Реферат Курсовая Конспект
Достоинства и недостатки имитационного моделирования - Лекция, раздел Философия, ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ Все Имитационные Модели Представляют Собой Модели Типа Так Называемого "...
|
Все имитационные модели представляют собой модели типа так называемого "черного ящика". Это означает, что они обеспечивают выдачу выходного сигнала системы, если на ее взаимодействующие подсистемы поступает входной сигнал. Поэтому для получения необходимой информации или результатов необходимо осуществлять "прогон" имитационных моделей, а не "решать" их. Имитационные модели не способны формировать свое собственное решение в том виде, в каком это имеет место в аналитических моделях, а могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором. Следовательно, имитационное моделирование - не теория, а методология решения проблем. Более того, имитационное моделирование является только одним из нескольких имеющихся в распоряжении системного аналитика важнейших методов решения проблем. Поскольку необходимо приспосабливать средство или метод к решению задачи, а не наоборот, то возникает естественный вопрос: в каких случаях имитационное моделирование полезно?
Мы определили имитационное моделирование как экспериментирование с моделью реальной системы. Необходимость решения задачи путем экспериментирования становится очевидной, когда возникает потребность получить о системе специфическую информацию, которую нельзя найти в известных источниках. Непосредственное экспериментирование на реальной системе устраняет много затруднений, если необходимо обеспечить соответствие между моделью и реальными условиями; однако недостатки такого экспериментирования иногда весьма значительны, поскольку:
1. Оно может нарушить установленный порядок работы объекта.
2. Если составной частью системы являются люди, то на результаты экспериментов может повлиять так называемый хауторнский эффект, проявляющийся в том, что люди, чувствуя, что за ними наблюдают, могут изменить свое поведение.
3. Может оказаться сложным поддержание одних и тех рабочих.
условий при каждом повторении эксперимента или в течение всего
времени проведения серии экспериментов.
4. Для получения одной и той же величины выборки (и, следовательно, статистической значимости результатов экспериментирования) могут потребоваться чрезмерные затраты времени и средств .
5. При экспериментировании с реальными системами может оказаться невозможным исследование множества альтернативных вариантов.
ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
ЛЕКЦИЯ N 13
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
По этим причинам исследователь должен рассмотреть целесообразность применения имитационного моделирования при наличии любого из следующих условий:
1. Не существует законченной математической постановки данной задачи, либо еще не разработаны аналитические методы решения сформулированной математической модели. К этой категории относятся многие модели массового обслуживания, связанные с рассмотрением очередей.
2. Аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование даст более простой способ решения задачи.
3. Аналитические решения существуют, но их реализация невозможна вследствие недостаточной математической подготовки имеющегося персонала. В этом случае следует сопоставить затраты на проектирование, испытания и работу на имитационной модели с затратами, связанными с приглашением специалистов со стороны.
4. Кроме оценки определенных параметров, желательно осуществить на имитационной модели наблюдение за ходом процесса в течение определенного периода.
5. Имитационное моделирование может оказаться единственной возможностью вследствие трудностей постановки экспериментов и наблюдения явлений в реальных условиях; соответствующим примером может служить изучение поведения космических кораблей в условиях межпланетных полетов.
6. Для долговременно действующих систем или процессов может понадобиться сжатие временной шкалы. Имитационное моделирование дает возможность полностью контролировать время изучаемого процесса, поскольку явление может быть замедлено или ускоренно по желанию.
Дополнительным преимуществом имитационного моделирования можно считать широчайшие возможности его применения в сфере образования и профессиональной подготовки. Разработка и использование имитационной модели позволяют экспериментатору видеть и "разыгры-
вать" на модели реальные процессы и ситуации. Это в свою очередь.
должно в значительной мере помочь ему понять и прочувствовать
проблему, что стимулирует процесс поиска нововведений.
Когда руководитель достигает подлинного понимания проблемы и начинает свободно управлять своей моделью, он обретает способность видеть содержание своей работы с иных точек зрения. Он захочет проверить на модели множество альтернативных вариантов, чтобы оценить открывшиеся ему новые возможности По сути дола он использует модель для повышения своего мастерства управления, позволяющего ему на новом уровне четко установить все существенные последствия вносимых в систему изменений. Возможно, он мог бы проделать это и на реальной системе, но вследствие ее сложности это было бы очень утомительно и сопряжено с ошибками. Вот почему он обращается к модели как к средству оценки своих новых интуитивных предположений и умозаключений.
