем и сигналов.

В связи с этим определим словосочетание «компьютерное моделирование », которое все чаще используется в литературе. Будем полагать, что компьютерное моделирование - это математическое моделирование с использованием средств вычислительной техники. Соответственно, технология компьютерного моделирования предполагает выполнение следующих действий :

1) определение цели моделирования;

2) разработка концептуальной модели;

3) формализация модели;

4) программная реализация модели;

5) планирование модельных экспериментов;

6) реализация плана эксперимента;

7) анализ и интерпретация результатов моделирования.

При имитационном моделировании используемая ММ воспроизводит алгоритм («логику») функционирования исследуемой системы во времени при различных сочетаниях значений параметров системы и внешней среды. Примером простейшей аналитической модели может служить уравнение прямолинейного равномерного движения. При исследовании такого процесса с помощью имитационной модели должно быть реализовано наблюдение за изменением пройденного пути с течением времени.

Очевидно, в одних случаях более предпочтительным является аналитическое моделирование, в других - имитационное (или сочетание того и другого). Чтобы выбор был удачным, необходимо ответить на два вопроса.

С какой целью проводится моделирование?

К какому классу может быть отнесено моделируемое явление?

Ответы на оба эти вопроса могут быть получены в ходе выполнения двух первых этапов моделирования.

Имитационные модели не только по свойствам, но и по структуре соответствуют моделируемому объекту. При этом имеется однозначное и явное соответствие между процессами, получаемыми на модели, и процессами, протекающими на объекте. Недостатком имитационного моделирования является большое время решения задачи для получения хорошей точности.

Результаты имитационного моделирования работы стохастической системы являются реализациями случайных величин или процессов. Поэтому для нахождения характеристик системы требуется многократное повторение и последующая обработка данных. Чаще всего в этом случае применяется разновидность имитационного моделирования - статистическое моделирование (или метод Монте-Карло), т.е. воспроизведение в моделях случайных факторов, событий, величин, процессов, полей . По результатам статистического моделирования определяют оценки вероятностных критериев качества, общих и частных, характеризующих функционирование и эффективность управляемой системы. Статистическое моделирование широко применяется для решения научных и прикладных задач в различных областях науки и техники. Методы статистического моделирования широко применяются при исследовании сложных динамических систем, оценке их функционирования и эффективности.

Заключительный этап статистического моделирования основан на математической обработке полученных результатов. Здесь используют методы математической статистики (параметрическое и непараметрическое оценивание, проверку гипотез) . Примером параметрической оценки является выборочное среднее показателя эффективности. Среди непараметрических методов большое распространение получил метод гистограмм .

Рассмотренная схема основана на многократных статистических испытаниях системы и методах статистики независимых случайных величин. Эта схема является далеко не всегда естественной на практике и оптимальной по затратам. Сокращение времени испытания систем может быть достигнуто за счет использования более точных методов оценивания. Как известно из математической статистики, наибольшую точность при заданном объеме выборки имеют эффективные оценки . Оптимальная фильтрация и метод максимального правдоподобия дают общий метод получения таких оценок .

В задачах статистического моделирования обработка реализаций случайных процессов необходима не только для анализа выходных процессов. Весьма важен также и контроль характеристик входных случайных воздействий. Контроль заключается в проверке соответствия распределений генерируемых процессов заданным распределениям. Эта задача часто формулируется как задача проверки гипотез .

Общей тенденцией моделирования с использованием ЭВМ у сложных управляемых систем является стремление к уменьшению времени моделирования, а также проведение исследований в реальном масштабе времени. Вычислительные алгоритмы удобно представлять в рекуррентной форме, допускающей их реализацию в темпе поступления текущей информации .

СРАВНЕНИЕ АНАЛИТИЧЕСКОГО И ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ КЛАССИЧЕСКОЙ ТРЕХФАЗНОЙ СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ

Третьякова Анастасия Алексеевна 1 , Золотов Александр Александрович 1
1 Московский государственный технический университет имени Н.Э. Баумана

COMPARISON OF ANALYTICAL AND SIMULATION MODELING FOR THE CLASSICAL THREE-PHASE QUEUING SYSTEM

Tretyakova Anastasia Alekseevna 1 , Zolotov Alexander Alexandrovich 1
1 Bauman Moscow State University

Библиографическая ссылка на статью:
Третьякова А.А., Золотов А.А. Сравнение аналитического и имитационного моделирования для классической трехфазной системы массового обслуживания // Современные научные исследования и инновации. 2016. № 12 [Электронный ресурс]..03.2019).

