Возможности и эффективность моделирования систем на эвм. Роль эвм в моделировании процессов техногенного характера Компьютерные модели и их виды

Принято различать два вида моделирования с использованием средств вычислительной техники:

• 1) математическое (логико-математическое), при котором моделирование, включая построение модели, осуществляется средствами математики и логики, а также вычислительной техники;
• 2) имитационное (программное), при котором логико-математическая модель исследуемого объекта представляет собой алгоритм функционирования объекта, реализованный в виде программного комплекса для компьютера.

Перечисленные виды моделирования не являются взаимоисключающими и могут применяться при исследовании сложных объектов либо одновременно, либо в некоторой комбинации. Кроме того, в некотором смысле концептуальное и, скажем, структурно-функциональное моделирование неразличимы между собой, так как те же блок-схемы являются специальными знаками с установленными операциями над ними.

Компьютерное моделирование

Традиционно под моделированием на ЭВМ понималось лишь имитационное моделирование. Можно, однако, увидеть, что и при других видах моделирования компьютер может быть весьма полезен, за исключением разве физического моделирования, где компьютер вообще-то тоже может использоваться, но, скорее, для целей управления процессом моделирования. Например, при математическом моделировании выполнение одного из основных этапов – построение математических моделей по экспериментальным данным – в настоящее время просто немыслимо без компьютера. В последние годы благодаря развитию графического интерфейса и графических пакетов широкое применение получило компьютерное, структурно-функциональное моделирование, положено начало использованию компьютера даже при концептуальном моделировании, где он используется, например, при построении систем искусственного интеллекта.

Таким образом, видно, что понятие "компьютерное моделирование" значительно шире традиционного понятия "моделирование на ЭВМ" и нуждается в уточнении, учитывающем сегодняшние реалии.

В настоящее время под компьютерной моделью чаще всего понимают:

■ условный образ объекта или некоторой системы объектов (или процессов), описанный с помощью взаимосвязанных компьютерных таблиц, блок-схем, диаграмм, графиков, рисунков, анимационных фрагментов, гипертекстов и отображающий структуру и взаимосвязи между элементами объекта. Компьютерные модели такого вида будем называть структурно-функциональными ;

■ отдельную программу, совокупность программ, программный комплекс, позволяющие с помощью последовательности вычислений и графического отображения их результатов воспроизводить (имитировать) процессы функционирования объекта, системы объектов при условии воздействия на объект различных, как правило случайных, факторов. Такие модели будем далее называть имитационными.

Компьютерное моделирование – это метод решения задачи анализа или синтеза сложной системы на основе использования ее компьютерной модели. При компьютерном моделировании главную роль играют компьютер и технология (точнее, инструментальные системы для компьютера, компьютерные технологии). Например, при имитационном моделировании (при отсутствии строгого и формально записанного алгоритма) главную роль играют технология и средства моделирования, реализующие те же события и их последовательности, которые характерны и для объекта, причем в условиях прогонки изменений контролируемых и неконтролируемых воздействий.

Суть компьютерного моделирования заключена в получении количественных и качественных результатов по имеющейся модели. Качественные выводы, получаемые по результатам анализа, позволяют обнаружить неизвестные ранее свойства сложной системы: ее структуру, динамику развития, устойчивость, целостность и др. Количественные выводы в основном носят характер прогноза некоторых будущих или объяснения прошлых значений переменных, характеризирующих систему. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ.

При моделировании компьютер играет роль:

■ вспомогательного средства для решения задач, решаемых обычными вычислительными средствами, алгоритмами, технологиями;

■ средства постановки и решения новых задач, не решаемых традиционными средствами, алгоритмами, технологиями;

■ средства конструирования компьютерных обучающе-моде- лирующих сред;

■ средства моделирования для получения новых знаний;

■ "обучения" новых моделей (самообучающиеся модели).

Разновидностью компьютерного моделирования является вычислительный эксперимент.

Компьютерное моделирование, вычислительный эксперимент становятся новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости исследования не только линейных математических моделей систем.

Предметом компьютерного моделирования могут быть: экономическая деятельность фирмы или банка, промышленное предприятие, информационно-вычислительная сеть, технологический процесс, любой реальный объект или процесс, например процесс инфляции, и вообще любая сложная система . Цели компьютерного моделирования могут быть различными, однако наиболее часто моделирование является, как уже отмечалось ранее, центральной процедурой системного анализа, причем под системным анализом далее будем понимать совокупность методологических средств, используемых для подготовки и принятия решений экономического, организационного, социального или технического характера.

