โมเดลจำลอง สาระสำคัญของวิธีการจำลอง

ในการสร้างแบบจำลองการจำลอง ผลลัพธ์ไม่สามารถคำนวณหรือคาดการณ์ล่วงหน้าได้ ดังนั้น ในการคาดการณ์พฤติกรรมของระบบที่ซับซ้อน (พลังงานไฟฟ้า, SES ของโรงงานผลิตขนาดใหญ่ ฯลฯ) จำเป็นต้องมีการทดลอง การจำลองบนแบบจำลองด้วยข้อมูลเบื้องต้นที่ให้ไว้

การจำลองแบบจำลองของระบบที่ซับซ้อนใช้ในการแก้ปัญหาต่อไปนี้

หากไม่มีข้อความที่สมบูรณ์ของปัญหาการวิจัยและกระบวนการรับรู้เกี่ยวกับวัตถุของแบบจำลองกำลังดำเนินการอยู่

หากมีวิธีการวิเคราะห์ แต่ขั้นตอนทางคณิตศาสตร์นั้นซับซ้อนและใช้เวลานานมาก ซึ่งการจำลองแบบจำลองจะให้วิธีที่ง่ายกว่าในการแก้ปัญหา

นอกจากการประมาณค่าพารามิเตอร์ของระบบที่ซับซ้อนแล้ว ควรตรวจสอบพฤติกรรมของส่วนประกอบในช่วงเวลาหนึ่ง

เมื่อการจำลองเป็นวิธีเดียวในการศึกษาระบบที่ซับซ้อนเนื่องจากไม่สามารถสังเกตปรากฏการณ์ในสภาพจริงได้

เมื่อจำเป็นต้องควบคุมการไหลของกระบวนการในระบบที่ซับซ้อนโดยเร่งหรือชะลอปรากฏการณ์ระหว่างการจำลอง

ในการฝึกอบรมผู้เชี่ยวชาญและการพัฒนาเทคโนโลยีใหม่ๆ

เมื่อมีการศึกษาสถานการณ์ใหม่ๆ ในระบบที่ซับซ้อนซึ่งไม่ค่อยมีใครรู้หรือไม่รู้เลย

ลำดับของเหตุการณ์ในระบบที่ซับซ้อนที่ออกแบบมาจึงมีความสำคัญเป็นพิเศษ และแบบจำลองนี้ใช้เพื่อทำนาย "ปัญหาคอขวด" ของการทำงานของระบบ

การสร้างแบบจำลองการจำลองของระบบที่ซับซ้อนเริ่มต้นด้วยคำสั่งปัญหา แต่บ่อยครั้งที่ลูกค้าไม่ได้กำหนดงานให้ชัดเจนเพียงพอ ดังนั้น งานมักจะเริ่มต้นด้วยการศึกษาเชิงสำรวจของระบบ สิ่งนี้สร้างข้อมูลใหม่เกี่ยวกับข้อจำกัด ความท้าทาย และทางเลือกอื่นที่เป็นไปได้ ส่งผลให้เกิดขั้นตอนต่อไปนี้:

จัดทำคำอธิบายที่มีความหมายของระบบ

การเลือกตัวชี้วัดคุณภาพ

ความหมายของตัวแปรควบคุม

คำอธิบายโดยละเอียดของโหมดการทำงาน

พื้นฐานของการจำลองแบบจำลองคือวิธีการสร้างแบบจำลองทางสถิติ (วิธีมอนติคาร์โล) นี่เป็นวิธีการเชิงตัวเลขในการแก้ปัญหาทางคณิตศาสตร์โดยการสร้างแบบจำลองตัวแปรสุ่ม วันเดือนปีเกิดของวิธีนี้ถือเป็นปีพ. ศ. 2492 ผู้สร้างคือนักคณิตศาสตร์ชาวอเมริกัน L. Neumann และ S. Ulam บทความแรกเกี่ยวกับวิธีการมอนติคาร์โลถูกตีพิมพ์ในประเทศของเราในปี 1955 อย่างไรก็ตาม ก่อนการมาถึงของคอมพิวเตอร์ วิธีนี้ไม่สามารถหาการประยุกต์ใช้แบบกว้างๆ ได้ เนื่องจากการจำลองตัวแปรสุ่มด้วยตนเองเป็นงานที่ลำบากมาก ชื่อของวิธีการนี้มาจากเมืองมอนติคาร์โลในอาณาเขตของโมนาโก ซึ่งมีชื่อเสียงจากบ้านเล่นการพนัน ความจริงก็คือหนึ่งในอุปกรณ์กลไกที่ง่ายที่สุดในการรับตัวแปรสุ่มคือเทปวัด

พิจารณาตัวอย่างคลาสสิก คุณต้องคำนวณพื้นที่ของรูปทรงแบนตามอำเภอใจ ขอบเขตของมันสามารถเป็นเส้นโค้งโดยกำหนดเป็นกราฟิกหรือวิเคราะห์ซึ่งประกอบด้วยหลายส่วน ให้นี่คือรูปของรูปที่ 3.20. สมมติว่าตัวเลขทั้งหมดอยู่ภายในตารางหน่วย มาเลือกสี่เหลี่ยมกันเถอะ
คะแนนสุ่ม แสดงโดย
จำนวนจุดที่อยู่ภายในรูปร่าง . จะเห็นได้ชัดเจนว่าพื้นที่ ประมาณเท่ากับอัตราส่วน
. ยิ่ง
ยิ่งมีความแม่นยำในการประมาณการมากขึ้น

R คือ.3.20.ภาพประกอบตัวอย่าง

ในตัวอย่างของเรา
,
(ข้างใน ). จากที่นี่
. พื้นที่จริงสามารถคำนวณได้ง่ายและมีค่าเท่ากับ 0.25

วิธีมอนติคาร์โลมีสองลักษณะ

ฟีเจอร์แรก– ความเรียบง่ายของอัลกอริธึมการคำนวณ ในโปรแกรมการคำนวณ จำเป็นต้องกำหนดว่าสำหรับการดำเนินการสุ่มหนึ่งเหตุการณ์ จำเป็นต้องเลือกจุดสุ่มและตรวจสอบว่าเป็นของ . การทดสอบนี้ซ้ำแล้วซ้ำอีก
ครั้ง และการทดสอบแต่ละครั้งไม่ได้ขึ้นอยู่กับการทดสอบอื่น และผลลัพธ์ของการทดสอบทั้งหมดจะถูกนำมาเฉลี่ย ดังนั้นจึงเรียกวิธีการ - วิธีการทดสอบทางสถิติ

คุณสมบัติที่สองวิธี: ข้อผิดพลาดในการคำนวณมักจะเป็นสัดส่วนกับ

,

ที่ไหน
เป็นค่าคงที่;
คือจำนวนการทดลอง

สูตรนี้แสดงให้เห็นว่าเพื่อลดข้อผิดพลาดลง 10 เท่า (กล่าวคือเพื่อให้ได้ตำแหน่งทศนิยมที่ถูกต้องมากกว่าหนึ่งตำแหน่งในคำตอบ) คุณต้องเพิ่ม
(ปริมาณการทดสอบ) 100 ครั้ง

ความคิดเห็นวิธีการคำนวณจะใช้ได้ก็ต่อเมื่อแต้มสุ่มไม่ได้เป็นเพียงการสุ่มแต่ยังมีการกระจายอย่างสม่ำเสมอ

การใช้แบบจำลองการจำลอง (รวมถึงวิธีมอนติคาร์โลและการดัดแปลง) สำหรับการคำนวณความน่าเชื่อถือของระบบทางเทคนิคที่ซับซ้อนนั้นขึ้นอยู่กับข้อเท็จจริงที่ว่ากระบวนการทำงานนั้นแสดงด้วยแบบจำลองความน่าจะเป็นทางคณิตศาสตร์ที่สะท้อนเหตุการณ์ทั้งหมดแบบเรียลไทม์ (ความล้มเหลว) , การกู้คืน) ที่เกิดขึ้นในระบบ

ด้วยความช่วยเหลือของแบบจำลองดังกล่าว กระบวนการของการทำงานของระบบจึงถูกจำลองซ้ำๆ บนคอมพิวเตอร์ และพิจารณาจากผลลัพธ์ที่ได้ จะกำหนดลักษณะทางสถิติที่ต้องการของกระบวนการนี้ ซึ่งเป็นตัวชี้วัดความน่าเชื่อถือ การใช้วิธีการจำลองช่วยให้สามารถพิจารณาความล้มเหลวที่ขึ้นต่อกัน กฎการกระจายโดยพลการของตัวแปรสุ่ม และปัจจัยอื่นๆ ที่ส่งผลต่อความน่าเชื่อถือ