Идея имитационного моделирования интуитивно привлекательна и для руководителей, и для исследователей систем благодаря своей простоте. Поэтому метод имитационного моделирования стремятся применять для решения каждой задачи, с которой приходится сталкиваться. И хотя людям с высокой математической подготовкой имитационный подход представляется грубым силовым приемом или последним средством, к которому следует прибегать, факт заключается в том, что этот метод является распространенным инструментом в руках ученых.
Несмотря на недостаточное математическое изящество, имитационное моделирование является одним из наиболее широко распространенных количественных методов, используемых при решении проблем управления. Большинство администраторов и исследователей заинтересованы главным образом в решении своих неотложных задач, руководствуясь девизом "цель оправдывает средства!". Но именно .забота о применимости конечных результатов побуждает нас задаться вопросом: можно ли вообще опираясь на имитационное моделирование, получить результаты также и наиболее эффективным способом? Ответ нередко будет отрицательным по следующим причинам:
1. Разработка хорошей имитационной модели часто обходится дорого и требует много времени, а также наличия высокоодаренных специалистов, которых а данной фирме может и не оказаться.
2. Может показаться, что имитационная модель отражает реальное положение вещей, хотя в действительности это не так. Если этого не учитывать, то некоторые свойственные имитации особенности могут привести к неверному решению.
3. Имитационная модель в принципе не точна, и мы не в состоянии измерить степень этой неточности. Это затруднение может быть преодолено лишь частично путем анализа чувствительности модели к изменению определенных параметров.
4. Результаты, которые дает имитационная модель, обычно являются численными, а их точность определяется количеством знаков после запятой, выбираемым экспериментатором. В связи с этим возникает опасность "обожествления чисел", т.е. приписывания им большей значимости, чем они на самом деле имеют.
Приведенные соображения показывают, что, хотя имитационное моделирование является чрезвычайно ценным и полезным методом решения сложных задач, этот метод, конечно, не панацея для решения всех проблем управления. Разработка и применение имитационных моделей все еще в большей степени искусство, нежели наука. Следовательно, как и в других видах искусства, успех или неудача определяется не столько методом, сколько тем, как он применяется.
СТРУКТУРА ИМИТАЦИОННЫХ МОДЕЛЕЙ
Прежде чем начать разработку модели, необходимо понять, что собой представляют структурные элементы, из которых она строится. Хотя математическая или физическая структура модели может быть очень сложной, основы ее построения весьма просты. В общем случае структуру модели мы можем представить в виде
E = f(xi,yj),
где E - результат действия системы: xi - переменные и параметры,
которыми мы можем управлять; yj - переменные и параметры, которыми мы управлять не можем; f - функциональная зависимость между хi и уj, которая определяет величину Е.
Столь явное и чрезмерное упрощение полезно лишь тем, что оно
показывает зависимость функционирования системы как от контролируемых нами, так и от неконтролируемых переменных. Почти каждая модель представляет собой, вообще говоря, некоторую комбинацию таких составляющих, как
- структурные компоненты,
- переменные,
- параметры,
- функциональные зависимости,
- ограничения,
- целевые функции.
Под компонентами мы понимаем составные части, которые при соответствующем объединении образуют систему. Иногда мы считаем компонентами также элементы системы или ее подсистемы. Системаопределяется как группа или совокупность объектов, объединенных некоторой формой регулярного взаимодействия или взаимозависимости для выполнения заданной функции. Компоненты суть объекты, образующие изучаемую систему.
Параметры суть величины, которые оператор, работающий на модели, может выбирать произвольно, в отличие от переменных, которые могут принимать только значения, определяемые видом данной функции. Смотря на это под другим углом зрения, мы можем сказать, что параметры, после того как они установлены, являются постоянными величинами, не подлежащими изменению. Например, в уравнении y=3x число 3 есть параметр.
В модели системы мы различаем переменные двух видов - экзогенные и эндогенные. Экзогенные переменные называются также входными, это значит, что они порождаются вне системы или являются результатом воздействия внешних причин. Эндогенными переменными называются переменные, возникающие в системе или в результате воздействия внутренних причин. Эндогенные переменные подразделяются на переменные состояния (когда они характеризуют состояние или условия, имеющие место в системе) и выходные переменные (когда речь идет о выходах системы). Статистики иногда называют экзогенные переменные независимыми, а эндогенные - зависимыми.
