Содержание
-
Имитационное моделирование
Лекция 3
-
Возникновение и развитие
-
Имитационное моделирование
“Modeling”- моделирование в целом, создание моделей любой природы “Simulation” – имитационное моделирование, вычислительный эксперимент Возникло в середине XX в. с появлением сложных технических систем
-
Методологическая база
Отечественные ученые: Н.П. Бусленко, В.М. Глушков, Т.И. Марчук, Н.Н.Моисеев, А.А. Самарский и др. Зарубежные ученые: О. Балчи, Д. Гордон, Т. Нейлор, А. Прицкер, Дж.Форрестер, Р. Шеннон и др.
-
Предметная область
В настоящее время предметную область имитационного моделирования связывают в первую очередь с системным анализом, занимающимся исследованиями сложных систем в макроэкономике, геополитике, экологии, при создании автоматизированных систем управления и пр. Особенности сложных систем: Сложность и многообразие законов функционирования Вероятностная природа законов Человеческий фактор
-
Определение
Р. Шеннон «Имитационное моделирование систем — искусство и наука»: «Имитационное моделирование является экспериментальной и прикладной методологией, имеющей целью: описать поведение системы; построить теории и гипотезы, которые могут объяснить наблюдаемое поведение; использовать эти теории для предсказания будущего поведения и оценки различных стратегий, обеспечивающих функционирование данной системы»
-
Имитационное моделирование и ЭВМ
ИМ можно рассматривать как одно из направлений компьютерного моделирования — как комплексный метод исследования сложных систем на ЭВМ, включающий построение структурных и поведенческих математических моделей системы, выполнение определенной программы вычислительных экспериментов, обработку и интерпретацию результатов этих экспериментов с целью установления закономерностей поведения системы и (или) принятия управляющих и проектных решений.
-
Этапы эволюции ИМ
50-е годы XX века. Появление компьютерного моделирования. Использование универсальных языков программирования (ALGOL, COBOL, FORTRAN). 60-е. Выделение методологии имитационного моделирования в отдельное направление. Появление первых специализированных языков имитационного моделирования (GPSS, SIMSCRIPT, SIMULA). 70-е. Развитие специализированных языков и появление интерактивных средств моделирования. 80-е. Появление ПК. Повышением интереса к моделированию. Публикация книг, посвященных математическому моделированию. 90-е. Развитие методологии. Многочисленные публикации, монографии. Оригинальные частные методики. Совершенствование коммерческого ПО. 2000-е. Становление новых методов и методик имитационного моделирования и системного анализа. Интеграция различных методов
-
Назначение и область применения
-
Составляющие теории имитационного моделирования
Модель Объект Алгоритм Программа
-
Виды моделей
-
Направления развития ИМ
Моделирование непрерывных динамических систем Дискретно-событийное моделирование Системная («мировая») динамика Агентное моделирование
-
-
-
Моделирование непрерывных динамических систем
Под “динамической системой в широком смысле” понимается объект, функционирующий в непрерывном времени, непрерывно наблюдаемый и изменяющий свое состояние под воздействием внешних и внутренних причин. Описываются алгебраическими или дифференциальными уравнениями
-
-
-
Дискретно-событийное моделирование
предлагает абстрагирование от непрерывной природы событий и рассматривает только основные события моделируемой системы («ожидание», «обработка заказа», «движение с грузом», «разгрузка» и др.) Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.
-
-
-
Системная («мировая») динамика
парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан ДжеемФоррестером в 1950 годах.
-
-
Агентное моделирование
относительно новое (1990-е г.) направление. Используется для исследования децентрализованных систем, когда правила и законы функционирования системы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление о глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.
-
-
-
Приложения ИМ в технике
моделирование сложных технических процессов, используемых в машиностроительных производствах; моделирование функционирования изделий и промышленного оборудования различного назначения; проектирование автоматических и автоматизированных линий, роботизированных и конвейерных производств; анализ и оптимизация автоматизированных систем управления, проектирования, информационной поддержки жизненного цикла изделий и комплекса их обеспечений; проектирование и анализ работы транспортных систем (например, обеспечения доставки материалов и комплектующих на предприятие); проектирование и анализ организационно-технической деятельности сложных производственных систем; разработка проектов создания систем массового обслуживания, например, центров обработки заказов, ремонтных предприятий; анализ и планирование организационно-экономических процессов предприятия.
-
Методология имитационного моделирования
-
Концептуальная база
Концептуальные модели исследуемых систем и процессов, разрабатываемые на начальных этапах моделирования, описываются и формулируются на основе наборов понятий, составляющих концептуальную (терминологическую) базу методики (языка) имитационного моделирования. Состав концептуальной базы формируется в зависимости от предметной ориентации каждой конкретной методики моделирования.
-
Процессно-ориентированный подход
Функционирование системы описывается как развивающееся во времени действие, с учетом взаимодействия параллельно протекающих процессов (processes). Процесс представляет собой цепочку событий, выполнение которых приводит к определенному в алгоритме изменению состояния системы.
-
событийно-ориентированный подход
Событием (events) называется изменение состояния системы, которое происходит мгновенно. В промежутке между двумя событиями модель остаётся неизменной. Процесс функционирования системы представляется как последовательность событий, а управление процессом моделирования заключается в выборе и активизации программы, имитирующей соответствующее событие. Продвижение модели из одного состояния в другое выполняется по определённому алгоритму, который содержит сценарий поведения модели во времени и задает причинно-следственные связи между активизацией событий.
-
Состояние системы
Динамическая система описывается набором переменных состояний Изменяя значения переменных можно имитировать переход между состояниями Изменения состояний могут быть непрерывными и дискретными
-
Состав имитационной модели
Описание структуры системы, как совокупность взаимодействующих элементов (структурная модель); Аналитическое или алгоритмическое описание функционирования каждого из отдельных элементов (функциональные математические модели); Алгоритм взаимодействия различных элементов между собой и с внешней средой во времени (моделирующий алгоритм).
-
Время в моделировании
Физическое время (physical) — это то реальное время, которое соответствует непрерывному равномерному и последовательному течению физических процессов в моделируемой системе. Модельное (системное) время (system time) — это представление физического времени в модели. В дискретно-событийных моделях оно прерывисто и разделено на равномерные или неравномерные интервалы. Процессорное время (wallclock time) — это время работы моделирующей программы на компьютере. Моделирование в реальном времени (realtime) – если модельное и процессорное время синхронизированы
-
Методы формализации в моделировании
Теоретико-множественный подход Векторная запись Типовые математические схемы
-
Этапы и подходы к разработке сложных технических систем
-
Классический (индуктивный подход)
Модель системы строится от частного к общему (снизу-вверх) путем суммирования проработанных ранее отдельных компонент (элементов, блоков, подсистем) в общую модель. Каждый из элементов системы моделируется раздельно, изолировано от других частей модели. Рекомендуется для построения простых моделей, в которых легко прослеживается членение объекта на составные части, и в которых возможно представить и описать независимое функционирование отдельных элементов системы.
-
Системный (дедуктивный) подход
Моделирование ведется от общего к частному (сверху-вниз). Процесс моделирования начинается с формулировки цели функционирования всей системы. На основе предварительного описания системы, функции цели и выявленных ограничений формируются некие подсистемы обеспечивающих имитацию общего функционирования системы. Отдельные части модели разрабатываются сразу во взаимной связи, исходя из единой системной цели
-
Этапы моделирования
Концептуальное моделирование (описание) системы, обеспечивающее выявление ее структуры, то есть состава, расположения и взаимной связи элементов, составляющих систему, а также выделение особенностей поведения системы в целом. Разработка или выбор математической модели для описания поведения каждого элементарного блока системы, которое можно назвать формализацией описания системы. Программирование, представляющее собой описание структуры и поведения системы на специализированном языке моделирования. Проведение серии вычислительных экспериментов с компьютерной программой, собственно и представляющей собой имитационную модель. Обработку и интерпретацию численных результатов моделирования.
-
Основные этапы учебного имитационного моделирования
-
Программные средства имитационного моделирования
-
Факторы, учитываемые при выборе ПО
Гибкость и универсальность Простота и легкость практического применения Интуитивно понятный интерфейс Наличие интерактивных средств отладки программы Возможности импорта и экспорта данных Наличие средств статистического анализа и обработки результатов
-
Языки имитационного моделирования
Для имитационного моделирования используются проблемно-ориентированные процедурные языки Различают языки: Непрерывные (DYNAMO) Дискретные (GPSS World) Комбинированные
-
-
Автоматизированные инструментальные среды
Инструментальной средой моделирования называется специализированный программно-методический комплекс, состоящий из объектно-ориентированных программных библиотек и интерактивных средств визуального программирования, предназначенный для автоматизации разработки и использования компьютерных моделей.
-
Математический редактор MathCAD
-
решение линейных и нелинейных уравнений и систем в численном и символьном виде; численное и символьное дифференцирование и интегрирование, символьное вычисление пределов; поиск максимума и минимума функции; численное решение обыкновенных дифференциальных уравнений и систем, включая краевые задачи; - решение классических задач оптимизации; - анализ статистических данных; - построение двумерных и трехмерных графиков, в том числе с использованием анимации;
-
Wolfram Mathematica
Mathematica — система компьютерной алгебры компании WolframResearch. Содержит множество функций как для аналитических преобразований, так и для численных расчётов. Кроме того, программа поддерживает работу с графикой и звуком, включая построение двух- и трёхмерных графиков функций, рисование произвольных геометрических фигур, импорт и экспорт изображений и звука. Mathematica является ведущим программным продуктом для обработки числовых, символьных и графических данных
-
demonstrations.wolfram.com
-
MathWorksMATLAB (MatrixLaboratory)
Возможности MATLAB позволяют автоматизировать разработку компьютерных программ, производящих матричные вычисления, реализующих функции линейной алгебры, статистики, анализа Фурье, решение дифференциальных уравнений и многие другие математические схемы. Включает в свой состав специализированную подсистему Simulink, представляющую собой интерактивную среду для моделирования и анализа динамических систем.
-
Simulink
-
Среда имитационного моделирования Arena (RockwellSoftware)
считается одним из наиболее эффективных инструментов оптимизации процессов транспортной логистики. В среду встроен специализированный язык моделирования SIMAN, а для отображения результатов используется анимационная система Cinema. Разработчики позиционируют данное программное обеспечение как универсальную среду имитационного моделирования дискретных систем, в том числе и технологического назначения. Arenaсодержит конструкции для моделирования нескольких видов погрузочно-разгрузочных устройств, таких как конвейеры, краны, транспортеры, автопогрузчики и автоматизированные транспортные системы.
-
-
Среда имитационного моделирования ExtendSim(ImagineThatInc)
основана на использовании визуального программирования с помощью библиотеки блоков, которые помещают в определенные места в окне модели и настраивают с помощью диалоговых меню. Пакет содержит внутренний язык ModL для настройки существующих блоков и создания новых программ. С системой поставляются готовые библиотеки элементов промышленного назначения. Например, библиотека Manufacturing содержит блоки, предназначенные для моделирования транспортных устройств, в том числе конвейеров, автоматизированных транспортных систем и складского оборудования. ExtendSimпозволяет моделировать все типы систем, включая непрерывные и дискретные процессы, производить функционально-стоимостной анализ.
-
Anylogic (XJ Technologies)
позволяет вести визуальное проектирование различных типов систем, включая непрерывные, дискретные модели и агентные технологии. использует язык Java и позволяет запускать приложения в среде всех распространённых операционных систем (Windows, Mac, Linux).
-
Anylogic
-
-
-
Проблемы имитационного моделирования
высокая трудоемкость и затратность процесса разработки имитационных моделей реальных технических процессов и больших систем; сложность оценки адекватности (валидации и верификаци) разработанных имитационных моделей и программ; низкая точность и вероятностный характер параметров при моделировании редких и малоизученных явлений; субъективность обобщающих выводов и рекомендаций, сформулированных на основе анализа результатов имитационных экспериментов.
Нет комментариев для данной презентации
Помогите другим пользователям — будьте первым, кто поделится своим мнением об этой презентации.