Компьютерная модель сложной системы должна по возможности отображать все основные факторы и взаимосвязи, характеризующие реальные ситуации, критерии и ограничения. Модель должна быть достаточно универсальной, чтобы по возможности описывать близкие по назначению объекты, и в то же время достаточно простой, чтобы позволить выполнить необходимые исследования с разумными затратами.

Все это говорит о том, что моделирование, рассматриваемое в целом, представляет собой не только сформировавшуюся науку с самостоятельным набором средств отображения явлений и процессов реального мира, но и в некоторой степени искусство.

ЛЕКЦИЯ 4

« Классификация видов моделирования систем»

В основе моделирования лежит теория подобия , которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функ­ционирования объекта.

Классификационные признаки. В качестве одного из первых при­знаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные , неполные и приближенные .

В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве.

Для неполного моделирования характерно неполное подобие модели изучаемому объекту.

В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем.

Классификация видов моделирова­ния систем S приведена на рис. 1.

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминиро­ванные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные .

Детерминированное моде­лирование отображает детерминированные процессы, т. е. процессы, в которых предполагается отсутствие всяких случайных воздейст­вий.

Cтохастическое моделирование отображает вероятностные про­цессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т. е. набор однородных реализаций.

Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени.

Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерыв­ное моделирование позволяет отразить непрерывные процессы в сис­темах, а дискретно-непрерывное моделирование используется для случаев, когда хотят выделить наличие как дискретных, так и непре­рывных процессов.

В зависимости от формы представления объекта (системы S ) можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным спосо­бом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне усло­вий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому экспери­менту. Мысленное моделирование может быть реализовано в виде наглядного , символического и математического . При наглядном моделировании , на базе представлений человека о реальных объектах создаются различные наглядные модели, отоб­ражающие явления и процессы, протекающие в объекте. В основу гипотетического моделирования исследователем закладывается не­которая гипотеза о закономерностях протекания процесса в реаль­ном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между вхо­дом и выходом изучаемого объекта. Гипотетическое моделирова­ние используется, когда знаний об объекте недостаточно для по­строения формальных моделей. Аналоговое моделирование основывается на применении анало­гий различных уровней. Наивысшим уровнем является полная ана­логия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уров­ней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта. Существенное место при мысленном наглядном моделировании занимает макетирование . Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшество­вать проведению других видов моделирования. В основе постро­ения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте . Если ввести условное обозначение отдель­ных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий - составлять от­дельные цепочки из слов и предложений. Используя операции объ­единения, пересечения и дополнения теории множеств, можно в от­дельных символах дать описание какого-то реального объекта. В основе языкового моделирования лежит некоторый тезаурус. Последний образуется из набора входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные раз­личия. Тезаурус - словарь, который очищен от неоднозначности, т. е. в нем каждому слову может соответствовать лишь единствен­ное понятие, хотя в обычном словаре одному слову могут соответ­ствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью опреде­ленной системы знаков или символов.

Математическое моделирование . Для исследования характерис­тик процесса функционирования любой системы S математичес­кими методами, включая и машинные, должна быть проведена формализация этого процесса, т. е. построена математическая мо­дель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристи­ки рассматриваемого реального объекта . Вид математической мо­дели зависит как от природы реального объекта, так и задач ис­следования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближе­ния к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем мож­но разделить на аналитическое, имитационное и комбинированное .

Для аналитического моделированияхарактерно то, что процессы функционирования элементов системы записываются в виде неко­торых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т. п.) или логических усло­вий. Аналитическая модель может быть исследована следующими методами :

аналитическим , когда стремятся получить в общем виде явные зависимости для искомых характеристик;

численным , когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных;

качест­венным , когда, не имея решения в явном виде, можно найти неко­торые свойства решения (например, оценить устойчивость реше­ния).

Наиболее полное исследование процесса функционирования си­стемы можно провести, если известны явные зависимости, связыва­ющие искомые характеристики с начальными условиями, парамет­рами и переменными системы S. Однако такие зависимости удается получить только для сравнительно простых систем. При усложне­нии систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимы­ми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства систе­мы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим мето­дом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследования системы могут удовлетво­рить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие каче­ственные методы широко используются, например, в теории авто­матического управления для оценки эффективности различных ва­риантов систем управления.

В настоящее время распространены методы машинной реализа­ции исследования характеристик процесса функционирования боль­ших систем. Для реализации математической модели на ЭВМ необ­ходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алго­ритм воспроизводит процесс функционирования системы S во вре­мени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последователь­ности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики систе­мы S.

