Имитационное моделирование

Simulation modeling

Anastasia Kobylkina

student of Livensky branch of the Federal state budgetary educational institution of higher education "Orlovsky state University of I. S. Turgenev", Russia, Livny

Аннотация. В современное время все чаще и чаще люди имеют дело с моделированием каких либо объектов, но не всегда детали, изобра­женные на электронном или бумажном носителе дают желаемый результат в просмотре некоторых параметров. Поэтому для этих целей был разработан метод имитационного моделирования, так как именно он помогает в режиме ее «имитации» создать в памяти компьютера процессы аналоги, которые в свою очередь позволяют качественно исследовать структуру и функции реальной системы. Эта статья поможет разобраться и удостоверится в важности и колоссальной необходимости познания данного метода.

Abstract. In modern times, more and more people are dealing with the modeling of any objects, but not always the details depicted on electronic or paper give the desired result in viewing some parameters. Therefore, for these purposes, a method of simulation modeling was developed, as it helps in the mode of its "simulation" to create analogs in the memory of the computer processes, which in turn allow qualitative study of the structure and functions of the real system. This article will help to understand and verify the importance and the enormous need for knowledge of this method.

Ключевые слова: имитационное моделирование; имитация; логико-математическое описание объекта; агентное моделирование; дискретно-событийное моделирование; системная динамика; метод Монте – Карло.

Keywords: simulation modeling; simulation; logical-mathematical description of the object; agent modeling; discrete-event modeling; system dynamics; Мonte Carlo method.

Имитационное моделирование — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действи­тельности. Запустив во времени такую модель, мы получим результаты, которые были выбраны случайным характером процесса. Итог, удовлетворяющий нас - достаточно устойчивая статистика.

В данном методе исследования, изучаемый объект заменяется моделью, с достаточной точностью, которая описывает реальные характеристика данной нам системы. С ним проводятся определенные эксперименты с целью получения углубленной информации. Экспери­ментирование с моделью называют имитацией.

Имитация (от лат. Imitation – «подражание») – это понимание сути явления, не прибегая к экспериментальным работам над реальным объектом.

Моделирование различных систем с помощью имитации – имеет отдельный раздел математического моделирования, так как является необходимым для экспериментирования на компьютере в целях проектирования и анализа функционирования данного объекта.

Существует определенный класс объектов, для которых не разра­ботаны аналитические методы решения. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационная модель (англ. simulation modeling) – метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью. Она должна отражать логику и законо­мерности поведения объекта во времени и пространстве.

Целью имитационного моделирования является просмотр поведения исследуемой системы на основе результатов анализа взаимосвязей между ее элементами для проведения различных экспериментов.

Для более точного понимания имитационной модели, можно привести некоторые примеры данного метода:

1. проектирование производственных, финансовых и экономи­ческих систем, а в дальнейшем их анализ и итог;

2. определение требований к рассматриваемому оборудованию, протоколам сетей связи и программному обеспечению компьютерных систем;

3. модернизация различных процессов в деловой, военной и политической сфере.

Это малая часть, которая уже показывает важность имитационной модели в повседневной работе человека.

А какие же существуют плюсы и минусы этой системы?

Достоинства:

1. позволяет решать задачи различной сложности в экстремальных условиях, таких как критические или аварийные, и даже в космосе;

2. сокращает время и деньги, то есть экономит ресурсы, что очень важно в современный век, век технологий;

3. позволяет исследовать результаты натуральных испытаний, достигать наилучших решений за счет гибкости и легкости варьирования структуры;

4. является практически единственным реализуемым методом для разбора сложных систем.

Недостатки:

1. каждое решение носит частный характер;

2. относительно большая сложность создания модели;

3. на данный момент не существует надежного метода оценки адекватности.

В имитационном моделировании существуют основные методы, которые используются чаще всего это:

1. Агентное моделирование.

Является новым направлением, которое используется для иссле­дования децентрализованной системы, определяется не глобальными правилами и законами, а наоборот является результатом индивидуальной активности. Целью этого метода является получение представления об этих глобальных правилах и общем поведении системы, исходя из предположений о частном поведении её отдельных активных объектов и его взаимодействии в системе.

2. Дискретно-событийное моделирование.

Метод функционирование системы представляется как хронологи­ческая последовательность событий. Этот метод наиболее развит и применяется в различных задачах массового обслуживания, а так же транспортных и производственных систем. Этот вид наиболее подходит для моделирования производственных процессов.

3. Системная динамика.

Направление в рассмотрении сложных систем, в котором проис­ходит исследование поведения во времени, а так же взаимодействие между структурой элементов и взаимосвязи между объектами.

В случаях, когда аналитические методы решения задач неприме­нимы приходится прибегать к универсальному методу статистического моделирования – к методу Монте Карло.

Идея данного метода: «Вместо того, что бы описывать процесс с помощью аналитического аппарата, производится розыгрыш случайного явления с помощью процедуры, которая включает в себя случайность, а так же случайный результат. При запуске случайного процесса результат складывается каждый раз по-разному. Используя данный метод мы пользуемся случайностью, как аппаратом исследования».

Методом Монте – Карло может быть решена любая вероятностная задача. Но, актуальность этого метода доказана только тогда, когда процедура розыгрыша будет проще, чем аналитический расчет.

Методика Моне-Карло, состоит из следующих этапов:

1. моделирование на ЭВМ псевдослучайных последовательностей имитирующих случайные значения параметров при каждом испытании;

2. использование полученных числовых последовательностей;

3. обработка результатов моделирования.

Рассмотрим плюсы и минусы метода имитационного модели­рования (Монте – Карло).

Достоинства:

1. позволяет учесть весь диапазон возможных исходных значений;

2. проработка анализов и получение интервальных значений проектных рисков.

Недостатки:

1. формирование надежной программной поддержки и установ­ление типа распределения по первичным факторам;

2. необходимы аналитики, профессионалы с высшим уровнем подготовки.

Заключение:

В настоящее время, специалист в области математического модели­рования очень ценный сотрудник, так как успешная деятельность любой компании не обходится без моделирования, которое необходимо для сокращения времени и затрат на реальные эксперименты.