Функциональные зависимости описывают поведение переменных и параметров в пределах компонента или выражают соотношения между компонентами системы. Эти соотношения, или операционные характеристики, по своей природе являются либо детерминистскими, либо стохастическими. Детерминистские соотношения - это тождества или определения, которые устанавливают зависимость между определенными переменными или параметрами в тех случаях, когда процесс на выходе системы однозначно определяется заданной информацией на входе. В отличие от этого стохастические соотношения представляют собой такие зависимости, которые при заданной входной информации дают на выходе неопределенный результат. Оба типа соотношений обычно выражаются в форме математического уравнения, которое устанавливает зависимость между эндогенными переменными (переменными состояния) и экзогенными переменными. Обычно эти соотношения можно строить лишь на основе гипотез или выводить с помощью статистического или математического анализа.
Ограничения представляют собой устанавливаемые пределы изменения значений переменных или ограничивающие условия распределения и расходования тех или иных средств (энергии, запасов, времени и т. п.). Они могут вводиться либо разработчиком (искусственные ограничения), либо самой системой вследствие присущих ей свойств (естественные ограничения). Примерами искусственных ограничений могут быть заданные максимальный и минимальный уровни занятости рабочих или установленная максимальная сумма денежных средств, ассигнуемых на капиталовложения. В физической системе такого типа, как ракета, искусственным ограничением может быть заданный радиус действия или максимально допустимый вес. Большинство технических требований к системам представляет собой набор искусственных ограничений. Естественные ограничения обусловлены самой природой системы. Например, нельзя продать больше изделий, нем система может изготовить, и никто не может сконструировать систему, нарушающую законы природы. Таким образом, ограничения одного типа обусловлены неизменными законами природы, в то время как ограничения другого типа, будучи делом рук человеческих, могут подвергаться изменению. Исследователю весьма важно помнить об этом, потому что в ходе своих исследований он должен постоянно оценивать привнесенные человеком ограничения, с тем чтобы ослабить или усилить их по мере необходимости.
Целевая функция, или функция критерия, - это точное отображение целей или задач системы и необходимых правил оценки их выполнения. Обычно выделяют два типа целей: сохранение и приобретение. Цели сохранения связаны с сохранением или поддержанием каких-либо ресурсов (временных, энергетических, творческих и т. д.) или состояний (комфорта, безопасности, уровня занятости н т. д.). Цели приобретения связаны с приобретением новых ресурсов (прибыли, персонала, заказчиков и т. п.) или достижением определенных состояний, к которым стремится организация или руководитель (захват части рынка и т.п.). Выражение для целевой функции должно быть однозначным определением целей и задач, с которыми должны соразмеряться принимаемые решения.
Критерий - это мерило оценки, правило или вид проверки, при помощи которых составляется правильное суждение о чем-либо. Избранный критерий оказывает громадное влияние на процесс создания модели и манипулирования с ней. Неправильное определение критерия обычно ведет к неправильным заключениям. Функция критерия (целевая функция) обычно является органической составной частью модели, и весь процесс манипулирования с моделью направлен на оптимизацию или удовлетворение заданного критерия.
ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ
ЛЕКЦИЯ N 14
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
АНАЛИЗ И СИНТЕЗ
Даже небольшие участки реального мира слишком сложны, чтобы человек смог их полностью понять и описать. Почти все проблемные ситуации чрезвычайно сложны и включают в себя почти бесконечное число элементов, переменных, параметров, соотношений, ограничений и т. д. Пытаясь построить модель, мы могли бы включить в нее бесконечное число фактов и потратить уйму времени, собирая мельчайшие факты, касающиеся любой ситуации, и устанавливая связи между ними. Рассмотрим, например, простое действие, состоящее в том, что вы берете лист бумаги и пишите на нем письмо. Ведь можно было бы определить точный химический состав бумаги, карандашного грифеля и резинки, влияние атмосферных условий на влажность бумаги и влияние последней на силу трения, действующую на острие карандаша, движущегося по бумаге; исследовать статистическое распределение букв во фразах текста и т. д. Однако если единственный аспект, который нас в данной ситуации интересует, это факт отправления письма, то ни одна из упомянутых подробностей не относится к делу. Следовательно, мы должны отбросить большую часть реальных характеристик изучаемого события и абстрагировать из реальной ситуации только те особенности, которые воссоздают идеализированный вариант реального события. Все модели суть упрощенные представления реального мира или абстракции. Если они выполнены корректно, то эти идеализации дают нам полезноё приближенное отображение реальной ситуации или по крайней мере ее определенных особенностей.
