Трансляция модели

В конечном счете перед разработчиком модели возникает проблема ее описания на языке программирования. Быстрый переход к машинному моделированию привел к появлению большого числа специализированных языков программирования, предназначенных для этой цели.

ИМ обычно имеют очень сложную логическую структуру, характеризующуюся множеством взаимосвязей между элементами системы. Поэтому языки для ИМ (GPSS, Симула, Динамо) облегчают проблему трансляции, являясь языками более высокого уровня, чем универсальные языки (Fortran, Basic, Pascal).

Модель может быть описана на различных языках, но у специальных языков есть определенные преимущества. Языки ИМ отличаются друг от друга:

· способом организации учета времени и происходящих событий;

· правилами присвоения имен структурным элементам;

· способом проверки условий;

· видом статистических испытаний;

· степенью трудности изменения структуры модели.

Несмотря на полезные свойства специализированных языков, в конечном итоге выбор языка определяется наличием ПО, квалификацией программиста. В некоторых случаях более подходящим может оказаться простой язык.

Оценка адекватности (проверка модели)

Оценка адекватности модели – процесс достижения приемлемого уровня уверенности в том, что любой вывод о поведении системы, сделанный на основе моделирования, будет правильным. Невозможно доказать, что та или иная имитация является правильным отображением реальной системы, да это обычно и не так важно. Как правило, нас интересует не справедливость структуры модели, а ее функциональная полезность.

Проверка модели – очень важный этап, так как ИМ создает впечатление реальности, и разработчики и пользователи модели проникаются доверием к ней, в то время, как оказались скрыты исходные предположения, положенные в основу модели. Законченного и полного процесса проверки правильности модели нет, но в ходе разработки модели исследователь проводит ряд проверок.

Во-первых, необходимо убедиться, что модель верна в первом приближении, то есть, не будет ли модель давать абсурдные ответы, если ее параметры примут граничные значения, убедиться, что получаемые результаты имеют смысл. Для этого людей, связанных непосредственно с работой реальной системы, просят сравнить результаты работы реальной системы с результатами, получаемыми на выходе модели. Для большей строгости этой проверки результаты сравнивают несколько раз.

Во-вторых, поверяются исходные предположения.

В-третьих, проводится проверка преобразования информации от входа к выходу.

Эти проверки требуют использования статистических выборок для оценки средних значений, дисперсий, а также дисперсионного, регрессионного анализа.

Некоторые авторы делят виды оценки ИМ на три:

· верификация, используя которую исследователь убеждается, что модель ведет себя так, как задумано;

· оценка адекватности – проверка соответствия между поведением модели и поведением реальной системы;

· проблемный анализ – получение статистически значимых выводов на основе данных, полученных путем машинного моделирования.

Стратегическое и тактическое планирование

Мы определили ИМ как экспериментирование с моделью для получения информации о поведении реальной системы. Значит, нужно позаботиться о стратегическом планировании, то есть, о том, как планировать эксперименты, чтобы они дали желаемую информацию.

Планирование экспериментов преследует две цели:

· экономия с т. зрения уменьшения необходимого числа экспериментальных проверок;

· обучение самого исследователя.

Целью любого экспериментального исследования является получение знаний об изучаемой системе.

Эксперимент – процесс наблюдения и анализа, который позволяет получить информацию, необходимую для принятия решений. В экспериментальном исследовании можно выделить два типа задач:

· определение сочетания параметров, которые оптимизируют переменную отклика;

· объяснение соотношений между переменной отклика и контролируемыми факторами модели.

Для обеих задач разработано много планов постановки экспериментов. Далее необходимо, используя накопленные знания, выдвигать гипотезы, подлежащие проверке, и проверять альтернативные стратегии, подлежащие оценке.

Хороший план эксперимента позволяет разработать стратегию сбора исходных данных, полезных для выдвижения гипотез.

Тактическое планирование связано с определением способов проведения испытаний, намеченных планом эксперимента. Тактическое планирование связано с решением задач двух типов:

1. определение начальных условий в той мере, в какой они влияют на достижение установившегося режима;

2. возможно большее уменьшение дисперсии решений при одновременном сокращении размеров выборки.

1-я задача возникает вследствие искусственного характера функционирования модели. В отличие от реального объекта, который представлен моделью, сама ИМ работает эпизодически. Экспериментатор запускает модель, делает свои наблюдения и останавливает ее до следующего прогона. Всякий раз, когда начинается прогон, модели требуется определенное время для достижения условий равновесия, которые соответствуют условиям функционирования реальной системы.

Таким образом, начальный период работы модели искажается за счет действия начальных условий запуска модели. для решения задачи, во-первых, необходимо исключить из рассмотрения данные, относящиеся к некоторой части начального периода, и, во-вторых, следует выбирать такие начальные условия, которые уменьшают время, необходимое для достижения установившегося режима. Разумно выбранные начальные условия уменьшить время переходного процесса.

2-я задача тактического планирования связана с необходимостью оценить точность результатов эксперимента и степень надежности выводов. Возникают вопросы об изменяемости условий, размере выборки и т.д. В любом эксперименте мы стремимся получить из ограниченного объема данных как можно больше полезной информации. Для уменьшения разброса характеристик имеются методы, существенно снижающие требуемый размер выборки и число повторений эксперимента. В основном методы связаны с процедурой взятия выборок. Можно решить тактические проблемы с помощью очень больших выборок, но это приводит к затратам времени на прогоны и анализ большого объема результатов.

Дата добавления: 2015-11-14