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно про­сто учитывать такие факторы, как наличие дискретных и непрерыв­ных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто созда­ют трудности при аналитических исследованиях. В настоящее время имитационное моделирование - наиболее эффективный метод ис­следования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования .

Метод имитационного моделирования позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управле­ния системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в ос­нову структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая являет­ся оптимальной по некоторым критериям оценки эффективности .

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алго­ритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска оптимального варианта системы. Далее в методологии машинного моделирования будем различать два основных раздела: статику и динамику,- основным содержани­ем которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.

Комбинированное (аналитико-имитациоиное)моделирование при анализе и синтезе систем позволяет объединить достоинства анали­тического и имитационного моделирования. При построении ком­бинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели . Такой комбинированный подход позволяет охватить каче­ственно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного модели­рования в отдельности.

Другие виды моделирования . При реальном моделировании ис­пользуется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режи­мов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т. д.). Реальное моделирование является наиболее адек­ватным, но при этом его возможности с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АСУ предприятием потребует, во-первых, создания такой АСУ, а во-вторых, проведения экспериментов с управляемым объектом, т. е. предприятием, что в большинстве случаев невозмож­но. Рассмотрим разновидности реального моделирования.

Натурным моделированием называют проведение исследования на реальном объекте с последующей обработкой результатов экс­перимента на основе теории подобия . При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. Надо отметить, что такие разновидности натурного эксперимента, как производст­венный эксперимент и комплексные испытания, обладают высокой степенью достоверности.

С развитием техники и проникновением в глубь процессов, протекающих в реальных системах, возрастает техническая осна­щенность современного научного эксперимента. Он характеризуется широким использованием средств автоматизации проведения, при­менением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения экс­перимента, и в соответствии с этим появилось новое научное направление - автоматизация научных экспериментов.

Отличие эксперимента от реального протекания процесса заклю­чается в том, что в нем могут появиться отдельные критические ситуации и определяться границы устойчивости процесса. В ходе эксперимента вводятся новые факторы и возмущающие воздейст­вия в процессе функционирования объекта. Одна из разновидностей эксперимента - комплексные испытания, которые также можно от­нести к натурному моделированию, когда вследствие повторения испытаний изделий выявляются общие закономерности о надеж­ности этих изделий, о характеристиках качества и т. д . В этом случае моделирование осуществляется путем обработки и обобщения све­дений, проходящих в группе однородных явлений. Наряду со специ­ально организованными испытаниями возможна реализация натур­ного моделирования путем обобщения опыта, накопленного в ходе производственного процесса, т. е. можно говорить о производствен­ном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и получа­ют его обобщенные характеристики.

Другим видом реального моделирования являетсяфизическое, отличающееся от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физи­ческим подобием . В процессе физического моделирования задаются некоторые характеристики внешней среды и исследуется поведение либо реального объекта, либо его модели при заданных или со­здаваемых искусственно воздействиях внешней среды. Физическое моделирование может протекать в реальном и нереальном (псевдоре­альном) масштабах времени, а также может рассматриваться без учета времени. В последнем случае изучению подлежат так называ­емые «замороженные» процессы, которые фиксируются в некото­рый момент времени. Наибольшие сложность и интерес с точки зрения верности получаемых результатов представляет физическое моделирование в реальном масштабе времени.

С точки зрения математического описания объекта и в зависи­мости от его характера модели можно разделить на модели анало­говые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные) .

Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины.

Под цифровой понимают модель , которая описывается уравнениями, связывающими дискретные величины, представлен­ные в цифровом виде.

Под аналого-цифровой понимается модель , которая может быть описана уравнениями, связывающими непре­рывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование, в котором отсутствует непосредственное подо­бие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибер­нетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некото­рых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной моде­ли в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроиз­вести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

ЛЕКЦИЯ 5

«ВОЗМОЖНОСТИ И ЭФФЕКТИВНОСТЬ МОДЕЛИРОВАНИЯ СИСТЕМ НА ЗВМ»

Обеспечение требуемых показателей качества функционирова­ния больших систем, связанное с необходимостью изучения проте­кания стохастических процессов в исследуемых и проектируемых системах S, позволяет проводить комплекс теоретических и экс­периментальных исследований, взаимно дополняющих друг друга. Эффективность экспериментальных исследований сложных систем оказывается крайне низкой, поскольку проведение натурных экс­периментов с реальной системой либо требует больших материаль­ных затрат и значительного времени, либо вообще практически невозможно (например, на этапе проектирования, когда реальная система отсутствует). Эффективность теоретических исследований с практической точки зрения в полной мере проявляется лишь тогда, когда их результаты с требуемой степенью точности и до­стоверности могут быть представлены в виде аналитических соот­ношений или моделирующих алгоритмов, пригодных для получе­ния соответствующих характеристик процесса функционирования исследуемых систем.