อย่างไรก็ตาม วิธีการเหล่านี้ เช่นเดียวกับวิธีการเชิงตัวเลขอื่นๆ จะให้วิธีแก้ปัญหาเฉพาะที่สอดคล้องกับข้อมูลเบื้องต้นเฉพาะ (ส่วนตัว) เท่านั้น โดยไม่อนุญาตให้รับตัวบ่งชี้ความน่าเชื่อถือตามฟังก์ชันของเวลา ดังนั้น เพื่อที่จะทำการวิเคราะห์ความน่าเชื่อถืออย่างครอบคลุม จึงจำเป็นต้องจำลองกระบวนการการทำงานของระบบซ้ำๆ ด้วยข้อมูลเริ่มต้นที่แตกต่างกัน

ในกรณีของเรา อย่างแรกเลย โครงสร้างระบบไฟฟ้าที่แตกต่างกัน ค่าความน่าจะเป็นของความล้มเหลวที่แตกต่างกันและระยะเวลาของการทำงานที่ปราศจากข้อผิดพลาด ซึ่งสามารถเปลี่ยนแปลงได้ระหว่างการทำงานของระบบ และตัวชี้วัดประสิทธิภาพอื่นๆ .

ขั้นตอนการทำงานของระบบไฟฟ้า (หรือการติดตั้งระบบไฟฟ้า) แสดงเป็นกระแสของเหตุการณ์สุ่ม - การเปลี่ยนแปลงสถานะเกิดขึ้นในเวลาสุ่ม การเปลี่ยนแปลงในสถานะของ EPS เกิดจากความล้มเหลวและการคืนค่าองค์ประกอบที่เป็นส่วนประกอบ

พิจารณาการแสดงแผนผังของกระบวนการทำงานของ EPS ซึ่งประกอบด้วย องค์ประกอบ (รูปที่ 3.21) ซึ่งยอมรับการกำหนดต่อไปนี้:

-ช่วงเวลา ความล้มเหลว -องค์ประกอบที่;

-ช่วงเวลา การฟื้นตัว -องค์ประกอบที่;

– ช่วงเวลาทำงาน -องค์ประกอบที่หลัง
การกู้คืน;

– ระยะเวลาพักฟื้น -องค์ประกอบที่หลัง th การปฏิเสธ;

–ฉัน- สถานะของ EPS ในช่วงเวลานั้น .

ปริมาณ ,สัมพันธ์กันด้วยความสัมพันธ์:

(3.20)

ความล้มเหลวและการกู้คืนเกิดขึ้นในเวลาสุ่ม ดังนั้น ช่วงเวลา และ ถือได้ว่าเป็นการรับรู้ของตัวแปรสุ่มอย่างต่อเนื่อง: – เวลาระหว่างความล้มเหลว - เวลาการกู้คืน -องค์ประกอบที่

กระแสเหตุการณ์
อธิบายช่วงเวลาของเหตุการณ์ที่เกิดขึ้น
.

การสร้างแบบจำลองของกระบวนการทำงานประกอบด้วยการสร้างแบบจำลองช่วงเวลาของการเปลี่ยนแปลงในสถานะของ EPS ตามกฎหมายที่กำหนดของการกระจายเวลาทำงานระหว่างความล้มเหลวและเวลาการกู้คืนขององค์ประกอบที่เป็นส่วนประกอบในช่วงเวลา ตู่(ระหว่าง PPR)

มีสองวิธีที่เป็นไปได้ในการสร้างแบบจำลองการทำงานของ EPS

ในแนวทางแรก อันดับแรกสำหรับแต่ละ - องค์ประกอบของระบบ
กำหนดตามกฎที่กำหนดของการกระจายเวลาการทำงานระหว่างความล้มเหลวและเวลาการกู้คืน ช่วงเวลา
และ
และคำนวณโดยใช้สูตร (3.20) ช่วงเวลาของความล้มเหลวและการบูรณะที่อาจเกิดขึ้นตลอดระยะเวลาที่ศึกษา การทำงานของ EPS หลังจากนั้นก็เป็นไปได้ที่จะจัดช่วงเวลาของความล้มเหลวและการฟื้นฟูองค์ประกอบซึ่งเป็นช่วงเวลาของการเปลี่ยนแปลงในสถานะของ EPS ตามลำดับจากน้อยไปมาก ดังแสดงในรูปที่ 3.21

R คือ.3.21. EPS รัฐ

ตามด้วยการวิเคราะห์สถานะที่ได้จากการสร้างแบบจำลอง A ฉันระบบที่เป็นของพวกมันในพื้นที่ของรัฐที่ปฏิบัติการได้หรือใช้งานไม่ได้ ด้วยวิธีนี้ จำเป็นต้องบันทึกช่วงเวลาแห่งความล้มเหลวและการคืนค่าองค์ประกอบทั้งหมดของ EPS ในหน่วยความจำคอมพิวเตอร์

สะดวกกว่าคือ แนวทางที่สองซึ่งสำหรับองค์ประกอบทั้งหมด เฉพาะช่วงเวลาของความล้มเหลวครั้งแรกเท่านั้นที่จะถูกจำลองขึ้นเป็นครั้งแรก ตามค่าขั้นต่ำของพวกเขา การเปลี่ยนแปลงครั้งแรกของ EPS เป็นสถานะอื่นจะเกิดขึ้น (จาก แต่ 0 ถึง A ฉัน) และในขณะเดียวกันก็มีการตรวจสอบว่าสถานะที่ได้รับนั้นเป็นของพื้นที่ของรัฐที่ใช้งานได้หรือใช้งานไม่ได้

จากนั้น ช่วงเวลาของการกู้คืนและความล้มเหลวครั้งต่อไปขององค์ประกอบที่ทำให้เกิดการเปลี่ยนแปลงในสถานะก่อนหน้าของ EPS จะถูกจำลองและแก้ไข อีกครั้ง เวลาที่น้อยที่สุดของความล้มเหลวครั้งแรกและความล้มเหลวครั้งที่สองขององค์ประกอบจะถูกกำหนด สถานะที่สองของ EPS จะถูกสร้างและวิเคราะห์ - ฯลฯ

แนวทางในการสร้างแบบจำลองดังกล่าวมีความสอดคล้องกับกระบวนการทำงานของ EPS จริงมากกว่า เนื่องจากช่วยให้พิจารณาเหตุการณ์ที่ขึ้นต่อกันได้ ในแนวทางแรก ความเป็นอิสระของการทำงานขององค์ประกอบของ EPS นั้นจำเป็นต้องสันนิษฐาน เวลาคำนวณของตัวบ่งชี้ความน่าเชื่อถือโดยการจำลองขึ้นอยู่กับจำนวนการทดลองทั้งหมด
จำนวนสถานะที่พิจารณาของ EES จำนวนองค์ประกอบในนั้น ดังนั้น หากสถานะที่สร้างขึ้นกลายเป็นสถานะของความล้มเหลวของ EPS ช่วงเวลาของความล้มเหลวของ EPS จะได้รับการแก้ไขและคำนวณ ช่วงเวลาการทำงาน EPS จากช่วงเวลาของการกู้คืนหลังจากความล้มเหลวครั้งก่อน การวิเคราะห์สถานะที่เกิดขึ้นจะดำเนินการตลอดช่วงเวลาที่พิจารณาทั้งหมด ตู่.

