Struktura i glavne faze procesa modeliranja. Modeliranje sustava Ključni koraci u modeliranju sustava

Prije izgradnje modela objekta (pojave, procesa) potrebno je identificirati njegove sastavne elemente i odnose među njima (provesti analizu sustava) i "prevesti" (prikazati) dobivenu strukturu u neki unaprijed zadani oblik - formalizirati informacije.

Modeliranje bilo kojeg sustava nemoguće je bez prethodne formalizacije. Zapravo, formalizacija je prvi i vrlo važan korak u procesu modeliranja. Modeli odražavaju najbitnije u proučavanim objektima, procesima i pojavama, na temelju cilja modeliranja. To je glavna karakteristika i glavna svrha modela.

Formalizacija je proces izdvajanja i prevođenja unutarnje strukture predmeta, pojave ili procesa u određenu informacijsku strukturu – formu.

Na primjer, Iz kolegija geografije znate da se snaga potresa obično mjeri na ljestvici od deset stupnjeva. Zapravo, radi se o najjednostavnijem modelu za procjenu snage ovog prirodnog fenomena. Doista, odnos "jači", djelovanje u stvarnom svijetu, ovdje je formalno zamijenjeno relacijom "više",što ima smisla u skupu prirodnih brojeva: najslabiji potres odgovara broju 1, najjači - 10. Rezultirajući uređeni skup od 10 brojeva je model koji daje ideju o snazi ​​potresa.

Koraci modeliranja

Prije poduzimanja bilo kakvog posla, morate jasno zamisliti početnu točku i svaku točku aktivnosti, kao i njezine približne faze. Isto se može reći i za modeling. Polazna točka ovdje je prototip. To može biti postojeći ili projektirani objekt ili proces. Završna faza modeliranja je donošenje odluke na temelju znanja o objektu.

(U modeliranju, početna točka je - prototip, koji može biti samo postojeći ili projektirani objekt ili proces. Završna faza modeliranja je donošenje odluke na temelju znanja o objektu.)

Lanac izgleda ovako.

Objasnimo to primjerima.

Primjer modeliranja u stvaranju novih tehničkih sredstava je povijest razvoja svemirske tehnike. Za realizaciju svemirskog leta trebalo je riješiti dva problema: nadvladati zemljinu gravitaciju i osigurati napredovanje u bezzračnom svemiru. Newton je u 17. stoljeću govorio o mogućnosti svladavanja Zemljine teže. K. E. Tsiolkovsky predložio je stvaranje mlaznog motora za kretanje u svemiru, koji koristi gorivo iz mješavine tekućeg kisika i vodika, koji oslobađaju značajnu energiju tijekom izgaranja. Napravio je prilično točan opisni model budućeg međuplanetarnog broda s crtežima, proračunima i obrazloženjima.

Za manje od pola stoljeća, opisni model K. E. Tsiolkovskog postao je osnova za stvarno modeliranje u dizajnerskom birou pod vodstvom S. P. Koroljeva. Različite vrste tekućeg goriva, oblici raketa, sustavi za kontrolu leta i održavanje života za astronaute, instrumenti za znanstvena istraživanja itd. testirani su u eksperimentima u punoj veličini.

Razmotrimo još jedan primjer. Poznati kemičar iz 18. stoljeća Antoine Lavoisier, proučavajući proces izgaranja, napravio je brojne pokuse. Simulirao je procese izgaranja s raznim tvarima, koje je zagrijavao i vagao prije i poslije eksperimenta. Istodobno se pokazalo da neke tvari nakon zagrijavanja postaju teže. Lavoisier je predložio da se tim tvarima nešto doda tijekom procesa zagrijavanja. Tako je modeliranje i naknadna analiza rezultata dovela do definicije nove tvari - kisika, do generalizacije pojma "izgaranje", dalo objašnjenje za mnoge poznate pojave i otvorilo nove horizonte za istraživanja u drugim područjima znanosti, posebice u biologiji, budući da se pokazalo da je kisik jedna od glavnih komponenti disanja i izmjene energije životinja i biljaka.

Modeliranje- kreativni proces. Vrlo je teško to staviti u formalne okvire. U svom najopćenitijem obliku, može se prikazati u fazama, kao što je prikazano na sl. 1.

Riža. 1. Faze modeliranja.