В настоящее время компьютер является незаменимой частью деятельности человека. Кроме персонального использования, компьютеры активно применяются для организации ЛВС (Локальной вычислительной сети). Правильное построение ЛВС, отвечающей стандартам безопасности, дает возможность получать доступ к необходимой информации, обеспечивает защиту от несанкционированного доступа к данным.
Для построения надежной, работоспособной ЛВС необходимо отталкиваться от требований к сети. Каждая ЛВС выполняет функции СОИ – системы обработки информации. Перед выбором оборудования сети важно оценить потоки поступающих заявок, загрузку рабочих станций, каналов передачи и др. характеристики системы. Для оценки производят моделирование проектируемой, будущей системы с учетом числа рабочих станций, количества процессоров, времени формирования запроса с рабочей станции и тд.
Модель не является объектом в полной мере отражающим все свойства и характеристики будущей системы. При моделировании учитываются основные входные параметры, которые влияют на исследуемые свойства системы.
Однако моделирование является важным шагом на этапе разработки системы, поскольку обладает рядом преимуществ: экономичностью по сравнению с сразу реализованной системой без этапа моделирования. Такая система может оказаться сильно недоработанной и потребовать новых экономических вложений;
не требует построения полной системы для исследования ее характеристик;
позволяет моделировать поведение системы в критичных для нее состояниях;
позволяет выявлять новые закономерности в более короткие сроки. По способу представления свойств объекта в модели делятся на следующие типы: аналитические, алгоритмические, имитационные (рис. 1).

Рис. 1. Классификация математических моделей по способу представления свойств объекта

Аналитические математические модели используют математические выражения для получения выходных параметров как функций от входных параметров, алгоритмические модели – алгоритм или несколько алгоритмов, которые определяют функционирование модели. Имитационная модель предназначена для исследования возможных путей изменения модели при различных значениях параметров. Аналитическое моделирование. Аналитическая модель в определяется как математическое описание структуры и процесса функционирования системы, а также методика определения показателей ее эффективности. Такая модель позволяет быстро и с высокой точностью характеризовать поведение системы.

При аналитическом моделировании устанавливаются зависимости между входными и выходными параметрами системы. Эти зависимости описываются с помощью различных уравнений (алгебраические, дифференциальные, интегральные и др.). Аналитическое моделирование используется для учета не очень большого числа параметров. Задачи, которые требуют большего числа параметров, решают с помощью методов имитационного моделирования. Аналитические модели активно используются для описания СМО (Систем массового обслуживания). СМО называется система, которая служит для обслуживания потока заявок.
Рассмотрим СОИ, представленную на рисунке 2.

Рис. 2. Формализованная схема СОИ, содержащая ПЭВМ, канал и сервер

В схеме используются следующие обозначения:
ОА Дi - обслуживающий аппарат, имитирующий дообработку на i-той рабочей станции сети запроса от этой станции к серверу после обработки запроса на сервере;
ОА ф i - обслуживающий аппарат, имитирующий формирование запроса от i-той рабочей станции к серверу; (i = 1… N );
Б К - буфер, имитирующий очередь запросов к каналу;
ОА К - обслуживающий аппарат, имитирующий задержку при передаче данных через канал;
Б п - буфер, имитирующий очередь запросов к процессорам;
ОА п - обслуживающие аппараты, имитирующие работу процессоров.
Б д i - буфер, имитирующий очередь запросов к i-му диску;
ОА д i - обслуживающий аппарат, имитирующий работу i-го диска.
Р – вероятность обращения запроса к ЦП после обработки на диске. Обслуживание
заявок во всех ОА подчиняется экспоненциальному закону.
Данная СОИ обслуживает заявки, поступающие от рабочих станций к серверу. Эти заявки формируются через определенные временные промежутки. Заявки поступают на обслуживающие аппараты. Так же в системе предусмотрена задержка при передаче заявки по каналу, возможность дообработки заявки.
Аналитическая модель этой СОИ может быть построена с помощью использования следующих формул:

1. (1)

где - среднее значение суммарной интенсивности фонового потока запросов, выходящих из ОА, имитирующих работу рабочих станций, в канал;
- среднее количество проходов запроса по тракту процессор – диски за время одного цикла его обработки в системе;
- среднее значение времени обработки запроса в канале передачи данных;
- среднее значение времени обработки запроса в ЦП сервера;
- среднее значение времени обработки запроса в диске сервера;
N - количество рабочих станций;
- вероятность обращения к i-му диску сервера.
К1 принимает значения в диапазоне 0.9…0.999995, по умолчанию 0,995.

2. (2.1)

(2.2)

(2.3)

где - среднее время пребывания запроса в канале;

Среднее время пребывания запроса в процессоре;
- среднее время пребывания запроса в дисках;
С - число процессоров сервера.

3. ,(3)

где - интенсивность фонового потока после очередной итерации.

4. После вычислений по формулам (1-3) сравниваем . Если , то переходим к пункту 5, иначе продолжаем вычисление по формулам (4.1-4.2). - может принимать значения в диапазоне от 0,000001 до 0,9. По умолчанию 0,05.