โปรแกรมสำหรับคำนวณตัวบ่งชี้ความน่าเชื่อถือประกอบด้วยส่วนหลักและบล็อกรูทีนย่อยอิสระที่แยกจากกันตามตรรกะ ในส่วนหลัก ตามลำดับตรรกะทั่วไปของการคำนวณ มีการเรียกรูทีนย่อยวัตถุประสงค์พิเศษ การคำนวณตัวบ่งชี้ความน่าเชื่อถือโดยใช้สูตรที่รู้จัก และผลลัพธ์ของการคำนวณสำหรับการพิมพ์

ลองพิจารณาผังงานแบบง่ายที่แสดงลำดับของงานในการคำนวณตัวบ่งชี้ความน่าเชื่อถือของ EPS โดยใช้วิธีการจำลอง (รูปที่ 3.22)

รูทีนย่อยสำหรับวัตถุประสงค์พิเศษดำเนินการ: ป้อนข้อมูลเบื้องต้น; การสร้างแบบจำลองช่วงเวลาแห่งความล้มเหลวและการฟื้นฟูองค์ประกอบตามกฎหมายว่าด้วยการกระจายเวลาทำงานและเวลาการกู้คืน การกำหนดค่าขั้นต่ำของช่วงเวลาแห่งความล้มเหลวและช่วงเวลาของการฟื้นฟูองค์ประกอบและการระบุองค์ประกอบที่รับผิดชอบต่อค่าเหล่านี้ การสร้างแบบจำลองของกระบวนการทำงานของ EES ในช่วงเวลาและการวิเคราะห์สถานะที่เกิดขึ้น

ด้วยการสร้างโปรแกรมดังกล่าว เป็นไปได้โดยไม่กระทบต่อตรรกะทั่วไปของโปรแกรม เพื่อทำการเปลี่ยนแปลงที่จำเป็นและส่วนเพิ่มเติมที่เกี่ยวข้อง ตัวอย่างเช่น การเปลี่ยนแปลงกฎหมายที่เป็นไปได้ของการกระจายเวลาการทำงานและเวลาการกู้คืนขององค์ประกอบ

R is.3.22. บล็อกไดอะแกรมของอัลกอริทึมสำหรับการคำนวณตัวบ่งชี้ความน่าเชื่อถือโดยการจำลอง

การสร้างแบบจำลองการจำลอง

แนวคิดของแบบจำลองจำลอง

แนวทางการสร้างแบบจำลองจำลอง

ตามคำจำกัดความของนักวิชาการ V. Maslov: “การจำลองแบบจำลองประกอบด้วยการสร้างแบบจำลองทางจิต (เครื่องจำลอง) ที่จำลองวัตถุและกระบวนการ (เช่น เครื่องจักรและงาน) ตามตัวบ่งชี้ที่จำเป็น (แต่ไม่สมบูรณ์): สำหรับ เช่น เวลาทำงาน ความเข้มข้น ต้นทุนทางเศรษฐกิจ ที่ตั้งร้าน เป็นต้น เป็นความไม่สมบูรณ์ของคำอธิบายของวัตถุที่ทำให้แบบจำลองการจำลองโดยพื้นฐานแตกต่างจากแบบจำลองทางคณิตศาสตร์ในความหมายดั้งเดิมของคำ จากนั้นจะมีการค้นหาในการสนทนากับคอมพิวเตอร์ที่มีตัวเลือกที่เป็นไปได้มากมาย และตัวเลือกในกรอบเวลาที่กำหนดของวิธีแก้ปัญหาที่ยอมรับได้มากที่สุดจากมุมมองของวิศวกร ในขณะเดียวกันก็ใช้สัญชาตญาณและประสบการณ์ของวิศวกรที่ตัดสินใจซึ่งเข้าใจสถานการณ์ที่ยากลำบากที่สุดในการผลิต

ในการศึกษาวัตถุที่ซับซ้อนดังกล่าว อาจไม่พบวิธีแก้ปัญหาที่เหมาะสมที่สุดในความหมายทางคณิตศาสตร์อย่างเคร่งครัด แต่คุณจะได้รับวิธีแก้ปัญหาที่ยอมรับได้ในเวลาอันสั้น โมเดลจำลองประกอบด้วยองค์ประกอบฮิวริสติก บางครั้งใช้ข้อมูลที่ไม่ถูกต้องและขัดแย้งกัน ทำให้การจำลองใกล้เคียงกับชีวิตจริงและเข้าถึงได้ง่ายขึ้นสำหรับผู้ใช้ - วิศวกรในอุตสาหกรรม ในการพูดคุยกับคอมพิวเตอร์ ผู้เชี่ยวชาญจะขยายประสบการณ์ พัฒนาสัญชาตญาณ ในทางกลับกัน โอนไปยังแบบจำลองการจำลอง

จนถึงตอนนี้ เราได้พูดคุยกันมากมายเกี่ยวกับออบเจกต์ต่อเนื่อง แต่ไม่ใช่เรื่องแปลกที่จะจัดการกับอ็อบเจกต์ที่มีตัวแปรอินพุตและเอาต์พุตแยกกัน เป็นตัวอย่างการวิเคราะห์พฤติกรรมของวัตถุดังกล่าวโดยใช้แบบจำลองการจำลอง ให้เราพิจารณา "ปัญหาคนเมาที่สัญจรไปมา" หรือปัญหาการเดินสุ่ม

ให้​เรา​คิด​ว่า​คน​ที่​เดินผ่าน​ไป​ซึ่ง​ยืน​อยู่​ตรง​หัวมุม​ถนน​ตัดสิน​ใจ​จะ​เดิน​แยก​ย้าย​กระโดด. ให้ความน่าจะเป็นที่ถึงสี่แยกถัดไปเขาจะไปเหนือ ใต้ ตะวันออก หรือตะวันตก เท่ากัน. ความน่าจะเป็นที่หลังจากเดิน 10 ช่วงตึกแล้ว คนที่เดินผ่านไปจะอยู่ห่างจากที่ที่เขาเริ่มเดินไม่เกินสองช่วงตึกเป็นเท่าใด

ระบุตำแหน่งที่จุดตัดแต่ละจุดด้วยเวกเตอร์สองมิติ

(X1, X2) ("ออก") โดยที่

การย้ายแต่ละบล็อกไปทางทิศตะวันออกสอดคล้องกับการเพิ่มขึ้นของ X1 ทีละ 1 และแต่ละการย้ายไปยังหนึ่งบล็อกทางทิศตะวันตกสอดคล้องกับการลดลงใน X1 ขึ้น 1 (X1, X2 เป็นตัวแปรที่ไม่ต่อเนื่อง) ในทำนองเดียวกัน การย้ายผู้สัญจรไปทางเหนือหนึ่งช่วงตึก X2 เพิ่มขึ้น 1 และอีกหนึ่งช่วงตึกทางใต้ X2 ลดลง 1

ทีนี้ หากเรากำหนดตำแหน่งเริ่มต้นเป็น (0,0) เราจะรู้แน่ชัดว่าผู้สัญจรไปมาจะสัมพันธ์กับตำแหน่งเริ่มต้นนี้ที่ใด

หากเมื่อสิ้นสุดการเดิน ผลรวมของค่าสัมบูรณ์ของ X1 และ X2 มากกว่า 2 เราจะถือว่าเขาได้ไปไกลกว่าสองช่วงตึกเมื่อสิ้นสุดการเดิน 10 ช่วงตึก

เนื่องจากความน่าจะเป็นที่ผู้สัญจรไปมาในสี่ทิศทางที่เป็นไปได้นั้นเท่ากันและเท่ากับ 0.25 (1:4=0.25) เราจึงสามารถประมาณการเคลื่อนไหวของเขาโดยใช้ตารางตัวเลขสุ่ม ตกลงกันว่าถ้าตัวเลขสุ่ม (SN) อยู่ระหว่าง 0 ถึง 24 คนเมาจะไปทางตะวันออกและเราจะเพิ่ม X1 ขึ้น 1 ถ้าจาก 25 เป็น 49 มันจะไปทางทิศตะวันตกและเราจะลด X1 ลง 1 ถ้าจาก 50 เป็น 74 เขาจะไปทางเหนือและเราจะเพิ่ม X2 ขึ้น 1 หากเสียงกลางอยู่ระหว่าง 74 ถึง 99 ผู้สัญจรไปมาจะไปทางใต้ และเราจะลด X2 ลง 1

โครงการ (a) และอัลกอริทึม (b) ของการเคลื่อนไหวของ "คนเมา"

ก) ข)

จำเป็นต้องดำเนินการ "การทดลองด้วยเครื่องจักร" จำนวนมากเพียงพอเพื่อให้ได้ผลลัพธ์ที่เชื่อถือได้ แต่ในทางปฏิบัติแล้วเป็นไปไม่ได้เลยที่จะแก้ปัญหาดังกล่าวด้วยวิธีการอื่น

ในวรรณคดี วิธีการจำลองยังพบได้ภายใต้ชื่อของดิจิทัล เครื่องจักร สถิติ ความน่าจะเป็น แบบจำลองไดนามิก หรือวิธีการจำลองด้วยเครื่องจักร

วิธีจำลองถือเป็นวิธีทดลองชนิดหนึ่ง ความแตกต่างจากการทดลองทั่วไปคือ วัตถุประสงค์ของการทดลองคือแบบจำลองจำลองที่นำมาใช้เป็นโปรแกรมคอมพิวเตอร์

การใช้แบบจำลองการจำลอง ทำให้ไม่สามารถรับความสัมพันธ์เชิงวิเคราะห์ระหว่างปริมาณได้