1.Средства моделирования систем .

Появление современных ЭВМ было решающим условием широкого внедрения аналитических ме­тодов в исследование сложных систем. Стало казаться, что модели и методы, например математического программирования, станут практическим инструментом решения задач управления в больших системах. Действительно, были достигнуты значительные успехи и создании новых математических методов решения этих задач, однако математическое программирование так и не стало прак­тическим инструментом исследования процесса функционирования сложных систем, так как модели математического программирова­ния оказались слишком грубыми и несовершенными для их эффек­тивного использования. Необходимость учета стохастических свойств системы, недетерминированности исходной информации, наличия корреляционных связей между большим числом перемен­ных и параметров, характеризующих процессы в системах, приво­дят к построению сложных математических моделей, которые не могут быть применены в инженерной практике при исследовании таких систем аналитическим методом. Пригодные для практических расчетов аналитические соотношения удается получить лишь при упрощающих предположениях, обычно существенно искажающих фактическую картину исследуемого процесса. Поэтому в последнее время все ощутимее потребность в разработке методов, которые дали бы возможность уже на этапе проектирования систем исследо­вать более адекватные модели. Указанные обстоятельства приводят к тому, что при исследовании больших систем все шире применяют методы имитационного моделирования.

Наиболее конструктивным средством решения инженерных за­дач на базе моделирования в настоящее время стали ЭВМ. Со­временные ЭВМ можно разделить на две группы: универсальные, прежде всего предназначенные для выполнения расчетных работ, и управляющие, позволяющие проводить не только расчетные ра­боты, но прежде всего приспособленные для управления объектами в реальном масштабе времени. Управляющие ЭВМ могут быть использованы как для управления технологическим процессом, экспериментом, так и для реализации различных имитацион­ных моделей.

В зависимости от того, удается ли построить до­статочно точную математическую модель реального процесса, или вследствие сложности объекта не удается проникнуть в глубь функ­циональных связей реального объекта и описать их какими-то ана­литическими соотношениями, можно рассматривать два основных пути использования ЭВМ:

как средства расчета по полученным аналитическим моделям и

как средства имитационного моделиро­вания.

Для известной аналитической модели, полагая, что она достато­чно точно отображает исследуемую сторону функционирования реального физического объекта, перед вычислительной машиной стоит задача расчета характеристик системы по каким-либо мате­матическим соотношениям при подстановке числовых значений. В этом направлении вычислительные машины обладают возмож­ностями, практически зависящими от порядка решаемого уравнения и от требований к скорости решения, причем могут быть исполь­зованы как ЭВМ, так и АВМ.

При использовании ЭВМ разрабатывается алгоритм расчета характеристик, в соответствии с которым составляются программы (либо генерируются с помощью пакета прикладных программ), дающие возможность осуществлять расчеты по требуемым анали­тическим соотношениям. Основная задача исследователя заключа­ется в том, чтобы попытаться описать поведение реального объекта одной из известных математических моделей.

Использование АВМ, с одной стороны, ускоряет для достаточно простых случаев процесс решения задачи, с другой стороны, могут возникать погрешности, обусловленные наличием дрейфа парамет­ров отдельных блоков, входящих в АВМ, ограниченной точностью, с которой могут быть заданы параметры, вводимые в машину, а также неисправностями технических средств и т. д.

Перспективно сочетание ЭВМ и АВМ, т. е. использование гиб­ридных средств вычислительной техники - гибридных вычислите­льных комплексов (ГВК), что в ряде случаев значительно ускоряет процесс исследования.

В ГВК удается сочетать высокую скорость функционирования аналоговых средств и высокую точность расчетов на базе цифровых средств вычислительной техники. Одновременно удается за счет наличия цифровых устройств обеспечить контроль проведения опе­раций. Опыт использования вычислительной техники в задачах моделирования показывает, что с усложнением объекта большую эффективность по скорости решения и по стоимости выполнения операций дает использование гибридной техники.

Конкретным техническим средством воплощения имитационной модели могут быть ЭВМ, АВМ и ГВК. Если использование анало­говой техники ускоряет получение конечных результатов, сохраняя некоторую наглядность протекания реального процесса, то приме­нение средств цифровой техники позволяет осуществить контроль за реализацией модели, создать программы по обработке и хране­нию результатов моделирования, обеспечить эффективный диалог исследователя с моделью.