где К2 принимает значения в диапазоне 10…100000, по умолчанию 100.

Переход на пункт 2 .
5. Определение выходных результатов аналитической модели для производится по формулам (2). С помощью формул ниже определяются остальные выходные характеристики СОИ.

(5.5)

Среднее время цикла системы;
- среднее время формирования запроса;

Реализация аналитической модели СОИ. Программная реализация аналитической модели с использованием формул (1-5) написана на языке программирования С#. Форма взаимодействия с пользователем представлена на рисунке 3.

Рис. 3. Интерфейс программы “Аналитическая модель СОИ”

В табл. 1 представлены входные и выходные параметры модели СОИ.

Таблица 1. Параметры модели СОИ

Проведение экспериментов на модели СОИ. С помощью аналитической модели была промоделирована работа СОИ. Эксперименты были проведены для различного количества рабочих станций, процессоров, дисков, времен формирования, обработки и дообработки заявки, для систем без дообработки и с дообработкой заявки. Исходные данные и результаты моделирования для некоторых экспериментов приведены в табл. 2.

Таблица 2. Аналитическое моделирование СОИ

Также с помощью аналитической модели установлено, что при различных К1, К2, ∆ результаты отличаются не значительно, кроме показателя – количество итераций. При использовании приведенного выше подхода к аналитическому моделированию целесообразно использовать значения по умолчанию для К1, К2, ∆, кроме случаев, когда необходима высокая точность вычислений.
Имитационное моделирование. Имитационное моделирование – это метод, который позволяет строить и получать модели тех ситуаций, которые бы происходили в действительности. Моделирование можно проводить на определенном временном интервале. С помощью данной особенности имитационных моделей можно наблюдать, как система ведет себя в течение времени. Это бывает полезно, когда система сложная, и ученым или исследователям не понятно, как будет вести себя система через некоторый квант времени (через час, день и т.д.).
Имитационная модель - логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.
Широко использующимся языком моделирование на сегодняшний день является GPSS. Язык GPSS зарекомендовал себя, как хороших язык имитационного моделирования для систем массового обслуживания и систем, которые могут быть формализованы в качестве систем массового обслуживания.
Модель на языке GPSS представляет собой последовательность операторов. Каждому оператору свойственно свое (особое) поведение
В интерпретаторах языка GPSS событийный метод обработки. В модели может быть сразу несколько транзактов. Транзакт – это абстрактный объект, который перемещается между статическими объектами (операторами языка GPSS), воспроизводя определенное поведение реального объекта. Интерпретатор обслуживает транзакты в определенном порядке (FIFO, LIFO), тем самым имитируя продвижения транзактов по имитационной модели.
Рассмотренная выше система относится к классу систем массового облуживания. Соответственно, можно составить имитационную модель данной системы и проверить результаты аналитического моделирования.
В модели задается количество рабочих станций, время обработки запроса на рабочей станции, время дообработки запроса, время передачи через канал, количество процессоров, время обработки заявки на процессоре, количество дисков, время обработки на диске. Сравним результаты аналитического и имитационного моделирования. Результаты имитационного моделирования, а также входные данные приведены в таблице 3.

Таблица 3. Результаты имитационного моделирования.

Из приведенных результатов видно, что имитационно моделирование достаточно хорошо согласуется с аналитическим моделированием. Разница в результатах моделирования не превышает 7-8%, что вполне приемлемо для инженерных расчетов.

Заключение. В статье были рассмотрены 2 подхода к анализу систем массового обслуживания: аналитический метод и имитационный метод. При проведении нескольких экспериментов получились хорошо согласующиеся между собой результаты. Погрешность между двумя данными методами составляет не более 7-8%, что является хорошим показателем для инженерных расчетов. Поэтому, для анализа систем массового обслуживания на практике используют комбинацию двух данных методов. Сначала используют аналитическое моделирование, затем проверяют результаты на имитационных моделях. Комбинация двух данных методов позволяет получить приемлемый результат, а также сократить количество ошибок и неверных решений. – (Дата обращения: 01.12.2016) Количество просмотров публикации: Please wait

Существует два подхода к построению модели: «аналитическое» и «имитационное» моделирование.

Аналитическое моделирование основано на косвенном описании моделируемого объекта с помощью набора математических формул. При этом предполагается использование математической модели реального объекта в форме алгебраических, дифференциальных, интегральных, и других уравнений, связывающих выходные переменные с входными. Вводится система ограничений. Обычно предполагается наличие однозначной вычислительной процедуры получения точного решения уравнений. Язык аналитического описания содержит следующие основные группы семантических элементов: критерий, неизвестные, данные, математические операции, ограничения. Наиболее существенно то, что аналитическая модель, вообще говоря, не является структурно подобной объекту моделирования. Под структурным подобием тут понимается однозначное соответствие элементов и связей модели элементам и связям моделируемого объекта. К аналитическим моделям относятся модели, построенные на основе аппарата математического программирования, корреляционного, регрессионного анализа.