Svaki put kada rješavate određeni problem, takva shema može biti podložna nekim promjenama: neki blok će biti uklonjen ili poboljšan, neki - dodani. Sve faze određene su zadaćom i ciljevima modeliranja. Razmotrimo detaljnije glavne faze modeliranja.

POZORNICA. FORMULACIJA PROBLEMA.

Zadatak je problem koji treba riješiti. U fazi postavljanja problema potrebno je odraziti tri glavne točke: opis problema, definiciju ciljeva modeliranja i analizu objekta ili procesa.

Opis zadatka

Zadatak je formuliran uobičajenim jezikom, a opis treba biti razumljiv. Ovdje je glavna stvar definirati predmet modeliranja i razumjeti što bi trebao biti rezultat.

Svrha simulacije

1) znanje o svijetu oko sebe

Zašto osoba stvara modele? Da bismo odgovorili na ovo pitanje, moramo pogledati u daleku prošlost. Prije nekoliko milijuna godina, u zoru čovječanstva, primitivni ljudi proučavali su okolnu prirodu kako bi naučili kako se oduprijeti prirodnim elementima, koristiti prirodne blagodati i jednostavno preživjeti.

Nakupljeno znanje prenosilo se s koljena na koljeno usmeno, kasnije pismeno i na kraju uz pomoć predmetnih modela. Tako je rođen, na primjer, model globusa - globus - koji vam omogućuje vizualni prikaz oblika našeg planeta, njegove rotacije oko vlastite osi i položaja kontinenata. Takvi modeli omogućuju razumijevanje uređenja određenog objekta, otkrivanje njegovih osnovnih svojstava, utvrđivanje zakona njegovog razvoja i interakcije s okolnim svijetom modela.

(Ljudi su stoljećima stvarali modele, akumulirali znanje i prenosili ga s koljena na koljeno usmeno, kasnije pismeno i konačno uz pomoć predmetnih modela. Takvi modeli omogućuju vam da shvatite kako određeni objekt radi, saznate njegov osnovna svojstva, utvrditi zakonitosti njegova razvoja i interakcije s okolnim svijetom modela.*Primjer: model globusa*).

2) stvaranje objekata sa zadanim svojstvima ( određena izjavom problema "kako napraviti ...".

Nakon što je skupio dovoljno znanja, čovjek si je postavio pitanje: "Je li moguće stvoriti objekt sa zadanim svojstvima i sposobnostima kako bi se suprotstavio elementima ili stavio prirodne pojave u svoju službu?" Čovjek je počeo graditi modele objekata koji još nisu postojali. Tako su se rodile ideje o stvaranju vjetrenjača, raznih mehanizama, čak i običnog kišobrana. Mnogi od ovih modela sada su postali stvarnost. To su predmeti stvoreni ljudskom rukom.

(Skupivši dovoljno znanja, čovjek je imao želju stvoriti predmet sa zadanim svojstvima i mogućnostima, * suprotstaviti se elementima ili staviti prirodne pojave u svoju službu * kako bi si olakšao život i zaštitio se od razornog djelovanja prirode. A osoba je počela graditi modele objekata koji još nisu postojali (Mnogi od tih modela sada su postali stvarnost. To su predmeti stvoreni ljudskim rukama.) *Primjer: vjetrenjače, razni mehanizmi, čak i obični kišobran*

3) utvrđivanje posljedica udara na objekt i donošenje ispravne odluke . Svrha modeliranja zadataka tipa "što se događa ako..." . (što ako povećate cijenu prijevoza ili što ako nuklearni otpad zakopate na tom i tom mjestu?)

Na primjer, kako bi se grad na Nevi spasio od stalnih poplava koje uzrokuju golemu štetu, odlučeno je izgraditi branu. Tijekom njegovog projektiranja izgrađeni su mnogi modeli, uključujući i one u punoj veličini, upravo kako bi se predvidjele posljedice zadiranja u prirodu.

Ovaj paragraf je samo primjer i reci o pitanju.

4) učinkovitost upravljanja objektom (ili procesom ) .

Kako su kriteriji gospodarenja vrlo kontradiktorni, ono će biti učinkovito samo ako su "i vukovi siti i ovce na sigurnom".

Na primjer, trebate organizirati hranu u školskoj kantini. S jedne strane, mora zadovoljiti dobne zahtjeve (visokokalorična, sadrži vitamine i mineralne soli), s druge strane, trebala bi se svidjeti većini djece i, štoviše, biti "pristupačna" roditeljima, a s treće, kuhanje tehnologija mora odgovarati mogućnostima školskih kantina. Kako spojiti nespojivo? Izrada modela pomoći će u pronalaženju prihvatljivog rješenja.