Сходство модели с объектом, который она отображает, называется степенью изоморфизма. Для того чтобы быть изоморфной (т. е. идентичной или сходной по форме), модель должна удовлетворять двум условиям.
Во-первых, должно существовать взаимно однозначное соответствие между элементами модели и элементами представляемого объекта. Во-вторых, должны быть сохранены точные соотношения или взаимодействия между элементами. Степень изоморфизма модели относи-
тельна, и большинство моделей скорее гомоморфны, чем изоморфны.
Под гомоморфизмом мы понимаем сходство по форме при различии ос-
новных структур, причем имеет место лишь поверхностное подобие
между различными группами элементов модели и объекта. Гомоморфные
модели являются результатом процессов упрощения и абстракции.
Для разработки идеализированной гомоморфной модели мы обычно разбиваем систему на некоторое число более мелких частей. Это делается для того, чтобы должным образом интерпретировать их, т. е. произвести требуемый анализ задачи. Такой способ действий зависит от наличия частей или элементов, которые в первом приближении не зависят друг от друга или взаимодействуют между собой относительно простым образом. Так, мы можем проанализировать режим работы автомашины, проверяя последовательно двигатель, коробку передач, привод, систему подвески и т. д., хотя эти узлы не полностью независимы.
С такого рода анализом при построении модели близко связан процесс упрощения реальной системы (под упрощением понимается пренебрежение несущественными деталями или принятие предположений о более простых соотношениях). Например, мы часто предполагаем, что между двумя переменными имеет место линейная зависимость, хотя можем подозревать или даже знать, что истинная зависимость между ними нелинейна. Мы предполагаем, что по крайней мере в ограниченном диапазоне значений переменных такое приближение будет удовлетворительным. Инженер-электрик работает с моделями цепей, предполагая, что резисторы, конденсаторы и т. д. не изменяют своих параметров; это упрощение, потому что мы знаем, что электрические характеристики этих компонентов изменяются а зависимости от температуры, влажности, срока службы и т. д.
Ученый, изучающий проблемы управления, для построения полезных моделей также прибегает к упрощению. Он предполагает, что его переменные либо детерминированы (чрезвычайно упрощенная трактовка реальности), либо подчиняются законам случайных событий, описываемым известными вероятностными функциями распределений, таких, как нормальное, пуассоновское, экспоненциальное и т. д. Он также зачастую предполагает, что зависимости между переменными носят
линейный характер, зная, что такое допущение не совсем правомерно.
Другим аспектом анализа является абстракция - понятие, которое в отличие от упрощения не так легко объяснить и осмыслить. Абстракция содержит или сосредоточивает в себе существенные качества или черты поведения объекта, но не обязательно в той же форме и столь детально, как это имеет место в оригинале. Большинство моделей - это абстракции в том смысле, что они стремятся представить качества и поведение моделируемого объекта в форме или способом, отличающимся от их действительной реализации. Так, в схеме организации работ мы пытаемся в абстрактной форме отразить трудовые взаимоотношения между различными группами работающих или отдельными членами таких групп. То обстоятельство, что подобная схема только поверхностно отображает реальные взаимоотношения, не умаляет ее полезности для определенных целей.
После того как мы проанализировали и промоделировали части или элементы системы, мы приступаем к их объединению в единое целое. Иными словами, мы можем путем синтеза относительно простых частей сконструировать некоторое приближение к сложной реальной ситуации. Здесь важно предусмотреть два момента. Во-первых, используемые для синтеза части должны быть выбраны корректно, и, во-вторых, должно быть корректно предсказано их взаимодействие. Если все это выполнено должным образом, то эти процессы анализа, абстракции, упрощения и синтеза в итоге приведут к созданию модели, которая аппроксимирует поведение изучаемой реальной системы. Необходимо помнить, однако, что модель является только приближением, а поэтому не будет себя вести в точности как реальный объект. Мы оптимизируем модель, но не реальную систему. Вопрос о том, существует ли действительно взаимосвязь между характеристиками нашей модели и реальностью, зависит от того, насколько правильно и разумно мы провели наши процессы анализа, абстракции, упрощения и синтеза.