เป็นไปได้ที่จะประมวลผลข้อมูลการทดลองด้วยวิธีใดวิธีหนึ่งและเลือกนิพจน์ทางคณิตศาสตร์ที่เหมาะสม

เมื่อสร้างแบบจำลองจำลองที่ใช้อยู่ในปัจจุบัน สอง เข้าใกล้: ไม่ต่อเนื่องและต่อเนื่อง

ทางเลือกของวิธีการส่วนใหญ่จะพิจารณาจากคุณสมบัติของวัตถุ - ต้นฉบับและธรรมชาติของอิทธิพลของสภาพแวดล้อมภายนอกที่มีต่อวัตถุ

อย่างไรก็ตาม ตามทฤษฎีบท Kotelnikov กระบวนการต่อเนื่องของการเปลี่ยนแปลงสถานะของวัตถุถือได้ว่าเป็นลำดับของรัฐที่ไม่ต่อเนื่องและในทางกลับกัน

เมื่อใช้วิธีการที่ไม่ต่อเนื่องเพื่อสร้างแบบจำลองการจำลอง มักใช้ระบบนามธรรม

แนวทางอย่างต่อเนื่องในการสร้างแบบจำลองจำลองได้รับการพัฒนาอย่างกว้างขวางโดยนักวิทยาศาสตร์ชาวอเมริกัน J. Forrester วัตถุที่สร้างแบบจำลองโดยไม่คำนึงถึงธรรมชาติของวัตถุนั้นถูกทำให้เป็นระบบนามธรรมต่อเนื่องระหว่างองค์ประกอบที่ "กระแส" อย่างต่อเนื่องของธรรมชาติอย่างใดอย่างหนึ่งหรืออย่างอื่นหมุนเวียน

ดังนั้น ภายใต้แบบจำลองแบบจำลองของวัตถุดั้งเดิม ในกรณีทั่วไป เราสามารถเข้าใจระบบบางระบบที่ประกอบด้วยระบบย่อยที่แยกจากกัน (องค์ประกอบ ส่วนประกอบ) และการเชื่อมต่อระหว่างกัน (มีโครงสร้าง) และการทำงาน (การเปลี่ยนแปลงสถานะ) และภายใน การเปลี่ยนแปลงองค์ประกอบทั้งหมดของแบบจำลองภายใต้การกระทำของการเชื่อมต่อสามารถกำหนดอัลกอริธึมไม่ทางใดก็ทางหนึ่งในลักษณะเดียวกับการโต้ตอบของระบบกับสภาพแวดล้อมภายนอก

ขอบคุณไม่เพียง แต่เทคนิคทางคณิตศาสตร์เท่านั้น แต่ยังรวมถึงความสามารถที่รู้จักกันดีของคอมพิวเตอร์ด้วยในการสร้างแบบจำลองการจำลองกระบวนการทำงานและปฏิสัมพันธ์ขององค์ประกอบต่าง ๆ ของระบบนามธรรมสามารถอัลกอริทึมและทำซ้ำได้ - ไม่ต่อเนื่องและต่อเนื่องความน่าจะเป็นและกำหนดขึ้น ทำหน้าที่ของการบริการ ความล่าช้า ฯลฯ

โปรแกรมคอมพิวเตอร์ (ร่วมกับเซอร์วิสโปรแกรม) ที่เขียนด้วยภาษาระดับสูงสากลทำหน้าที่เป็นแบบจำลองการจำลองของวัตถุในสูตรนี้

นักวิชาการ NN Moiseev ได้กำหนดแนวคิดของการจำลองแบบจำลองดังนี้: “ระบบจำลองคือชุดของแบบจำลองที่จำลองกระบวนการภายใต้การศึกษา รวมกับระบบพิเศษของโปรแกรมเสริมและฐานข้อมูลที่ช่วยให้คุณค่อนข้างง่ายและ ใช้การคำนวณตัวแปรอย่างรวดเร็ว”

การจำลอง

การสร้างแบบจำลองการจำลอง (การสร้างแบบจำลองสถานการณ์)- วิธีการที่ช่วยให้คุณสร้างแบบจำลองที่อธิบายกระบวนการต่างๆ ตามที่จะเกิดขึ้นจริง โมเดลดังกล่าวสามารถ "เล่น" ได้ทันเวลาสำหรับการทดสอบครั้งเดียวและชุดที่กำหนด ในกรณีนี้ ผลลัพธ์จะถูกกำหนดโดยลักษณะสุ่มของกระบวนการ จากข้อมูลเหล่านี้ เราสามารถได้รับสถิติที่ค่อนข้างเสถียร

แบบจำลองการจำลองเป็นวิธีการวิจัยที่ระบบที่อยู่ระหว่างการศึกษาถูกแทนที่ด้วยแบบจำลองที่อธิบายระบบจริงที่มีความแม่นยำเพียงพอ โดยทำการทดลองเพื่อให้ได้ข้อมูลเกี่ยวกับระบบนี้ การทดลองกับแบบจำลองเรียกว่าการเลียนแบบ (การเลียนแบบเป็นการทำความเข้าใจสาระสำคัญของปรากฏการณ์โดยไม่ต้องอาศัยการทดลองกับวัตถุจริง)

การสร้างแบบจำลองการจำลองเป็นกรณีพิเศษของการสร้างแบบจำลองทางคณิตศาสตร์ มีคลาสของอ็อบเจ็กต์ที่ ตัวแบบวิเคราะห์ยังไม่ได้รับการพัฒนา ด้วยเหตุผลต่างๆ นานา หรือวิธีการในการแก้ไขโมเดลผลลัพธ์ยังไม่ได้รับการพัฒนา ในกรณีนี้ โมเดลเชิงวิเคราะห์จะถูกแทนที่ด้วยเครื่องจำลองหรือแบบจำลอง

การจำลองแบบบางครั้งเรียกว่าการได้มาซึ่งคำตอบเชิงตัวเลขของปัญหาที่กำหนดขึ้นโดยอาศัยโซลูชันการวิเคราะห์หรือการใช้วิธีการเชิงตัวเลข

โมเดลจำลองเป็นคำอธิบายเชิงตรรกะและคณิตศาสตร์ของวัตถุที่สามารถใช้สำหรับการทดลองบนคอมพิวเตอร์เพื่อออกแบบ วิเคราะห์ และประเมินการทำงานของวัตถุ

การประยุกต์ใช้แบบจำลองการจำลอง

การจำลองจะใช้เมื่อ:

• การทดลองกับวัตถุจริงมีราคาแพงหรือเป็นไปไม่ได้
• เป็นไปไม่ได้ที่จะสร้างแบบจำลองการวิเคราะห์: ระบบมีเวลา ความสัมพันธ์เชิงสาเหตุ ผลที่ตามมา การไม่เชิงเส้น ตัวแปรสุ่ม (สุ่ม)
• จำเป็นต้องจำลองพฤติกรรมของระบบให้ทันเวลา

วัตถุประสงค์ของการจำลองแบบจำลองคือการทำซ้ำพฤติกรรมของระบบภายใต้การศึกษาโดยพิจารณาจากผลการวิเคราะห์ความสัมพันธ์ที่สำคัญที่สุดระหว่างองค์ประกอบหรือในคำอื่น ๆ - การพัฒนาเครื่องจำลอง (อังกฤษ. แบบจำลองการจำลอง) ของสาขาวิชาที่กำลังศึกษาเพื่อทำการทดลองต่างๆ

การจำลองแบบจำลองทำให้คุณสามารถจำลองพฤติกรรมของระบบเมื่อเวลาผ่านไป ยิ่งไปกว่านั้น ข้อดีคือสามารถควบคุมเวลาในแบบจำลองได้: ช้าลงในกรณีของกระบวนการที่รวดเร็ว และเพิ่มความเร็วสำหรับระบบการสร้างแบบจำลองที่มีความแปรปรวนช้า เป็นไปได้ที่จะเลียนแบบพฤติกรรมของวัตถุเหล่านั้นซึ่งการทดลองจริงมีราคาแพง เป็นไปไม่ได้หรือเป็นอันตราย ด้วยการถือกำเนิดของยุคของคอมพิวเตอร์ส่วนบุคคล ตามกฎแล้วการผลิตผลิตภัณฑ์ที่ซับซ้อนและไม่ซ้ำใครจะมาพร้อมกับการจำลองสามมิติของคอมพิวเตอร์ เทคโนโลยีที่แม่นยำและค่อนข้างเร็วนี้ช่วยให้คุณสะสมความรู้ อุปกรณ์ และผลิตภัณฑ์กึ่งสำเร็จรูปที่จำเป็นทั้งหมดสำหรับผลิตภัณฑ์ในอนาคตก่อนเริ่มการผลิต การสร้างแบบจำลองคอมพิวเตอร์ 3 มิติไม่ใช่เรื่องแปลกแม้แต่กับบริษัทขนาดเล็ก