Ako nekome informacije u ovom paragrafu budu važne, odaberite sami.

Analiza objekta

U ovoj fazi, modelirani objekt i njegova glavna svojstva jasno su identificirani, od čega se sastoji, koje veze postoje između njih.

(Jednostavan primjer podređenih objektnih odnosa je analiza rečenice. Prvo se izdvajaju glavni članovi (subjekt, predikat), zatim sporedni članovi koji se odnose na glavne, zatim riječi koje se odnose na sporedne itd.)

II ETAPA. RAZVOJ MODELA

1. Informacijski model

U ovoj fazi pojašnjavaju se svojstva, stanja, radnje i druge karakteristike elementarnih objekata u bilo kojem obliku: usmeno, u obliku dijagrama, tablica. Formira se ideja o elementarnim objektima koji čine izvorni objekt, tj. informacijski model.

Modeli trebaju odražavati najznačajnije značajke, svojstva, stanja i odnose objekata objektivnog svijeta. Daju potpunu informaciju o objektu.

Zamislite da morate riješiti zagonetku. Nudi vam se popis svojstava stvarnog objekta: okrugao, zelen, sjajan, hladan, prugast, zvonak, zreo, mirisan, sladak, sočan, težak, velik, sa suhim repom...

Popis se nastavlja, ali vjerojatno ste već pogodili da je riječ o lubenici. O njemu se daju najrazličitije informacije: boja, miris, okus, pa čak i zvuk... Očito ga ima mnogo više nego što je potrebno za rješavanje ovog problema. Pokušajte odabrati od svih navedenih znakova i svojstava minimum koji vam omogućuje točnu identifikaciju objekta. U ruskom folkloru odavno je pronađeno rješenje: "Sam grimiz, šećer, zeleni kaftan, baršun."

Ako je informacija namijenjena umjetniku za slikanje mrtve prirode, moglo bi se ograničiti na sljedeća svojstva predmeta: okrugla, velika, zelena, prugasta. Kako bi izazvali apetit kod sladokusaca, odabrali bi druga svojstva: zrelo, sočno, mirisno, slatko. Za osobu koja bira lubenicu na dinju, može se ponuditi sljedeći model: veliki, zvučni, sa suhim repom.

Ovaj primjer pokazuje da informacija ne mora biti puno. Važno je da bude "u meritumu", odnosno u skladu sa svrhom za koju se koristi.

Na primjer, u školi se učenici upoznaju s informacijskim modelom cirkulacije krvi. Ovaj podatak dovoljan je za školarca, ali nije dovoljan za one koji rade vaskularne operacije u bolnicama.

Informacijski modeli igraju vrlo važnu ulogu u ljudskom životu.

Znanje koje stječete u školi je u obliku informacijskog modela namijenjenog proučavanju objekata i pojava.

Lekcije iz povijesti omogućuju izgradnju modela razvoja društva, a poznavanje toga omogućuje vam da gradite vlastiti život, bilo ponavljajući pogreške svojih predaka, bilo uzimajući ih u obzir.

Na satovi geografije daju vam se informacije o geografskim objektima: planinama, rijekama, zemljama itd. To su također informacijski modeli. Mnogo toga što se uči na satovima geografije, nikada nećete vidjeti u stvarnosti.

Na lekcije iz kemije informacije o svojstvima različitih tvari i zakonima njihove interakcije potkrijepljene su pokusima, koji nisu ništa drugo nego stvarni modeli kemijskih procesa.

Informacijski model nikada u potpunosti ne karakterizira objekt. Za isti objekt možete izgraditi različite informacijske modele.

Odaberimo za modeliranje takav objekt kao što je "čovjek". Čovjek se može promatrati s različitih gledišta: kao zaseban pojedinac i kao osoba općenito.

Ako imamo u vidu konkretnu osobu, tada možemo izgraditi modele koji su prikazani u tablici. 1-3.

Stol 1. Model informiranja učenika

Tablica 2.. Informacijski model posjetitelja školske ambulante

Tablica 3 Informacijski model zaposlenika poduzeća

Razmotrite i drugi primjeri različite informacijske modele za isti objekt.