Обычно модель строится по иерархическому принципу, когда последовательно анализируются отдельные стороны функциониро­вания объекта и при перемещении центра внимания исследователя рассмотренные ранее подсистемы переходят во внешнюю среду. Иерархическая структура моделей может раскрывать и ту последовательность, в которой изучается реальный объект, а именно после­довательность перехода от структурного (топологического) уровня к функциональному (алгоритмическому) и от функционального к параметрическому.

Результат моделирования в значительной степени зависит от адекватности исходной концептуальной (описательной) модели, от полученной степени подобия описания реального объекта, числа реализаций модели и многих других факторов. В ряде случаев сложность объекта не позволяет не только построить математичес­кую модель объекта, но и дать достаточно близкое кибернетическое описание, и перспективным здесь является выделение наиболее трудно поддающейся математическому описанию части объекта и включение этой реальной части физического объекта в имитаци­онную модель. Тогда модель реализуется, с одной стороны, на базе средств вычислительной техники, а с другой - имеется реальная часть объекта. Это значительно расширяет возможности и повыша­ет достоверность результатов моделирования.

Моделирующая система реализуется на ЭВМ и позволяет ис­следовать модель М , задаваемую в виде определен­ной совокупности отдельных блочных моделей и связей между ними в их взаимодействии в пространстве и времени при реализации какого-либо процесса. Можно выделить три основные группы бло­ков:

блоки, характеризующие моделируемый процесс функциониро­вания системы S;

блоки, отображающие внешнюю среду Е и ее воздействие на реализуемый процесс;

блоки, играющие служебную вспомогательную роль, обеспечивая взаимодействие первых двух, а также выполняющие дополнительные функции по получению и обработке результатов моделирования.

Кроме того, моделирующая система характеризуется набором переменных, с помощью которых удается управлять изучаемым процессом, и набором на­чальных условий, когда можно изменять условия проведения ма­шинного эксперимента.

Таким образом, моделирующая система есть средство проведе­ния машинного эксперимента, причем эксперимент может ставиться многократно, заранее планироваться, могут определяться условия его проведения. Необходимо при этом выбрать методику оценки адекватности получаемых результатов и автоматизировать как про­цессы получения, так и процессы обработки результатов в ходе машинного эксперимента.

2.Обеспечение моделирования .

Моделирующая система характеризуется наличием математического, программного, инфор­мационного, технического, эргономического и других видов обес­печения.

Математическое обеспечение моделирующей системы включает в себя совокупность математических соотношений, опи­сывающих поведение реального объекта, совокупность алгоритмов, обеспечивающих как подготовку, так и работу с моделью. Сюда могут быть отнесены алгоритмы: ввода исходных данных, имита­ции, вывода, обработки.

Программное обеспечение по своему содержанию включает в себя совокупность программ: планирования эксперимента, модели системы, проведения эксперимента, обработки и интерпре­тации результатов. Кроме того, программное обеспечение должно обеспечивать синхронизацию процессов в модели, т. е. необходим блок, организующий псевдопараллельное выполнение процессов в модели. Машинные эксперименты с моделями не могут проходить без хорошо разработан­ного и реализованного информационного обеспечения.

Информационное обеспечение включает в себя средства и технологию организации и реорганизации базы данных модели­рования, методы логической и физической организации массивов, формы документов, описывающих процесс моделирования и его результаты. Информационное обеспечение является наименее разработанной частью, поскольку только в на­стоящее время наблюдается переход к созданию сложных моделей и разрабатывается методология их использования при анализе и синтезе сложных систем с использованием концепции базы данных и знаний.

Техническое обеспечение включает в себя прежде всего средства вычислительной техники, связи и об­мена между оператором и сетью ЭВМ, ввода и вывода инфор­мации, управления проведением эксперимента.

Эргономическое обеспечение пред­ставляет собой совокупность научных и прикладных методик и ме­тодов, а также нормативно-технических и организационно-методи­ческих документов, используемых на всех этапах взаимодействия человека-экспериментатора с инструментальными средствами (ЭВМ, гибридными комплексами и т. д.). Эти документы, использу­емые на всех стадиях разработки и эксплуатации моделирующих систем и их элементов, предназначены для формирования и поддер­жания эргономического качества путем обоснования и выбора ор­ганизационно-проектных решений, которые создают оптимальные условия для высокоэффективной деятельности человека во взаимо­действии с моделирующим комплексом.

Таким образом, моделирующая система может рассматриваться как машинный аналог сложного реального процесса. Она позволяет заменить эксперимент с реальным процессом функционирования системы экспериментом с математической моделью этого процесса в ЭВМ. В настоящее время имитационные эксперименты широко используют в практике проектирования сложных систем, когда реальный эксперимент невозможен.

Возможности и эффективность моделирования систем на ЭВМ

Несмотря на то что имитационное моделирование на ЭВМ является мощным инстру­ментом исследования систем, его применение рационально не во всех случаях. Известно множество задач, решаемых более эффектив­но другими методами. Вместе с тем для большого класса задач исследования и проектирования систем метод имитационного моде­лирования наиболее приемлем. Правильное его употребление воз­можно лишь в случае четкого понимания сущности метода имита­ционного моделирования и условий его использования в практике исследования реальных систем при учете особенностей конкретных систем и возможностей их исследования различными методами.

В качестве основных критериев целесообразности применения метода имитационного моделирования на ЭВМ можно указать следующие: отсутствие или неприемлемость аналитических, числен­ных и качественных методов решения поставленной задачи; наличие достаточного количества исходной информации о моделируемой системе S для обеспечения возможности построения адекватной имитационной модели; необходимость проведения на базе других возможных методов решения очень большого количества вычисле­ний, трудно реализуемых даже с использованием ЭВМ; возмож­ность поиска оптимального варианта системы при ее моделирова­нии на ЭВМ.

Имитационное моделирование на ЭВМ, как и любой метод исследований, имеет достоинства и недостатки, проявляющиеся в конкретных приложениях. К числу основных достоинств ме­тода имитационного моделирования при исследовании сложных систем можно отнести следующие: машинный эксперимент с имита­ционной моделью дает возможность исследовать особенности про­цесса функционирования системы S в любых условиях; применение ЭВМ в имитационном эксперименте существенно сокращает продо­лжительность испытаний по сравнению с натурным экспериментом; имитационная модель позволяет включать результаты натурных испытаний реальной системы или ее частей для проведения даль­нейших исследований; имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров мо­делируемой системы, что важно с точки зрения поиска оптималь­ного варианта системы; имитационное моделирование сложных систем часто является единственным практически реализуемым ме­тодом исследования процесса функционирования таких систем на этапе их проектирования.

Основным недостатком, проявляющимся при машинной реали­зации метода имитационного моделирования, является то, что ре­шение, полученное при анализе имитационной модели М, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям парамет­ров системы S, начальных условий и воздействий внешней среды Е. Поэтому для полного анализа характеристик процесса функциони­рования систем, а не получения только отдельной точки приходится многократно воспроизводить имитационный эксперимент, варьи­руя исходные данные задачи. При этом, как следствие, возникает увеличение затрат машинного времени на проведение эксперимента с имитационной моделью процесса функционирования исследуемой системы S.

Эффективность машинного моделирования. При имитационном моделировании, так же как и при любом другом методе анализа и синтеза системы S, весьма существен вопрос его эффективности. Эффективность имитационного моделирования может оцениваться рядом критериев, в том числе точностью и достоверностью резуль­татов моделирования, временем построения и работы с моделью М, затратами машинных ресурсов (времени и памяти), стоимостью разработки и эксплуатации модели . Очевидно, наилучшей оценкой эффективности является сравнение получаемых результатов с реаль­ным исследованием, т. е. с моделированием на реальном объекте при проведении натурного эксперимента. Поскольку это не всегда удается сделать, статистический подход позволяет с определенной степенью точности при повторяемости машинного эксперимента получить какие-то усредненные характеристики поведения системы. Существенное влияние на точность моделирования оказывает число реализаций, и в зависимости от требуемой достоверности можно оценить необходимое число реализаций воспроизводимого случай­ного процесса.

Существенным показателем эффективности являются затраты машинного времени. В связи с использованием ЭВМ различного типа суммарные затраты складываются из времени по вводу и выводу данных по каждому алгоритму моделирования, времени на проведение вычислительных операций, с учетом обращения к опера­тивной памяти и внешним устройствам, а также сложности каждого моделирующего алгоритма. Расчеты затрат машинного времени являются приближенными и могут уточняться по мере отладки программ и накопления опыта у исследователя при работе с имита­ционной моделью. Большое влияние на затраты машинного време­ни при проведении имитационных экспериментов оказывает рацио­нальное планирование таких экспериментов. Определенное влияние на затраты машинного времени могут оказать процедуры обработ­ки результатов моделирования, а также форма их представления.

Под компьютерным моделированием в самом широком смысле будем понимать процесс создания и исследования моделей с помощью компьютера. Выделяют следующие виды моделирования:

Физическое моделирование: компьютер - часть экспериментальной установки или тренажера, он воспринимает внешние сигналы, осуществляет соответствующие расчеты и выдает сигналы, управляющие различными манипуляторами. Например, учебная модель самолета, представляющая собой кабину, установленную на соответствующих манипуляторах, соединенных с компьютером, который реагирует на действия пилота и изменяет наклон кабины, показания приборов, вид из иллюминатора и т.д., имитируя полет реального самолета;

Динамическое или численное моделирование, предполагающее численное решение системы алгебраических и дифференциальных уравнений методами вычислительной математики и проведение вычислительного эксперимента при различных параметрах системы, начальных условиях и внешних воздействиях. Используется для моделирования различных физических, биологических, социальных и других явлений: колебания маятника, распространение волны, изменение численности населения, популяции данного вида животных и т.д.;

Имитационное моделирование состоит в создании компьютерной программы (или пакета программ), имитирующей поведение сложной технической, экономической или иной системы на ЭВМ с требуемой точностью. Имитационное моделирование предусматривает формальное описание логики функционирования исследуемой системы с течением времени, которое учитывает существенные взаимодействия ее компонентов и обеспечивает проведение статистических экспериментов. Объектно-ориентированные компьютерные симуляции используются для исследования поведения экономических, биологических, социальных и иных систем, для создания компьютерных игр, так называемого «виртуального мира», обучающих программ и анимаций. Например, модель технологического процесса, аэродрома, некоторой отрасли производства и т.д.;

Статистическое моделирование используется для изучения стохастических систем и состоит в многократном проведении испытаний с последующей статистической обработкой получающихся результатов. Подобные модели позволяют исследовать поведение всевозможных систем массового обслуживания, многопроцессорных систем, информационно-вычислительных сетей, различных динамических систем, на которые воздействуют случайные факторы. Статистические модели применяются при решении вероятностных задач, а также при обработке больших массивов данных (интерполяция, экстраполяция, регрессия, корреляция, расчет параметров распределения и т.д.). Они отличаются от детерминированных моделей, использование которых предполагает численное решение систем алгебраических или дифференциальных уравнений, либо замену изучаемого объекта детерминированным автоматом;

Информационное моделирование заключается в создании информационной модели, то есть совокупности специальным образом организованных данных (знаков, сигналов), отражающих наиболее существенные стороны исследуемого объекта. Различают наглядные, графические, анимационные, текстовые, табличные информационные модели. К ним относятся всевозможные схемы, графы, графики, таблицы, диаграммы, рисунки, анимации, выполненные на ЭВМ, в том числе цифровая карта звездного неба, компьютерная модель земной поверхности и т.д.;

Моделирование знаний предполагает построение системы искусственного интеллекта, в основе которой лежит база знаний некоторой предметной области (части реального мира). Базы знаний состоят из фактов (данных) и правил. Например, компьютерная программа, умеющая играть в шахматы, должна оперировать информацией о «способностях» различных шахматных фигур и «знать» правила игры. К данному виду моделей относят семантические сети, логических модели знаний, экспертные системы, логические игры и т.д. Логические модели используются для представления знаний в экспертных системах, для создания систем искусственного интеллекта, осуществления логического вывода, доказательства теорем, математических преобразований, построения роботов, использования естественного языка для общения с ЭВМ, создания эффекта виртуальной реальности в компьютерных играх и т.д.

Исходя из целей моделирования, компьютерные модели подразделяют на группы:

Дескриптивные модели, используемые для понимания природы исследуемого объекта, выявления наиболее существенных факторов, влияющих на его поведение;

Оптимизационные модели, позволяющие выбрать оптимальный способ управления технической, социально экономической или иной системой (например, космической станцией);

Прогностические модели, помогающие прогнозировать состояние объекта в последующие моменты времени (модель земной атмосферы, позволяющая предсказать погоду);

Учебные модели, применяемые для обучения, тренинга и тестирования учащихся, студентов, будущих специалистов;

Игровые модели, позволяющие создать игровую ситуацию, имитирующую управление армией, государством, предприятием, человеком, самолетом и т.д., либо играющие в шахматы, шашки и другие логические игры.

С развитием вычислительной техники все важнее становится роль компьютерного моделирования в решении прикладных и научных задач. Для проведения компьютерных экспериментов строится подходящая математическая модель и подбираются соответствующие средства разработки программного обеспечения. Выбор языка программирования оказывает огромное влияние на реализацию полученной модели.

Традиционно под моделированием на ЭВМ понималось лишь имитационное моделирование. Можно, однако, увидеть, что и при других видах моделирования компьютер может быть весьма полезен, за исключением разве физического моделирования, где компьютер вообще-то тоже может использоваться, но, скорее, для целей управления процессом моделирования. Например при математическом моделировании выполнение одного из основных этапов - построение математических моделей по экспериментальным данным - в настоящее время просто немыслимо без компьютера. В последние годы, благодаря развитию графического интерфейса и графических пакетов, широкое развитие получило компьютерное, структурно-функциональное моделирование, о котором подробно поговорим ниже. Положено начало использованию компьютера даже при концептуальном моделировании, где он используется, например, при построении систем искусственного интеллекта.