การเลียนแบบเป็นวิธีการแก้ปัญหาที่ไม่สำคัญ ได้รับการพัฒนาขึ้นครั้งแรกโดยเชื่อมโยงกับการสร้างคอมพิวเตอร์ในปี 1950 และ 1960

การเลียนแบบมีสองประเภท:

• วิธีมอนติคาร์โล (วิธีการทดสอบทางสถิติ);
• วิธีการจำลองแบบจำลอง (แบบจำลองทางสถิติ)

ประเภทของการจำลองแบบจำลอง

แนวทางการจำลองสามวิธี

การสร้างแบบจำลองการจำลองแนวทางในระดับของนามธรรม

• การสร้างแบบจำลองแบบใช้เอเจนต์เป็นทิศทางที่ค่อนข้างใหม่ (ทศวรรษ 1990-2000) ในการสร้างแบบจำลองการจำลอง ซึ่งใช้เพื่อศึกษาระบบการกระจายอำนาจ ซึ่งไดนามิกไม่ได้ถูกกำหนดโดยกฎและกฎหมายสากล (เช่นเดียวกับในกระบวนทัศน์การสร้างแบบจำลองอื่นๆ) แต่ในทางกลับกัน เมื่อกฎและกฎหมายระดับโลกเหล่านี้เป็นผลมาจากกิจกรรมส่วนบุคคลของสมาชิกกลุ่ม วัตถุประสงค์ของแบบจำลองตัวแทนคือการได้รับแนวคิดเกี่ยวกับกฎสากลเหล่านี้ พฤติกรรมทั่วไปของระบบ ตามสมมติฐานเกี่ยวกับบุคคล พฤติกรรมเฉพาะของวัตถุที่ทำงานอยู่แต่ละรายการ และปฏิสัมพันธ์ของวัตถุเหล่านี้ในระบบ ตัวแทนคือหน่วยงานบางอย่างที่มีกิจกรรม พฤติกรรมที่เป็นอิสระ สามารถตัดสินใจตามกฎชุดหนึ่ง โต้ตอบกับสิ่งแวดล้อม และเปลี่ยนแปลงอย่างอิสระด้วย

• การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่องเป็นแนวทางในการสร้างแบบจำลองที่เสนอให้นามธรรมจากธรรมชาติที่ต่อเนื่องของเหตุการณ์และพิจารณาเฉพาะเหตุการณ์หลักของระบบจำลอง เช่น: "รอ", "การประมวลผลคำสั่ง", "การเคลื่อนไหวพร้อมโหลด", " ขนถ่าย" และอื่น ๆ การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่องได้รับการพัฒนามากที่สุดและมีขอบเขตการใช้งานที่กว้างขวาง ตั้งแต่ระบบลอจิสติกส์และการจัดคิว ไปจนถึงระบบขนส่งและการผลิต การจำลองประเภทนี้เหมาะสมที่สุดสำหรับการสร้างแบบจำลองกระบวนการผลิต ก่อตั้งโดยเจฟฟรีย์ กอร์ดอนในทศวรรษ 1960

• พลวัตของระบบเป็นกระบวนทัศน์การสร้างแบบจำลองซึ่งไดอะแกรมกราฟิกของความสัมพันธ์เชิงสาเหตุและอิทธิพลระดับโลกของพารามิเตอร์บางอย่างที่มีต่อผู้อื่นในเวลาถูกสร้างขึ้นสำหรับระบบภายใต้การศึกษา จากนั้นแบบจำลองที่สร้างขึ้นบนพื้นฐานของไดอะแกรมเหล่านี้จะถูกจำลองบนคอมพิวเตอร์ อันที่จริง แบบจำลองประเภทนี้ มากกว่ากระบวนทัศน์อื่น ๆ ทั้งหมด ช่วยให้เข้าใจสาระสำคัญของการระบุความสัมพันธ์ของเหตุและผลระหว่างวัตถุและปรากฏการณ์อย่างต่อเนื่อง ด้วยความช่วยเหลือของพลวัตของระบบ โมเดลของกระบวนการทางธุรกิจ การพัฒนาเมือง โมเดลการผลิต พลวัตของประชากร นิเวศวิทยา และการพัฒนาด้านโรคระบาดได้ถูกสร้างขึ้น วิธีการนี้ก่อตั้งโดย Jay Forrester ในปี 1950

พื้นที่ใช้งาน

• พลวัตของประชากร
• โครงสร้างพื้นฐานด้านไอที
• แบบจำลองทางคณิตศาสตร์ของกระบวนการทางประวัติศาสตร์
• พลวัตคนเดินเท้า
• ตลาดและการแข่งขัน
• ศูนย์บริการ
• ห่วงโซ่อุปทาน
• การจราจร
• เศรษฐศาสตร์สาธารณสุข

ระบบจำลองฟรี

ดูสิ่งนี้ด้วย

• การสร้างแบบจำลองเครือข่าย

หมายเหตุ

วรรณกรรม

• Hemdy A. Taha บทที่ 18// Introduction to Operations Research = การวิจัยการดำเนินงาน: บทนำ. - ครั้งที่ 7 - M.: "Williams", 2007. - S. 697-737 - ไอเอสบีเอ็น 0-13-032374-8

• Strogalev V. P. , Tolkacheva I. O.การสร้างแบบจำลองการจำลอง - MSTU อิม บาวแมน, 2551. - ส. 697-737. - ไอ 978-5-7038-3021-5

ลิงค์

• คอมพิวเตอร์และการจำลองแบบสถิตบน Intuit.ru
• การจำลองแบบจำลองในปัญหาของวิศวกรรมเทคโนโลยี Makarov V. M. , Lukina S. V. , Lebed P. A.

มูลนิธิวิกิมีเดีย 2010 .

ดูว่า "การจำลองแบบจำลอง" ในพจนานุกรมอื่นๆ คืออะไร:

แบบจำลองการจำลอง- (ITIL Continual Service Improvement) (ITIL Service Design) เทคนิคที่สร้างแบบจำลองโดยละเอียดเพื่อทำนายพฤติกรรมของรายการการกำหนดค่าหรือบริการ IT โมเดลจำลองสามารถใช้งานได้ด้วยความแม่นยำสูงมาก แต่สิ่งนี้ ... ... คู่มือนักแปลทางเทคนิค

การจำลอง- การสร้างแบบจำลองการจำลอง: การสร้างแบบจำลอง (เครื่องหมาย หัวเรื่อง) ของวัตถุทางเทคนิค โดยพิจารณาจากการทำซ้ำของกระบวนการที่มากับการมีอยู่ของพวกมัน ... ที่มา: ข้อมูลสนับสนุนของกิจกรรมทางเทคนิคและผู้ประกอบการ ภาษา… … คำศัพท์ทางการ

การจำลอง- ดูการจำลองเครื่องจักร การทดลองแบบตั้งโต๊ะ... พจนานุกรมเศรษฐศาสตร์และคณิตศาสตร์

การพัฒนา การสร้างแบบจำลองของวัตถุบางอย่างสำหรับการศึกษา พจนานุกรมคำศัพท์ทางธุรกิจ อคาเดมิก.ru 2001 ... อภิธานศัพท์ของเงื่อนไขทางธุรกิจ

แบบจำลองการจำลอง- 3.9 การสร้างแบบจำลองการจำลอง: การสร้างแบบจำลอง (เครื่องหมาย หัวเรื่อง) ของวัตถุทางเทคนิค โดยพิจารณาจากการทำซ้ำของกระบวนการที่มาพร้อมกับการมีอยู่ของวัตถุเหล่านั้น แหล่งที่มา … หนังสืออ้างอิงพจนานุกรมของข้อกำหนดของเอกสารเชิงบรรทัดฐานและทางเทคนิค

การจำลองแบบจำลอง- (... จากภาษาฝรั่งเศส modele sample) วิธีศึกษาปรากฏการณ์และกระบวนการใดๆ โดยวิธีทดสอบทางสถิติ (วิธี Monte Carlo) โดยใช้คอมพิวเตอร์ วิธีการจะขึ้นอยู่กับการวาดภาพ (เลียนแบบ) ของผลกระทบของปัจจัยสุ่มต่อปรากฏการณ์ภายใต้การศึกษาหรือ ... ... พจนานุกรมสารานุกรมจิตวิทยาและการสอน