Brojni svjedoci zločina dojavljivali su razne podatke o navodnom napadaču - to su im informacijski modeli. Predstavnik policije bi trebao izabrati iz protoka informacija najznačajnije, koje će pomoći u pronalaženju kriminalca i njegovom zadržavanju. Predstavnik zakona može imati više od jednog informacijskog modela bandita. Uspjeh poslovanja ovisi o tome koliko su bitne značajke ispravno odabrane, a manje sporedne odbačene.

Izbor najznačajnijih informacija pri izradi informacijskog modela i njihova složenost određeni su svrhom modeliranja.

Izgradnja informacijskog modela početna je točka faze razvoja modela. Svi ulazni parametri objekata odabranih tijekom analize poredani su silaznim redoslijedom po značajnosti, a model je pojednostavljen u skladu sa svrhom modeliranja.

2. Kultni model

Prije početka procesa modeliranja, osoba izrađuje preliminarne skice crteža ili dijagrama na papiru, izvodi formule za izračun, tj. sastavlja informacijski model u jednom ili drugom obliku. ikonički oblik, koji može biti ili računalo ili neračunalo.

računalni model

Računalni model je model implementiran pomoću softverskog okruženja.

Postoji mnogo programskih paketa koji vam omogućuju proučavanje (modeliranje) informacijskih modela. Svako softversko okruženje ima vlastite alate i omogućuje vam rad s određenim vrstama informacijskih objekata.

Osoba već zna kakav će model biti i koristi računalo kako bi mu dala ikonski oblik. Na primjer, za izradu geometrijskih modela, dijagrama, koriste se grafička okruženja, za verbalne ili tablične opise - okruženje za uređivanje teksta.

STADIJ III. RAČUNALNI EKSPERIMENT

Kako bi se dao život novim razvojima dizajna, uvele nova tehnička rješenja u proizvodnju ili testirale nove ideje, potreban je eksperiment. U nedavnoj prošlosti takav se eksperiment mogao izvesti ili u laboratorijskim uvjetima na za to posebno stvorenim instalacijama ili u prirodi, odnosno na stvarnom uzorku proizvoda, podvrgavajući ga svim vrstama ispitivanja.

S razvojem računalne tehnologije pojavila se nova jedinstvena istraživačka metoda - računalni eksperiment. Računalni eksperiment uključuje slijed rada s modelom, skup svrhovitih radnji korisnika na modelu računala.

ETAPA IV. ANALIZA REZULTATA SIMULACIJE

Krajnji cilj modeliranja je donošenje odluke, koju treba izraditi na temelju sveobuhvatne analize dobivenih rezultata. Ova faza je odlučujuća - ili nastavljate studij ili završavate. Možda znate očekivani rezultat, tada trebate usporediti dobivene i očekivane rezultate. U slučaju podudaranja, možete donijeti odluku.

Rezultati testiranja i eksperimenata služe kao osnova za izradu rješenja.Ako rezultati ne odgovaraju ciljevima zadatka, to znači da su u prethodnim fazama napravljene pogreške. To može biti pretjerano pojednostavljena konstrukcija informacijskog modela, ili neuspješan izbor metode modeliranja ili okoline, ili kršenje tehnoloških metoda pri izgradnji modela. Ako se otkriju takve greške, model je potrebno ispraviti, odnosno vratiti se na jednu od prethodnih faza. Proces se ponavlja sve dok rezultati eksperimenta ne zadovolje ciljeve simulacije.

Glavna stvar koju treba zapamtiti je da je otkrivena pogreška također rezultat. http://www.gmcit.murmansk.ru/text/information_science/base/simulation/materials/mysnik/2.htm

Slične informacije.

Teorija modeliranja jedna je od sastavnica teorije automatizacije procesa upravljanja. Jedno od njegovih temeljnih načela je izjava: sustav je predstavljen konačnim skupom modela, od kojih svaki odražava određeni aspekt njegove biti.

Do danas je prikupljeno značajno iskustvo, što daje temelj za formuliranje osnovnih načela konstruiranja modela. Unatoč činjenici da je uloga iskustva, intuicije i intelektualnih kvaliteta istraživača vrlo važna u izgradnji modela, mnoge pogreške i propusti u praksi modeliranja posljedica su nepoznavanja metodologije modeliranja i nepoštivanja načela izgradnje. modeli.

Glavne uključuju:

Načelo usklađenosti modela s ciljevima istraživanja;

Načelo usklađivanja složenosti modela sa potrebnom točnošću rezultata simulacije;

Načelo ekonomičnosti modela;

Načelo proporcionalnosti;

Načelo modularnosti modela građenja;

Načelo otvorenosti;

Načelo kolektivnog razvoja (u izradi modela sudjeluju stručnjaci iz predmetnog područja i iz područja modeliranja);

Načelo servisabilnosti (pogodnost korištenja modela).

Mnogi modeli mogu se izraditi za isti sustav. Ovi će se modeli razlikovati u stupnju detaljizacije i uzimajući u obzir određene značajke i načine funkcioniranja stvarnog objekta, odražavat će određeni aspekt suštine sustava, usredotočiti se na proučavanje određenog svojstva ili skupine svojstava sustava. Stoga je važno već u početnoj fazi izgradnje modela jasno formulirati svrhu modeliranja. Također treba uzeti u obzir da je model izgrađen za rješavanje specifičnog istraživačkog problema. Iskustvo stvaranja univerzalnih modela nije se opravdalo zbog glomaznosti stvorenih modela i njihove neprikladnosti za praktičnu upotrebu. Za rješavanje svakog konkretnog problema potrebno je imati vlastiti model koji odražava najvažnije aspekte i veze sa stajališta studije. Važnost specifičnog postavljanja ciljeva modeliranja diktira i činjenica da se sve naredne faze modeliranja provode s fokusom na specifičan cilj istraživanja.

Model je uvijek približan u usporedbi s originalom. Što bi trebala biti ta aproksimacija? Pretjerani detalji kompliciraju model, poskupljuju ga i otežavaju proučavanje. Potrebno je pronaći kompromis između stupnja složenosti modela i njegove primjerenosti modeliranom objektu.

Općenito, problem "točnost-složenost" formuliran je kao jedan od dva problema optimizacije:

Postavlja se točnost rezultata simulacije, a zatim se minimizira složenost modela;

Imajući model određene složenosti, nastoje osigurati maksimalnu točnost rezultata simulacije.

Smanjenje broja karakteristika, parametara, ometajućih čimbenika. Specificirajući ciljeve modeliranja iz skupa karakteristika sustava, isključuju se one koje se mogu odrediti bez modeliranja ili su, sa stajališta istraživača, sekundarne, ili se kombiniraju. Mogućnost provedbe takvih postupaka povezana je s činjenicom da u modeliranju nije uvijek preporučljivo uzeti u obzir cijeli niz ometajućih čimbenika. Dopuštena je neka idealizacija radnih uvjeta. Ako svrha modeliranja nije samo fiksiranje svojstava sustava, već i optimizacija određenih odluka o konstrukciji ili radu sustava, tada osim ograničenja broja parametara sustava treba identificirati i one parametre koji istraživač se može promijeniti.

Promjena prirode karakteristika sustava. Dopušteno je, radi pojednostavljenja konstrukcije i proučavanja modela, neke varijabilne parametre smatrati konstantama, diskretne kontinuiranim i obrnuto.

Promjena funkcionalnog odnosa između parametara. Nelinearna ovisnost obično se zamjenjuje linearnom, diskretna funkcija kontinuiranom. U potonjem slučaju, inverzna transformacija također može biti pojednostavljenje.

Promjena ograničenja. Kada se ograničenja uklone, proces dobivanja rješenja, u pravilu, je pojednostavljen. Nasuprot tome, kada se uvedu ograničenja, puno je teže doći do rješenja. Variranjem ograničenja moguće je odrediti područje rješenja ocrtano graničnim vrijednostima pokazatelja performansi sustava.

Proces modeliranja je popraćen određenim troškovima raznih resursa (materijalnih, računalnih itd.). Ti su troškovi veći što je sustav složeniji i što su zahtjevi za rezultate simulacije veći. Ekonomskim modelom smatrat ćemo takav model čiji učinak korištenja rezultata modeliranja ima određenu stopu viška u odnosu na troškove resursa korištenih za njegovu izradu i korištenje.

Pri izradi matematičkog modela potrebno je nastojati poštivati ​​tzv. načelo proporcionalnosti. To znači da sustavna pogreška modeliranja (tj. odstupanje modela od opisa simuliranog sustava) mora biti razmjerna pogrešci opisa, uključujući i pogrešku početnih podataka. Osim toga, točnost opisa pojedinih elemenata modela treba biti ista bez obzira na njihovu fizičku prirodu i korišteni matematički aparat. I, konačno, sustavna pogreška modeliranja i pogreška interpretacija, kao i pogreška usrednjavanja rezultata modeliranja, trebale bi biti međusobno razmjerne.

Ukupna pogreška simulacije može se smanjiti primjenom različitih metoda međusobne kompenzacije pogrešaka uzrokovanih različitim razlozima. Drugim riječima, mora se poštovati načelo ravnoteže pogrešaka. Bit ovog načela je kompenzirati pogreške jedne vrste greškama druge vrste. Na primjer, pogreške uzrokovane neadekvatnošću modela uravnotežene su pogreškama u izvornim podacima. Strogo formalna procedura za poštivanje ovog načela nije razvijena, ali iskusni istraživači uspijevaju uspješno koristiti ovo načelo u svom radu.

Modularnost konstrukcije značajno "pojeftinjuje" proces stvaranja modela, jer vam omogućuje primjenu akumuliranog iskustva u implementaciji tipičnih elemenata, modula u razvoju složenih modela sustava. Osim toga, takav model je lako modificirati (razviti).

Otvorenost modela podrazumijeva mogućnost uključivanja novih programskih modula u njegovu strukturu, čija se potreba može otkriti tijekom istraživanja i u procesu poboljšanja modela.

Kvaliteta modela uvelike će ovisiti o tome koliko su uspješno riješeni organizacijski aspekti modeliranja, odnosno uključivanje stručnjaka iz različitih područja. Ovo je posebno važno za početne faze, gdje se formulira svrha studije (modeliranja) i razvija konceptualni model sustava. Obavezno je sudjelovanje u radu predstavnika naručitelja. Naručitelj mora jasno razumjeti ciljeve modeliranja, razvijeni konceptualni model, program istraživanja, biti sposoban analizirati i interpretirati rezultate modeliranja.

Konačni ciljevi modeliranja mogu se postići samo provođenjem istraživanja na razvijenom modelu. Istraživanje se sastoji u provođenju eksperimenata pomoću modela, čiju uspješnu implementaciju uvelike zaslužuje usluga koja je istraživaču dostupna, odnosno jednostavnost korištenja modela, što se odnosi na praktičnost korisničkog sučelja, unosa - izlaz rezultata simulacije, cjelovitost alata za otklanjanje pogrešaka, jednostavnost interpretacije rezultata, itd.

Proces modeliranja može se uvjetno podijeliti u više faza.

Prva razina uključuje: razumijevanje ciljeva proučavanja, mjesto i ulogu modela u procesu istraživanja sustava, formuliranje i konkretiziranje cilja modeliranja, postavljanje zadatka modeliranja.

Druga faza- Ovo je faza stvaranja (razvoja) modela. Započinje smislenim opisom objekta koji se modelira i završava programskom implementacijom modela.

Na treća faza studija se provodi pomoću modela, koji se sastoji od planiranja i provođenja eksperimenata.

Proces modeliranja (četvrta faza) završava analizom i obradom rezultata modeliranja, izradom prijedloga i preporuka za korištenje rezultata modeliranja u praksi.

Izravna konstrukcija modela započinje smislenim opisom modeliranog objekta. Objekt modeliranja opisuje se sa stajališta sustavnog pristupa. Na temelju svrhe studije utvrđuje se skup elemenata, njihova moguća stanja, označavaju se odnosi među njima, daju se informacije o fizičkoj prirodi i kvantitativnim karakteristikama predmeta (sustava) koji se proučava. Značajan opis može se sastaviti kao rezultat prilično detaljnog proučavanja predmeta koji se proučava. Opis se provodi, u pravilu, na razini kvalitativnih kategorija. Takav preliminarni, približni prikaz predmeta obično se naziva verbalni model. Smisleni opis predmeta, u pravilu, nema samostalno značenje, već služi samo kao osnova za daljnju formalizaciju predmeta proučavanja - izgradnju konceptualnog modela.

Konceptualni model objekta je posredna veza između smislenog opisa i matematičkog modela. Ne razvija se u svim slučajevima, već samo kada se, zbog složenosti predmeta koji se proučava ili poteškoća u formalizaciji nekih njegovih elemenata, izravan prijelaz sa smislenog opisa na matematički model pokaže nemogućim ili neprikladnim. Proces stvaranja konceptualnog modela je kreativan. S tim u vezi ponekad se kaže da manekenstvo nije toliko znanost koliko umjetnost.

Sljedeća faza modeliranja je izrada matematičkog modela objekta. Stvaranje matematičkog modela ima dva glavna cilja: dati formalizirani opis strukture i procesa funkcioniranja proučavanog objekta i pokušati prikazati proces funkcioniranja u obliku koji omogućuje analitičko ili algoritamsko proučavanje objekta. .

Da bi se konceptualni model pretvorio u matematički, potrebno je, primjerice, u analitičkom obliku napisati sve odnose između bitnih parametara, njihovu povezanost s funkcijom cilja te postaviti ograničenja na vrijednosti kontroliranih parametri.

Takav matematički model može se predstaviti kao:

gdje je U ciljna funkcija (funkcija učinkovitosti, kriterijska funkcija);

Vektor kontroliranih parametara;

Vektor neupravljanih parametara;

(x,y) - ograničenja vrijednosti kontroliranih parametara.

Matematički aparat koji se koristi za formalizaciju, specifična vrsta ciljne funkcije i ograničenja određeni su prirodom problema koji se rješava.

Razvijeni matematički model može se proučavati različitim metodama - analitičkim, numeričkim, "kvalitativnim", simulacijskim.

Uz pomoć analitičkih metoda možete napraviti najpotpuniju studiju modela. Međutim, ove metode mogu se primijeniti samo na model koji se može prikazati u obliku eksplicitnih analitičkih ovisnosti, što je moguće samo za relativno jednostavne sustave. Stoga se analitičke metode istraživanja obično koriste za početnu grubu procjenu karakteristika objekta (ekspresna procjena), kao iu ranim fazama projektiranja sustava.

Glavni dio proučavanih realnih objekata ne može se proučavati analitičkim metodama. Za proučavanje takvih objekata mogu se koristiti numeričke i simulacijske metode. Primjenjivi su na širu klasu sustava za koje je matematički model predstavljen ili kao sustav jednadžbi koji se može riješiti numeričkim metodama, ili kao algoritam koji oponaša proces njegova rada.

Ako se dobivene jednadžbe ne mogu riješiti analitičkim, numeričkim ili simulacijskim metodama, tada se pribjegava upotrebi "kvalitativnih" metoda. "Kvalitativne" metode omogućuju procjenu vrijednosti potrebnih veličina, kao i procjenu ponašanja putanje sustava u cjelini. Takve metode, uz metode matematičke logike i metode teorije neizrazitih skupova, uključuju niz metoda teorije umjetne inteligencije.

Matematički model stvarnog sustava je apstraktan, formalno opisan objekt, čije se proučavanje također provodi matematičkim metodama, a uglavnom uz pomoć računalne tehnologije. Stoga se u matematičkom modeliranju mora odrediti metoda izračuna ili se u suprotnom mora razviti algoritamski ili programski model koji implementira metodu izračuna.

Isti matematički model može se implementirati na računalu pomoću različitih algoritama. Svi se mogu razlikovati u točnosti rješenja, vremenu izračuna, količini zauzete memorije i drugim pokazateljima.

Naravno, studija zahtijeva algoritam koji omogućuje modeliranje uz potrebnu točnost rezultata i minimalan utrošak računalnog vremena i drugih resursa.

Matematički model, kao predmet računalnog eksperimenta, prikazuje se u obliku računalnog programa (model programa). U ovom slučaju potrebno je odabrati jezik i programske alate modela, izračunati resurse za prevođenje i uklanjanje pogrešaka programa. U posljednje se vrijeme proces programiranja modela sve više automatizira (o ovom pristupu bit će riječi u poglavlju „Automatizacija modeliranja složenih vojnih organizacijsko-tehničkih sustava“). Stvoreni su posebni algoritamski jezici za modeliranje za programiranje široke klase modela (korištenje GPSS jezika (doslovni ruski prijevod - jezik za modeliranje diskretnih sustava) za modeliranje računalnih sustava također će biti razmotreno u sljedećim poglavljima). Omogućuju jednostavnost implementacije takvih uobičajenih zadataka koji se javljaju tijekom modeliranja, kao što je organiziranje pseudo-paralelnog izvođenja algoritama, dinamička dodjela memorije, održavanje vremena modela, simulacija slučajnih događaja (procesa), održavanje niza događaja, prikupljanje i obrada rezultata simulacije , itd. Simulacije deskriptivnih jezičnih alata omogućuju prepoznavanje i postavljanje parametara simuliranog sustava i vanjskih utjecaja, algoritama rada i upravljanja, načina rada i potrebnih rezultata simulacije. U isto vrijeme, jezici za modeliranje djeluju kao formalizirana osnova za stvaranje matematičkih modela.

