ПОЛУЧЕНИЕ И ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ СИСТЕМ

На третьем этапе моделирования — этапе получения и интерпретации результатов моделирования — ЭВМ используется для проведения рабочих расчетов по составленной и отлаженной программе. Результаты этих расчетов позволяют проанализировать и сформулировать выводы о характеристиках процесса функционирования моделируемой системы 5.

Особенности получения результатов моделирования.

При реализации моделирующих алгоритмов на ЭВМ вырабатывается информация о состояниях процесса функционирования исследуемых систем г (/) е Х. Эта информация является исходным материалом для определения приближенных оценок искомых характеристик, получаемых в результате машинного эксперимента, т. е. критериев оценки. Критерием оценки будем называть любой количественный показатель, по которому можно судить о результатах моделирования системы. Критериями оценки могут служить показатели, получаемые на основе процессов, действительно протекающих в системе, или получаемых на основе специально сформированных функций этих процессов [4, 29, 35].

В ходе машинного эксперимента изучается поведение исследуемой модели М процесса функционирования системы ^ на заданном интервале времени [0, 7]. Поэтому критерий оценки является в общем случае векторной случайной функцией, заданной на этом же интервале:

Часто используют более простые критерии оценки, например вероятность определенного состояния системы в заданный момент времени /*е[0, 7], отсутствие отказов и сбоев в системе на интервале [0, 7] и т. д. При интерпретации результатов моделирования вычисляются различные статистические характеристики закона распределения критерия оценки.

Рассмотрим общую схему фиксации и обработки результатов моделирования системы, которая приведена на рис. 3.4. Будем рассматривать гипотетическую модель А/, предназначенную для исследования поведения системы 5 на интервале времени [0, 7*]. В общем случае критерием интерпретации результатов моделирования является нестационарный случайный п- мерный процес д (/), Полагаем, для определенности, что состояние моделируемой системы "У проверяется каждые А/ временных единиц, т. е. используется "принцип А/". При этом вычисляют значения д (/А/), у=б ~к, критерия д (/). Таким образом, о свойствах случайного процесса д (/) судят по свойствам случайной последовательности д (/А/), у=6, к, или, иначе говоря, по свойствам т-мерного вектора вида

Процесс функционирования системы Л на интервале (О, 7] моделируется ^-кратно с получением независимых реализаций 1= 1, N. вектора д. Работа модели на интервале [0, 7] называется прогоном модели.

На схеме, изображенной на рис. 3.4, обозначено: /=*; /=/; К=к ЛГ=ЛГ; Г=/; £>Г=Д/;

<2^Я

В общем случае алгоритмы фиксации и статистической обработки данных моделирования содержат три цикла. Полагаем, что имеется машинная модель Мм системы 5.

Внутренний цикл (блоки 58) позволяет получить последовательность ?,(/)=? (/А/), /=0Г"£ в моменты времени / = 0, А/, 2А*, —" /сА/ = 7'. Основной блок 7 реализует процедуру вычисления последовательности ?/(/): ВЫЧ [Ц1{Т)]. Именно в этом блоке имитируется процесс функционирования моделируемой системы 5 на интервале времени [0, 7].

Промежуточный цикл (блоки 310), в котором организуется ^-кратное повторение прогона модели, позволяющее после соответствующей статистической обработки результатов судить об оценках характеристик моделируемого варианта системы. Окончание моделирования варианта системы А может определяться не только заданным числом реализаций (блок 10), как это показано на схеме, но и заданной точностью результатов моделирования. В этом цикле содержится блок 9, реализующий процедуру фиксации

Алгоритм фиксации и обработки результатов моделирования системы

Рис. 3.4. Алгоритм фиксации и обработки результатов моделирования системы

результатов моделирования по 1-му прогону модели

Внешний цикл (блоки 112) охватывает оба предшествующих цикла и дополнительно включает блоки 7, 2, 77, 12, управляющие последовательностью моделирования вариантов системы S. Здесь организуется поиск оптимальных структур, алгоритмов и параметров системы S, т. е. блок 11 обрабатывает результаты моделирования исследуемого к-го варианта системы ОРМ [QК, блок 12 проверяет удовлетворительность полученных оценок характеристик процесса функционирования системы q /А) (0 требуемым (ведет поиск оптимального варианта системы ПОВ [S(АО]), блок 1 изменяет структуру, алгоритмы и параметры системы S на уровне ввода исходных данных для очередного к-го варианта системы ВИД [S(K)]. Блок 13 реализует функцию выдачи результатов моделирования по каждому к•му варианту модели системы Sk, т. е. ВРМ IQK.

Рассмотренная схема позволяет вести статистическую обработку результатов моделирования в наиболее общем случае при нестационарном критерии q (/). В частных случаях можно ограничиться более простыми схемами [22, 29, 37].

Если свойства моделируемой системы S определяются значением критерия q (/) в некоторый заданный момент времени, например, в конце периода функционирования модели t=kAt = T, то обработка сводится к оценке распределения л-мерного вектора q (/) по независимым реализациям 5.(0" /= 1, N, полученным в результате N прогонов модели.

Если в моделируемой системе S по истечению некоторого времени с начала работы /0 = £0А/ установится стационарный режим, то о нем можно судить по одной, достаточно длинной реализации qx (/) критерия q (/), стационарного и эргодического на интервале [f0, Т]. Для рассмотренной схемы это означает, что исключается средний цикл (л= 1) и добавляется оператор, позволяющий начать обработку значений qt (/Дг) при j^k0.

Другая особенность применяемых на практике методов статистической обработки результатов моделирования связана с исследованием процесса функционирования систем с помощью моделей блочной конструкции. В этом случае часто приходится применять раздельное моделирование отдельных блоков модели, когда имитация входных воздействий для одного блока проводится на основе оценок критериев, полученных предварительно на другом блоке модели. При раздельном моделировании может иметь место либо непосредственная запись в накопителе реализаций критериев, либо их аппроксимация, полученная на основе статистической обработки

результатов моделирования с последующим использованием генераторов случайных чисел для имитации этих воздействий.

 
< Пред   СОДЕРЖАНИЕ     След >