การจำลอง- นี่คือการจำลองสถานการณ์จริงโดยเฉพาะ การศึกษา และสุดท้ายคือการค้นหาวิธีแก้ปัญหาที่ประสบความสำเร็จมากที่สุด อันที่จริง I. m. ประกอบด้วยการสร้างแบบจำลองทางคณิตศาสตร์ของระบบจริงและตั้งค่า ... ... พจนานุกรมคำศัพท์ของบรรณารักษ์ในหัวข้อเศรษฐกิจและสังคม

บทความนี้ควรเป็นวิกิ โปรดจัดรูปแบบตามกฎการจัดรูปแบบบทความ แบบจำลองการจำลองไม่เกี่ยวข้องกับการนำเสนอเชิงวิเคราะห์ แต่ด้วยหลักการเลียนแบบโดยใช้ข้อมูลและโปรแกรม ... Wikipedia

การจำลองมอนติคาร์โล- (วิธีมอนติคาร์โล) วิธีการวิเคราะห์สำหรับการแก้ปัญหาโดยดำเนินการทดสอบจำนวนมาก เรียกว่าการจำลอง และรับวิธีแก้ปัญหาที่จำเป็นจากผลการทดสอบแบบรวม วิธีการคำนวณ ...... พจนานุกรมการลงทุน

วิธีการหลักของการจำลองแบบจำลอง ได้แก่ วิธีการวิเคราะห์ วิธีการสร้างแบบจำลองคงที่ และวิธีการรวม (เชิงสถิติเชิงวิเคราะห์)

วิธีวิเคราะห์ใช้เพื่อจำลองกระบวนการเป็นหลักสำหรับระบบขนาดเล็กและเรียบง่าย ซึ่งไม่มีปัจจัยการสุ่ม ตัวอย่างเช่น เมื่ออธิบายกระบวนการทำงานด้วยสมการอนุพันธ์หรืออนุพันธ์จำนวนเต็ม วิธีการนี้มีชื่อแบบมีเงื่อนไข เนื่องจากเป็นการรวมความเป็นไปได้ของการจำลองกระบวนการ แบบจำลองที่ได้มาในรูปแบบของการแก้ปัญหาแบบปิดเชิงวิเคราะห์ หรือวิธีแก้ปัญหาที่ได้จากวิธีการคำนวณทางคณิตศาสตร์

วิธีการสร้างแบบจำลองทางสถิติเดิมพัฒนาเป็นวิธีการทดสอบทางสถิติ (มอนติคาร์โล) นี่เป็นวิธีเชิงตัวเลขที่ประกอบด้วยการประมาณค่าของลักษณะความน่าจะเป็นที่ตรงกับการแก้ปัญหาเชิงวิเคราะห์ (เช่น การแก้สมการและการคำนวณอินทิกรัลที่แน่นอน) ต่อจากนั้น วิธีนี้เริ่มใช้เพื่อจำลองกระบวนการที่เกิดขึ้นในระบบซึ่งมีแหล่งที่มาของการสุ่มหรืออยู่ภายใต้อิทธิพลแบบสุ่ม เรียกว่าวิธี การสร้างแบบจำลองทางสถิติ.

ในการศึกษาระบบที่ซับซ้อนภายใต้การรบกวนแบบสุ่ม จะใช้แบบจำลองการวิเคราะห์ความน่าจะเป็นและแบบจำลองการจำลองความน่าจะเป็น

ในแบบจำลองการวิเคราะห์ความน่าจะเป็น อิทธิพลของปัจจัยสุ่มจะถูกนำมาพิจารณาโดยการกำหนดลักษณะความน่าจะเป็นของกระบวนการสุ่ม (กฎการกระจายความน่าจะเป็น ความหนาแน่นสเปกตรัม หรือฟังก์ชันสหสัมพันธ์) ในเวลาเดียวกัน การสร้างแบบจำลองการวิเคราะห์ความน่าจะเป็นเป็นปัญหาการคำนวณที่ซับซ้อน ดังนั้น แบบจำลองการวิเคราะห์ความน่าจะเป็นจึงถูกใช้เพื่อศึกษาระบบที่ค่อนข้างง่าย

มีข้อสังเกตว่าการแนะนำการรบกวนแบบสุ่มในแบบจำลองการจำลองไม่ได้ทำให้เกิดภาวะแทรกซ้อนพื้นฐาน ดังนั้นการศึกษากระบวนการสุ่มที่ซับซ้อนจึงได้ดำเนินการตามกฎแล้วในแบบจำลองการจำลอง

ในการสร้างแบบจำลองการจำลองความน่าจะเป็น พวกมันไม่ได้ทำงานด้วยคุณสมบัติของกระบวนการสุ่ม แต่ด้วยค่าตัวเลขสุ่มเฉพาะของพารามิเตอร์ของกระบวนการและระบบ ในขณะเดียวกัน ผลลัพธ์ที่ได้จากการทำสำเนาในแบบจำลองการจำลองของกระบวนการที่กำลังพิจารณาอยู่นั้นเป็นการทำให้เกิดผลแบบสุ่ม ดังนั้น เพื่อที่จะค้นหาลักษณะวัตถุประสงค์และความเสถียรของกระบวนการ จำเป็นต้องทำซ้ำหลายครั้ง ตามด้วยการประมวลผลทางสถิติของข้อมูลที่ได้รับ นั่นคือเหตุผลที่การศึกษากระบวนการและระบบที่ซับซ้อนภายใต้การรบกวนแบบสุ่ม โดยใช้แบบจำลองการจำลอง จึงมักเรียกว่าแบบจำลองทางสถิติ

แบบจำลองทางสถิติของกระบวนการสุ่มคืออัลกอริธึมที่จำลองการทำงานของระบบที่ซับซ้อนซึ่งอยู่ภายใต้การรบกวนแบบสุ่ม เลียนแบบปฏิสัมพันธ์ขององค์ประกอบของระบบซึ่งมีลักษณะน่าจะเป็น

เมื่อใช้แบบจำลองการจำลองทางสถิติในคอมพิวเตอร์ ปัญหาเกิดจากการได้รับลำดับตัวเลขแบบสุ่มโดยมีลักษณะความน่าจะเป็นที่กำหนดบนคอมพิวเตอร์ วิธีเชิงตัวเลขที่แก้ปัญหาการสร้างลำดับของตัวเลขสุ่มโดยใช้กฎการแจกแจงที่กำหนดเรียกว่า "วิธีการทดสอบทางสถิติ" หรือ "วิธีมอนติคาร์โล"

เนื่องจากวิธีมอนติคาร์โล นอกเหนือจากการสร้างแบบจำลองทางสถิติแล้ว ยังประยุกต์ใช้กับวิธีการเชิงตัวเลขได้หลายวิธี (การหาปริพันธ์ การแก้สมการ) ขอแนะนำให้ใช้พจน์ที่ต่างกัน

ดังนั้น การสร้างแบบจำลองทางสถิติเป็นวิธีการศึกษากระบวนการและระบบที่ซับซ้อนซึ่งอาจมีการรบกวนแบบสุ่มโดยใช้แบบจำลองการจำลอง

วิธีมอนติคาร์โลเป็นวิธีการเชิงตัวเลขที่จำลองบนลำดับตัวเลขสุ่มหลอกของคอมพิวเตอร์โดยมีลักษณะความน่าจะเป็นที่กำหนด

เทคนิคการสร้างแบบจำลองทางสถิติประกอบด้วยขั้นตอนต่อไปนี้:

1. การจำลองด้วยคอมพิวเตอร์ของลำดับสุ่มหลอกด้วยความสัมพันธ์ที่กำหนดและกฎการแจกแจงความน่าจะเป็น (วิธีมอนติคาร์โล) การจำลองค่าสุ่มของพารามิเตอร์บนคอมพิวเตอร์ระหว่างการทดสอบแต่ละครั้ง

2. การแปลงลำดับตัวเลขที่ได้รับในแบบจำลองทางคณิตศาสตร์จำลอง

3. การประมวลผลทางสถิติของผลการจำลอง

วิธีผสมผสาน(เชิงสถิติเชิงวิเคราะห์) ช่วยให้คุณสามารถรวมข้อดีของวิธีการสร้างแบบจำลองเชิงวิเคราะห์และเชิงสถิติได้ ใช้ในกรณีของการพัฒนาแบบจำลองที่ประกอบด้วยโมดูลต่างๆ ที่แสดงถึงชุดของแบบจำลองทางสถิติและเชิงวิเคราะห์ที่โต้ตอบโดยรวม ยิ่งไปกว่านั้น ชุดของโมดูลไม่เพียงแต่รวมโมดูลที่สอดคล้องกับโมเดลไดนามิกเท่านั้น แต่ยังรวมถึงโมดูลที่สอดคล้องกับโมเดลทางคณิตศาสตร์แบบคงที่ด้วย

