Возможности и эффективность моделирования систем на ЭВМ

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 моделированиеотражает 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.

	Рис.1. Классификация видов моделирования систем

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.