Подводя итог, надо подчеркнуть, что, несмотря на огромное число публикаций в области теоретического анализа систем массового обслуживания, в большинстве случаев теоретические методы все-таки не дают возможности получить результат, интересующий исследователя, так что приходится прибегать к методу экспериментов на вычислительной машине — к имитации.. Обратим внимание читателя на то, что при ошибочном подходе, основанном на оценке работы системы по средним значениям случайных факторов (о котором мы говорили в 8 гл. 2), мы бы [c.210]
Для учета перечисленных выше факторов, как и некоторых других (например, фактора динамики, характеризующего изменение планируемого процесса во времени), иногда целесообразно использовать методы эвристические и имитационного моделирования. Первые прямо формализуют логику и поведение человека при принятии решения, в рамках использования методов второго типа строят имитационные модели самих рассматриваемых объектов и процессов, а далее, варьируя значения параметров (в том числе и случайных) этих моделей, имитируют различные возможные состояния объекта. На основе такой имитации может быть получен набор вариантов плана. [c.119]
М. и. используется для численной оценки качества системы, анализа последствий изменения образа действия элементов системы, изменения правил принятия решения и условий функционирования, отыскания узких мест и путей их преодоления для изучения новых (проектируемых) систем и их совершенствования, проверки новых методов н идей для выяснения правил действия системы и её элементов для обучения специалистов управлению системами, иногда в условиях, к-рые не существуют в реальной действительности как средство прогнозирования поведения систем в предполагаемых условиях. Математич. аппарат, применяемый в процессе М. и., практически ничем не ограничен и может включать в себя как точные, так и приближённые методы. Поскольку, однако, М. и. чаще применяется к системам, имеющим стоха-стич. характер (т. е. функционирующим в условиях, зависящих от случайных факторов), особое значение имеют методы теории вероятностей и математич. статистики. Они применяются как для моделирования входных потоков случайных величин (появление покупателей в магазине, поступление заявок на снабжение или обслуживание, отклонения от заранее составленных планов, отказы в работе оборудования н т. д.), так и для обработки результатов имитации (вычисления матсматпч. ожидания тех или иных событий, определение средней длины очередей и времени обслуживания и т. д.). В результате М. и. получаются статистич. выводы, к-рые позволяют оценить те или иные характеристики системы. [c.424]
Имитационное моделирование является относительно новым и быстро развивающимся методом исследования поведения систем управления. Этот метод состоит в том, что с помощью ЭВМ воспроизводится поведение исследуемой системы управления, а исследователь-системотехник, управляя ходом процесса имитации и обозревая получаемые результаты, делает вывод о ее свойствах и качестве поведения. Поэтому под имитацией следует понимать численный метод проведения на ЭВМ экспериментов с математическими моделями, описывающими поведение системы управления для определения интересующих нас функциональных характеристик. Появление имитационного моделирования и превращение его в эффективное средство анализа сложных систем было, с одной стороны, обусловлено потребностями практики, а с другой стороны, обеспечено развитием метода статистических испытаний (метода Монте-Карло) [3], открывшего возможность моделирования случайных факторов, которыми изобилуют реальные системы, а также развитием электронной вычислительной техники, являющейся базой для проведения статистических экспериментов. [c.190]
Достаточно широкое применение метода имитации при исследовании поведения системы управления обусловлено следующими причинами сложностью модели поведения системы, наличием множества случайных факторов, которые ограничивают эффективность применения традиционных аналитических методов исследования, а в ряде случаев вообще исключают возможность их применения, в результате чего имитационное моделирование оказывается единственным способом lull исследования [c.190]
Сначала мы рассмотрим общую модель с взаимодействиями, используемую в факторных планах. Дисперсионный анализ (или кратко ANOVA) применяется при обработке результатов факторного эксперимента. Показаны отношения между дисперсионным и регрессионным анализом. Обсуждаются рандомизация и разбиение на блоки в имитации. Исследуются предпосылки ANOVA, преобразование и кодирование. Следующий параграф -посвящен частному виду факторных планов, а именно таким планам, в которых все факторы имеют только по два значения. Приводится модель для таких 2fe планов вместе с анализом наблюдений. Затем идет параграф, в котором говорится только о дробных репликах от полного факторного эксперимента типа 2k, строящихся так, что вся важная информация сохраняется. Мы показываем, как можно выбрать конкретную структуру смешивания эффектов. Мы даем планы для модели только главных эффектов, планы для оценки главных эффектов в присутствии взаимодействий и планы для оценки как главных эффектов, так и двухфакторных взаимодействий (так называемые планы разрешения III, IV и V соответственно). Далее следует параграф, в котором показано, как получить независимую оценку дисперсии ошибки опыта о2 при частичном дублировании плана. Приводится метод переоценки эффектов с помощью дополнительной информации от повторения плана. Вместо дублирования наблюдений можно объединить суммы квадратов некоторых эффектов. Оба метода можно сочетать с проверкой соответствия модели. Если модель не годится, мы можем перейти к модели более высокого порядка. Показано, что планы этой главы легко достраиваются до планов более высокого порядка (это так называемые композиционные, или последовательно строящиеся, планы). Наконец, в следующем параграфе обсуждаются планы для поиска нескольких важных факторов среди многих мыслимых важных факторов, для так называемого отсеивания. Рассматривается интерпретация дробных факторных планов, когда некоторые факторы не могут быть важными. Приводятся также планы со случайным отбором факторных комбинаций и их анализ. Даются и так называемые сверхнасыщенные планы — систематические (т. е. не случайные) планы с меньшим числом наблюдений, чем эффектов. Затем мы демонстрируем несколько вариантов дробных реплик, в которых факторы объединяются в группы для уменьшения числа факторов и наблюдений. Исследуются предпосылки таких планов группового отсеивания и устанавливается, что они не ограничительны. Четыре типа планов группового отсеивания сравниваются между собой. Глава заканчивается кратким обсуждением теории статистических решений и проблемы многих откликов. Приводится литература по этим двум и по многим другим вопросам. [c.8]
Смотреть страницы где упоминается термин Методы имитации случайных факторов
: [c.264] [c.19]Смотреть главы в:
Исследование систем управления -> Методы имитации случайных факторов