ИСКУССТВО МОДЕЛИРОВАНИЯ
Процесс, при помощи которого инженер, занимающийся системами, или ученый, исследующий вопросы управления, создает модель изучаемой им системы, может быть лучше всего определен как интуитивное искусство. Любой набор правил для разработки моделей в лучшем случае имеет ограниченную полезность и может служить лишь предположительно в качестве каркаса будущей модели или отправного пункта в ее построении. При попытке выразить процесс моделирования в точных терминах мы стремимся систематизировать знания, основанные на интуиции и опыте тех, кто ранее занимался моделированием. К сожалению, результаты всех научных исследований излагаются и сообщаются нам в форме логической реконструкции событий, имеющей целью оправдать смысл полученных результатов. Эта логическая реконструкция имеет мало общего со способом, при помощи которого исследования проводились в действительности. Ни в одном научном отчете вы не найдете описаний фальстартов, ошибочных предположений, принятых и затем отвергнутых, разочарований, вызванных ошибками, и внезапных озарений. В таких отчетах или статьях приводится только последовательность событий и объяснение того, как бы теперь поступил исследователь, пользуясь своими ретроспективнымизнаниями и знанием конечного результата.
Конечно, для неопытного разработчика моделей опасность заключается в том, что, не находя в литературе ничего, за исключением логически построенных ретроспективных описаний, он принимает их за описание процесса открытия. Затем, когда он видит, что дела идут вовсе не так, как говорится в книгах, он легко теряет уверенность в себе, и его охватывает разочарование. Опытный разработчик моделей знает, что мыслительные процессы, связанные с разработкой модели, значительно отличаются от того, что написано об этом в учебниках и литературе.
По-видимому, основой успешной методики моделирования должна быть тщательная отработка моделей. Обычно, начав с очень простой модели, постепенно продвигаются к более совершенной ее форме, отражающей сложную ситуацию более точно. Аналогии и ассоциации с хорошо построенными структурами, по-видимому, играют важную роль в определении отправной точки процесса совершенствования и отработки деталей. Этот процесс связан с учетом взаимодействия и об-
ратной связи между реальной ситуацией и моделью. Между процессом
модификации модели и процессом обработки данных, генерируемых реальным объектом, имеет место непрерывное взаимодействие. По мере проведения испытаний и оценки каждого варианта модели возникает новый вариант, который приводит к повторным испытаниям и переоценкам.
До тех пор пока модель поддается математическому описанию, аналитик может добиваться все больших ее улучшений или усложнять исходные предположения. Когда же модель становится "непослушной", т.е. неразрешимой, разработчик прибегает к ее упрощению и использованию более глубокой абстракции.
Таким образом, искусство моделирования состоит в способности анализировать проблему, выделять из нее путем абстракции ее существенные черты, выбирать и должным образом модифицировать основные предположения, характеризующие систему, а затем отрабатывать и совершенствовать модель до тех пор, пока она не станет давать полезные для практики результаты. Разработчику модели надлежит:
- разложить общую задачу исследования системы на ряд более простых задач,
- четко сформулировать цели,
- подыскать аналогии,
- рассмотреть специальный численный пример, соответствующий данной задаче,
- выбрать определенные обозначения,
- записать очевидные соотношения,
- если полученная модель поддается математическому описанию, расширить ее. В противном случае упростить.
Вообще говоря, упростить модель можно, выполнив одну из перечисленных ниже операций (в то время как для расширения модели требуется как раз обратное):
- превратить переменные величины в константы;
- исключить некоторые переменные или объединить их;
- предположить линейную зависимость между исследуемыми величинами;
- ввести более жесткие предположении и ограничения;
- наложить на систему более жесткие граничные условия.
– Конец работы –
Эта тема принадлежит разделу:
ПРИКЛАДНОЕ ПРОГРАММИРОВАНИЕ В ТЕХНИЧЕСКИХ СИСТЕМАХ... ЛЕКЦИЯ N ВВОДНАЯ I ОРГВОПРОСЫ Списки групп...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Достоинства и недостатки имитационного моделирования
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов