logo
Теорія СЗ - Конспект

Имитационное моделирование

При имитационном моделировании алгоритм, реализующий модель, воспроизводит процесс функционирования системы во времени. Имитируются элементарные явления, составляющие процессы, 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 является ЭВМ, что позволяет осуществлять цифровое моделирование систем и сигналов.

В связи с этим определим словосочетание «компьютерное моделирование», все чаще используемое в литературе. Компьютерное моделирование – это математическое моделирование с использованием средств вычислительной техники. Соответственно, технология компьютерного моделирования предусматривает выполнение следующих действий:

При имитационном моделировании используемая математическая модель воспроизводит алгоритм («логику») функционирования исследуемой системы во времени при различных сочетаниях значений параметров системы и внешней среды.

Имитационные модели не только по свойствам, но и по структуре адекватны моделируемому объекту. При этом есть однозначное и явное соответствие между процессами, которые получаются на модели, и процессами, которые протекают в объекте. Недостатком имитационного моделирования является большое время решения задачи для получения достаточно высокой точности получаемых оценок.

Результаты имитационного моделирования работы стохастической системы являются реализациями случайных величин или процессов. Поэтому для нахождения характеристик системы нужно многократное повторение и последующая обработка данных. Чаще всего в этом случае применяется разновидность имитационного моделирования – статистическое моделирование (или метод Монте-Карло), то есть воссоздание в моделях случайных факторов, событий, величин, процессов, полей. Результаты статистического моделирования определяют оценки вероятностных критериев качества, общих и частичных, характеризуя функционирование и эффективность управляемой системы. Методы статистического моделирования широко применяются при исследовании сложных динамических систем, оценке их функционирования и эффективности.

Завершающий этап статистического моделирования основан на математической обработке полученных результатов. Здесь используют методы математической статистики (параметрическое и непараметрическое оценивание, проверка гипотез). Примером параметрической оценки является выборочное среднее показателя эффективности. Среди непараметрических методов часто используется метод гистограмм.

Рассмотренная схема основана на многократных статистических испытаниях системы и методах статистики независимых случайных величин. Эта схема не всегда является естественной и оптимальной на практике. Уменьшение времени испытаний систем может быть достигнуто, если использовать более точные методы оценивания. Согласно математической статистике наибольшую точность при заданном объеме выборки имеют эффективные оценки. Оптимальная фильтрация и метод максимальноного правдоподобия дают общий метод получения таких оценок.