Таким образом, мы видим, что понятие "компьютерное моделирование" значительно шире традиционного понятия "моделирование на ЭВМ " и нуждается в уточнении, учитывающем сегодняшние реалии.
Начнем с термина "компьютерная модель " .

В настоящее время под компьютерной моделью чаще всего понимают:

• условный образ объекта или некоторой системы объектов (или процессов), описанный с помощью взаимосвязанных компьютерных таблиц, блок-схем, диаграмм, графиков, рисунков, анимационных фрагментов, гипертекстов и т. д. и отображающий структуру и взаимосвязи между элементами объекта. Компьютерные модели такого вида мы будем называть структурно-функциональными;
• отдельную программу, совокупность программ, программный комплекс, позволяющий с помощью последовательности вычислений и графического отображения их результатов, воспроизводить (имитировать) процессы функционирования объекта, системы объектов при условии воздействия на объект различных, как правило случайных, факторов. Такие модели мы будем далее называть имитационными моделями.

Компьютерное моделирование - метод решения задачи анализа или синтеза сложной системы на основе использования ее компьютерной модели.

Суть компьютерного моделирования заключена в получении количественных и качественных результатов по имеющейся модели. Качественные выводы, получаемые по результатам анализа, позволяют обнаружить неизвестные ранее свойства сложной системы: ее структуру, динамику развития, устойчивость, целостность и др. Количественные выводы в основном носят характер прогноза некоторых будущих или объяснения прошлых значений переменных, характеризирующих систему. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ.

Основные функции компьютера при моделировании:

• выполнять роль вспомогательного средства для решения задач, решаемых обычными вычислительными средствами, алгоритмами, технологиями;
• выполнять роль средства постановки и решения новых задач, не решаемых традиционными средствами, алгоритмами, технологиями;
• выполнять роль средства конструирования компьютерных обучающе - моделирующих сред;
• выполнять роль средства моделирования для получения новых знаний;
• выполнять роль "обучения" новых моделей (самообучающиеся модели).

Разновидностью компьютерного моделирования является вычислительный эксперимент.
Компьютерная модель - это модель реального процесса или явления, реализованная компьютерными средствами. Если состояние системы меняется со временем, то модели называют динамическими , в противном случае - статическими .

Процессы в системе могут протекать по-разному в зависимости от условий, в которых находится система. Следить за поведением реальной системы при различных условиях бывает трудно, а иногда и невозможно. В таких случаях, построив модель, можно многократно возвращаться к начальному состоянию и наблюдать за ее поведением. Этот метод исследования систем называется имитационным моделированием .

Примером имитационного моделирование может служить вычисление числа = 3,1415922653... методом Монте-Карло. Этот метод позволяет определять площади и объемы фигур (тел), которые сложно вычислить другими методами. Предположим, что требуется определить площадь круга. Опишем вокруг него квадрат (площадь которого, как известно, равна квадрату его стороны) и будем случайным образом бросать в квадрат точки, проверяя каждый раз, попала ли точка в круг или нет. При большом числе точек отношение площади круга к площади квадрата будет стремиться к отношению числа точек, попавших в круг, к общему числу брошенных точек.

Теоретическая основа этого метода была известна давно, однако до появления компьютеров этот метод не мог найти сколько-нибудь широкого применения, ибо моделировать случайные величины вручную - очень трудоемкая работа. Название метода происходит от города Монте-Карло в княжестве Монако, знаменитого своими игорными домами, ибо одним из механических приборов для получения случайных величин является рулетка.

Следует заметить, что данный метод вычисления площади круга будет давать корректный результат только если точки будут не просто случайно , но еще и равномерно разбросанными по всему квадрату. Для моделирования равномерно распределенных в интервале от 0 до 1 случайных чисел используется датчик случайных чисел - специальная компьютерная программа. На самом деле эти числа определяются по некоторому алгоритму и уже в силу этого они не являются вполне случайными. Получаемые таком способом числа часто называют псевдослучайными . Вопрос о качестве датчиков случайных чисел весьма непрост, однако для решения не слишком сложных задач обычно достаточно возможностей датчиков, встроенных в большинство систем программирования и электронных таблиц.

Заметим, что располагая датчиком равномерно распределенных случайных чисел, генерирующим числа r из интервала }