Аналитическая модель всегда представляет собой формальную конструкцию, которую можно проанализировать и разрешить математическими средствами. Так если используется аппарат математического программирования, то модель состоит из целевой функции и системы ограничений на переменные. Целевая функция, как правило, выражает ту характеристику системы, которую требуется вычислить или оптимизировать. В частности это может быть производительность системы. Переменные выражают варьируемые технические характеристики системы, ограничения – их допустимые предельные значения. Процесс (в определённом выше смысле), происходящий на объекте, может и не иметь прямого аналога в аналитической модели. Аналитические модели являются эффективным средством для решения задач оптимизации или вычисления характеристик различного рода систем, в том числе информационных, производственных и др. Однако в ряде практических задач применение аналитических моделей затруднительно из-за их большой размерности.

Имитационное моделирование основано на прямом описании моделируемого объекта. Существенной характеристикой таких моделей является структурное подобие объекта и модели. Это значит, что каждому существенному с точки зрения решаемой задачи элементу объекта ставится в соответствие элемент модели. При этом описываются законы функционирования каждого элемента объекта и связи между ними. Работа с имитационной моделью заключается в проведении имитационного эксперимента. Процесс, протекающий в модели в ходе эксперимента, подобен процессу в реальном объекте. Поэтому исследование объекта по его имитационной модели сводится к изучению характеристик процесса, протекающего в ходе эксперимента.

Для формального представления реальной системы при имитационном моделировании обычно используется схема с дискретными событиями. При этом процесс функционирования системы во времени отождествляется с последовательностью событий, возникающих в системе в соответствии с закономерностями её функционирования. В формальное понятие «события» вкладывается конкретное смысловое содержание, определяемое целями моделирования.

Ценным качеством имитации является возможность управлять масштабом времени. Динамический процесс в имитационной модели протекает в так называемом системном времени. Системное время имитирует реальное время. При этом пересчет системного времени в модели можно выполнять двумя способами: первый заключается в «движении» по времени с некоторым постоянным шагом t, второй – в движении по времени от события к событию. При этом допускается, что в промежутках времени между событиями изменений в модели не происходит.

Основное назначение имитационного моделирования состоит в следующем:

выделить основные, существенные переменные, оценить степень влияния их изменения на исследуемые параметры системы, а также определить «узкие» места, т.е. технологические, организационные или управленческие, наиболее существенно влияющие на показатель функционирования системы;

изучить воздействие различных организационных, управленческих и технико-экономических изменений на показатель функционирования системы;

оценить различные варианты технических решений, стратегий управления при поиске оптимальной структуры системы.

По способу описания динамики поведения может быть избрана соответствующая схема построения имитационной модели. Модель может быть описана посредством событий, работ (активностей), процессов и транзактов.

Событие представляет собой причину мгновенного изменения состояния некоторого элемента системы или состояния системы в целом. Обычно события подразделяют на события следования, т.е. события, которые управляют инициализацией процессов или отдельных работ внутри процесса, и события изменения состояний системы или ее элементов.

На основе событий целесообразно строить модель с целью изучения причинно-следственных связей, присущих системе.

Если исследователя интересует не только логика смены состояний, но и временные характеристики ее работы, механизм событий служит основой для представления в модели работ, процессов, транзактов.

Работа – это единичное действие системы по обработке входных данных (информационные данные, материальные ресурсы). Каждая из работ характеризуется временем выполнения и потребляемыми ресурсами. С помощью моделей, описыва5емых в терминах работ, могут решаться задачи по оценке качества распределения ресурсов системы, ее производительности, надежности. Процесс – логически связанный набор работ.

Статическими характеристиками процесса (работы) являются длительность, результат, потребляемые ресурсы, условия запуска (активизации), условия остановки (прерывания). Динамической характеристикой процесса (работы) является его состояние (например, активен или находится в системном ожидании). При описании системы в терминах работ и процессов используются оба вида событий.

Транзакт – это некоторое сообщение (заявка на обслуживание), которое поступает извне на вход системы и подлежит обработке. Прохождение тразакта по системе можно в некоторых случаях рассматривать как последовательную активизацию процессов, реализующих его обработку (обслуживание заявки).

При имитационном моделировании используемая математическая модель воспроизводит логику («алгоритм») функционирования исследуемой системы во времени при различных сочетаниях значений параметров системы и внешней среды. Это наблюдение поведения модели системы под влиянием входных воздействий.

Очевидно, в одних случаях более предпочтительным является аналитическое моделирование, в других – имитационное (или сочетания того и другого). Выбор использования одного из подходов зависит от целей моделирования и от класса моделируемого явления.