โครงการจำลองประกอบด้วยขั้นตอนต่อไปนี้: ระยะแนวคิด ระยะการตีความ ขั้นตอนการทดลอง ลองพิจารณารายละเอียดเพิ่มเติม

1. แนวความคิดในขั้นตอนนี้ ความคุ้นเคยเบื้องต้นกับวัตถุประสงค์ของการศึกษาจะเกิดขึ้นและเป็นที่ชัดเจนว่าข้อมูลใดที่จำเป็นในการทำให้โครงการเสร็จสมบูรณ์ ข้อมูลทั่วไปเกี่ยวกับแบบจำลองถูกสร้างขึ้น: ชื่อของแบบจำลอง วัตถุประสงค์และวัตถุประสงค์ของการพัฒนา รายการของวัตถุที่วางแผนไว้เพื่อใช้แบบจำลองนั้นถูกกำหนดโดยเจ้าหน้าที่ที่มีความสนใจในงานจะได้รับการแก้ไข มีการอธิบายสาระสำคัญทางกายภาพของกระบวนการจำลองและขอบเขตของแบบจำลอง

ในขั้นตอนเดียวกัน เกณฑ์จะถูกกำหนดโดยการประเมินประสิทธิภาพของแบบจำลองหรือคุณภาพของแบบจำลอง มีการอธิบายข้อจำกัดและสมมติฐานที่ใช้ในการพัฒนาแบบจำลอง วิธีการวิเคราะห์ที่วางแผนไว้เพื่อใช้ในการพัฒนาแบบจำลองแสดงไว้ ลำดับการเปิดตัวและการจัดการโมเดล โหมดการใช้งานที่เป็นไปได้ และการเชื่อมต่อกับรุ่นอื่นๆ จะถูกกำหนด มีการชี้แจงแหล่งที่มาของข้อมูลที่ใช้ในแบบจำลอง ตลอดจนองค์ประกอบและโครงสร้างของข้อมูลนี้ หากมีการวางแผนว่าจะใช้ตัวแปรสุ่มในการสร้างแบบจำลอง แสดงว่าอยู่ในขั้นตอนของแนวคิดที่จะพิสูจน์กฎของการแจกแจงของพวกมัน

สิ่งสำคัญในขั้นตอนนี้คือการพิจารณาข้อกำหนดสำหรับการกำหนดค่าฮาร์ดแวร์และซอฟต์แวร์: พิจารณาคุณสมบัติของฮาร์ดแวร์ (ประเภทของโปรเซสเซอร์กลาง การมีอยู่ของโปรเซสเซอร์ร่วม ปริมาณ RAM และหน่วยความจำถาวร ฯลฯ) และเตรียมซอฟต์แวร์ทั่วไป (ระบบปฏิบัติการ ระบบปฏิบัติการเครือข่าย ฯลฯ) เป็นต้น) ซอฟต์แวร์ระบบทั่วไป (DBMS ชุดสำนักงาน ฯลฯ)

จำเป็นต้องตรวจสอบให้แน่ใจว่ามีการป้องกันข้อมูลที่ใช้ในแบบจำลอง เพื่อจุดประสงค์นี้ ในขั้นตอนแนวคิด นโยบายความปลอดภัยจะถูกกำหนด (ภัยคุกคามที่อาจเกิดขึ้น ความเสียหายที่เป็นไปได้ในกรณีที่มีการละเมิดความปลอดภัย กลุ่มผู้ใช้ สิทธิ์การเข้าถึง ฯลฯ) .

2. ขั้นตอนการตีความเขารวมถึงการทำให้เป็นทางการของคำอธิบายของวัตถุแบบจำลองตามกรณีที่เลือก - หมายถึง ในขั้นตอนนี้ คำอธิบายเชิงความหมายขององค์ประกอบของวัตถุที่อยู่ระหว่างการศึกษา ปฏิสัมพันธ์ระหว่างองค์ประกอบของวัตถุกับวัตถุกับสภาพแวดล้อมภายนอกจะได้รับในภาษาธรรมชาติ ตามคำอธิบายของวัตถุ โมเดลจำลองถูกสร้างขึ้นโดยใช้ภาษาของแบบจำลองที่เลือกเพื่อจุดประสงค์นี้ รูปที่ 6.4. ยกตัวอย่างโมเดลที่สร้างขึ้นโดยใช้ ARIS

ข้าว. 6.4. ตัวอย่างแบบจำลองที่สร้างขึ้นในสภาพแวดล้อม ARIS

นอกจากนี้ยังกำหนดลักษณะเวลาและต้นทุน

หน้าที่และกระบวนการทางธุรกิจ ตัวอย่างแสดงในรูปที่ 6.5

ข้าว. 6.5. คำอธิบายลักษณะเชิงปริมาณและเชิงคุณภาพ

ในขั้นตอนนี้ แบบจำลองผลลัพธ์จะถูกตรวจสอบด้วยว่าสอดคล้องกับรูปแบบทางทฤษฎีที่เป็นพื้นฐานสำหรับคำอธิบายอย่างเป็นทางการของวัตถุแบบจำลอง กระบวนการนี้มักเรียกว่าการตรวจสอบแบบจำลอง ขั้นตอนที่สองจบลงด้วยการตรวจสอบความสอดคล้องของแบบจำลองการจำลองด้วยคุณสมบัติของระบบจริง หากไม่เป็นเช่นนั้น คุณควรกลับไปที่ช่วงเวลาของการทำให้โมเดลเป็นทางการอีกครั้ง

3. ขั้นตอนการทดลองเวทีนี้ ประกอบด้วยการดำเนินการทดลองเชิงตัวเลขกับแบบจำลองที่พัฒนาแล้วโดย "เรียกใช้" บนคอมพิวเตอร์ ก่อนเริ่มการศึกษา จะเป็นประโยชน์ในการสร้างลำดับของแบบจำลอง "รัน" ซึ่งจะทำให้ได้รับข้อมูลจำนวนที่จำเป็นด้วยองค์ประกอบที่กำหนดและความน่าเชื่อถือของข้อมูลเริ่มต้น นอกจากนี้ บนพื้นฐานของแผนการทดลองที่พัฒนาแล้ว โมเดลจำลองถูกเรียกใช้บนคอมพิวเตอร์และประมวลผลผลลัพธ์เพื่อนำเสนอในรูปแบบที่สะดวกสำหรับการวิเคราะห์

จากการวิเคราะห์ผลลัพธ์ ได้มีการเตรียมและกำหนดข้อสรุปขั้นสุดท้ายเกี่ยวกับการจำลอง และมีการพัฒนาคำแนะนำเกี่ยวกับวิธีการใช้ผลการจำลองเพื่อให้บรรลุเป้าหมายที่ตั้งไว้ โดยมากบนพื้นฐานของข้อสรุปเหล่านี้ พวกเขากลับไปที่จุดเริ่มต้นของกระบวนการสร้างแบบจำลองสำหรับการเปลี่ยนแปลงที่จำเป็นในส่วนทฤษฎีและภาคปฏิบัติของแบบจำลอง และศึกษาใหม่ด้วยแบบจำลองที่แก้ไข ผลลัพธ์จากวงจรดังกล่าวหลายๆ รอบ ได้แบบจำลองการจำลองที่เหมาะสมกับงานมากที่สุด

มีระบบซอฟต์แวร์ค่อนข้างน้อยที่ให้คุณสร้างแบบจำลองจำลองได้ ซึ่งรวมถึง:

Ø Business Studio (การจำลองกระบวนการทางธุรกิจ)

Ø PTV Vision VISSIM

Ø การจำลองโรงงาน Tecnomatix

ระบบเหล่านี้บางระบบจะกล่าวถึงในรายละเอียดเพิ่มเติมในบทที่ 7

คำถามสำหรับบทที่ 6

1. การจำลองแบบจำลองคืออะไร?

2. กำหนดแบบจำลองการจำลอง

3. พื้นฐานของแบบจำลองใด ๆ คืออะไร?

4. จุดประสงค์ของการจำลองแบบจำลองคืออะไร?

5. ระบุข้อดีหลักของการจำลองแบบจำลอง

6. ข้อเสียของการจำลองแบบจำลองคืออะไร:

7. ยกตัวอย่างทั่วไปที่สามารถใช้ MI ได้

8. แบบจำลองการจำลองมีกี่ประเภท?

9. ไดนามิกของระบบคืออะไร?

10. อะไรคือองค์ประกอบของการจำลองเหตุการณ์แบบไม่ต่อเนื่อง

11. วัตถุประสงค์ของแบบจำลองตัวแทนคืออะไร?

12. ระบุขั้นตอนของการจำลอง

การสร้างแบบจำลองการจำลอง (การสร้างแบบจำลองสถานการณ์)- วิธีการที่ช่วยให้คุณสร้างแบบจำลองที่อธิบายกระบวนการต่างๆ ตามที่จะเกิดขึ้นจริง โมเดลดังกล่าวสามารถ "เล่น" ได้ทันเวลาสำหรับการทดสอบครั้งเดียวและชุดที่กำหนด ในกรณีนี้ ผลลัพธ์จะถูกกำหนดโดยลักษณะสุ่มของกระบวนการ จากข้อมูลเหล่านี้ เราสามารถได้รับสถิติที่ค่อนข้างเสถียร

แบบจำลองการจำลองเป็นวิธีการวิจัยที่ระบบที่อยู่ระหว่างการศึกษาถูกแทนที่ด้วยแบบจำลองที่อธิบายระบบจริงที่มีความแม่นยำเพียงพอ โดยทำการทดลองเพื่อให้ได้ข้อมูลเกี่ยวกับระบบนี้ การทดลองกับแบบจำลองเรียกว่าการเลียนแบบ (การเลียนแบบเป็นการทำความเข้าใจสาระสำคัญของปรากฏการณ์โดยไม่ต้องอาศัยการทดลองกับวัตถุจริง)

การสร้างแบบจำลองการจำลองเป็นกรณีพิเศษของการสร้างแบบจำลองทางคณิตศาสตร์ มีคลาสของอ็อบเจ็กต์ที่ ตัวแบบวิเคราะห์ยังไม่ได้รับการพัฒนา ด้วยเหตุผลต่างๆ นานา หรือวิธีการในการแก้ไขโมเดลผลลัพธ์ยังไม่ได้รับการพัฒนา ในกรณีนี้ โมเดลเชิงวิเคราะห์จะถูกแทนที่ด้วยเครื่องจำลองหรือแบบจำลอง

การจำลองแบบบางครั้งเรียกว่าการได้มาซึ่งคำตอบเชิงตัวเลขของปัญหาที่กำหนดขึ้นโดยอาศัยโซลูชันการวิเคราะห์หรือการใช้วิธีการเชิงตัวเลข

โมเดลจำลองเป็นคำอธิบายเชิงตรรกะและคณิตศาสตร์ของวัตถุที่สามารถใช้สำหรับการทดลองบนคอมพิวเตอร์เพื่อออกแบบ วิเคราะห์ และประเมินการทำงานของวัตถุ

สารานุกรม YouTube

1 / 3

✪ การสร้างแบบจำลองระบบ บรรยาย 8

✪ การสัมมนาผ่านเว็บ: การจำลองกระบวนการทางธุรกิจ

✪ การประยุกต์ใช้แบบจำลองการจำลองในโลจิสติกส์

คำบรรยาย

การประยุกต์ใช้แบบจำลองการจำลอง

การจำลองจะใช้เมื่อ:

• การทดลองกับวัตถุจริงมีราคาแพงหรือเป็นไปไม่ได้
• เป็นไปไม่ได้ที่จะสร้างแบบจำลองการวิเคราะห์: ระบบมีเวลา ความสัมพันธ์เชิงสาเหตุ ผลที่ตามมา การไม่เชิงเส้น ตัวแปรสุ่ม (สุ่ม)
• จำเป็นต้องจำลองพฤติกรรมของระบบให้ทันเวลา

วัตถุประสงค์ของการจำลองแบบคือเพื่อสร้างพฤติกรรมของระบบภายใต้การศึกษาโดยพิจารณาจากผลการวิเคราะห์ความสัมพันธ์ที่สำคัญที่สุดระหว่างองค์ประกอบหรืออีกนัยหนึ่งคือการพัฒนาเครื่องจำลอง (eng. แบบจำลองการจำลอง) ของการศึกษา หัวข้อสำหรับการทดลองต่างๆ

ประเภทของการจำลองแบบจำลอง

• การสร้างแบบจำลองแบบใช้เอเจนต์เป็นทิศทางที่ค่อนข้างใหม่ (ทศวรรษ 1990-2000) ในการสร้างแบบจำลองการจำลอง ซึ่งใช้เพื่อศึกษาระบบการกระจายอำนาจ ซึ่งไดนามิกไม่ได้ถูกกำหนดโดยกฎและกฎหมายสากล (เช่นเดียวกับในกระบวนทัศน์การสร้างแบบจำลองอื่นๆ) แต่ในทางกลับกัน เมื่อกฎและกฎหมายระดับโลกเหล่านี้เป็นผลมาจากกิจกรรมส่วนบุคคลของสมาชิกกลุ่ม วัตถุประสงค์ของแบบจำลองตัวแทนคือการได้รับแนวคิดเกี่ยวกับกฎสากลเหล่านี้ พฤติกรรมทั่วไปของระบบ ตามสมมติฐานเกี่ยวกับบุคคล พฤติกรรมเฉพาะของวัตถุที่ทำงานอยู่แต่ละรายการ และปฏิสัมพันธ์ของวัตถุเหล่านี้ในระบบ ตัวแทนคือหน่วยงานบางอย่างที่มีกิจกรรม พฤติกรรมที่เป็นอิสระ สามารถตัดสินใจตามกฎชุดหนึ่ง โต้ตอบกับสิ่งแวดล้อม และเปลี่ยนแปลงอย่างอิสระด้วย

• การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่องเป็นแนวทางในการสร้างแบบจำลองที่เสนอให้นามธรรมจากธรรมชาติที่ต่อเนื่องของเหตุการณ์และพิจารณาเฉพาะเหตุการณ์หลักของระบบจำลอง เช่น: "รอ", "การประมวลผลคำสั่ง", "การเคลื่อนไหวพร้อมโหลด", " ขนถ่าย” และอื่น ๆ การสร้างแบบจำลองเหตุการณ์แบบไม่ต่อเนื่องได้รับการพัฒนามากที่สุดและมีขอบเขตการใช้งานที่กว้างขวาง ตั้งแต่ระบบลอจิสติกส์และการจัดคิว ไปจนถึงระบบขนส่งและการผลิต การจำลองประเภทนี้เหมาะสมที่สุดสำหรับการสร้างแบบจำลองกระบวนการผลิต ก่อตั้งโดยเจฟฟรีย์ กอร์ดอนในทศวรรษ 1960

• พลวัตของระบบเป็นกระบวนทัศน์การสร้างแบบจำลองซึ่งไดอะแกรมกราฟิกของความสัมพันธ์เชิงสาเหตุและอิทธิพลระดับโลกของพารามิเตอร์บางอย่างที่มีต่อผู้อื่นในเวลาถูกสร้างขึ้นสำหรับระบบภายใต้การศึกษา จากนั้นแบบจำลองที่สร้างขึ้นบนพื้นฐานของไดอะแกรมเหล่านี้จะถูกจำลองบนคอมพิวเตอร์ อันที่จริง แบบจำลองประเภทนี้ มากกว่ากระบวนทัศน์อื่น ๆ ทั้งหมด ช่วยให้เข้าใจสาระสำคัญของการระบุความสัมพันธ์ของเหตุและผลระหว่างวัตถุและปรากฏการณ์อย่างต่อเนื่อง ด้วยความช่วยเหลือของพลวัตของระบบ โมเดลของกระบวนการทางธุรกิจ การพัฒนาเมือง โมเดลการผลิต พลวัตของประชากร นิเวศวิทยา และการพัฒนาด้านโรคระบาดได้ถูกสร้างขึ้น วิธีการนี้ก่อตั้งโดย Jay Forrester ในปี 1950

พื้นที่ใช้งาน

• พลวัตของประชากร
• โครงสร้างพื้นฐานด้านไอที
• แบบจำลองทางคณิตศาสตร์ของกระบวนการทางประวัติศาสตร์
• พลวัตคนเดินเท้า
• ตลาดและการแข่งขัน
• ศูนย์บริการ
• ห่วงโซ่อุปทาน
• การจราจร
• เศรษฐศาสตร์สาธารณสุข