Prije početka pokusa na modelu potrebno je pripremiti početne podatke. Priprema početnih podataka počinje u fazi razvoja konceptualnog modela, gdje se otkrivaju neke kvalitativne i kvantitativne karakteristike objekta i vanjskih utjecaja. Za kvantitativna obilježja potrebno je odrediti njihove specifične vrijednosti koje će se koristiti kao ulazni podaci u modeliranju. Ovo je naporna i odgovorna faza rada. Očito je da pouzdanost rezultata simulacije nedvosmisleno ovisi o točnosti i potpunosti početnih podataka.

Prikupljanje početnih podataka u pravilu je vrlo složen i dugotrajan proces. To je zbog niza razloga. Prvo, vrijednosti parametara mogu biti ne samo determinističke, već i stohastičke. Drugo, nisu svi parametri stacionarni. To se posebno odnosi na parametre vanjskih utjecaja. Treće, često je riječ o modeliranju nepostojećeg sustava ili sustava koji bi trebao funkcionirati u novim uvjetima. Neuzimanje u obzir bilo kojeg od ovih čimbenika dovodi do značajnih kršenja primjerenosti modela.

Korištenjem razvijenog modela postižu se krajnji ciljevi modeliranja, koji se sastoje u provođenju eksperimenata s modelom, na temelju kojih se utvrđuju sve potrebne karakteristike sustava.

Eksperimenti s modelom, u pravilu, provode se prema određenom planu. To je zbog činjenice da s ograničenim računalnim i vremenskim resursima obično nije moguće izvesti sve moguće eksperimente. Stoga je potrebno odabrati određene kombinacije parametara i redoslijed eksperimenta, odnosno zadatak je izgraditi optimalan plan za postizanje cilja modeliranja. Proces izrade takvog plana naziva se strateško planiranje. Međutim, nisu svi problemi povezani s planiranjem eksperimenata potpuno riješeni. Postoji potreba za smanjenjem trajanja računalnih eksperimenata uz osiguranje statističke pouzdanosti rezultata simulacije. Taj se proces naziva taktičko planiranje.

Plan eksperimenta može se unijeti u računalni program istraživanja i izvesti automatski. Međutim, najčešće istraživačka strategija predviđa aktivnu intervenciju istraživača u eksperimentu kako bi se korigirao eksperimentalni plan. Takva se intervencija obično provodi u interaktivnom načinu.

Tijekom pokusa obično se mjere mnoge vrijednosti svake karakteristike, koje se zatim obrađuju i analiziraju. S velikim brojem implementacija koje se reproduciraju u procesu simulacije, količina informacija o stanjima sustava može biti toliko značajna da se njihovo pohranjivanje u memoriju računala, obrada i naknadna analiza pokažu praktički nemogućima. Stoga je potrebno organizirati snimanje i obradu rezultata simulacije na način da se procjene traženih vrijednosti formiraju postupno tijekom simulacije.

Budući da su izlazne karakteristike često slučajne varijable ili funkcije, bit obrade je izračunati procjene matematičkih očekivanja, varijanci i korelacijskih momenata.

Kako bi se eliminirala potreba za pohranjivanjem svih mjerenja u stroj, obrada se obično provodi prema ponavljajućim formulama, kada se procjene izračunavaju tijekom eksperimenta koristeći metodu tekućeg ukupnog iznosa kako se poduzimaju nova mjerenja.

Na temelju obrađenih rezultata eksperimenata, analiziraju se ovisnosti koje karakteriziraju ponašanje sustava, uzimajući u obzir okolinu. Za sustave koji se mogu dobro formalizirati, to se može učiniti korištenjem korelacijskih, disperzijskih ili regresijskih metoda. Analiza rezultata simulacije može uključiti i problem osjetljivosti modela na varijacije njegovih parametara.

Analiza rezultata simulacije omogućuje nam preciziranje mnogih informativnih parametara modela, a time i doradu samog modela. To može dovesti do značajne promjene izvornog oblika konceptualnog modela, identifikacije eksplicitne ovisnosti karakteristika, mogućnosti kreiranja analitičkog modela sustava, redefinicije težinskih koeficijenata vektorskog kriterija učinkovitosti i dr. izmjene početne verzije modela.

Završna faza modeliranja je korištenje rezultata simulacije, njihov prijenos na stvarni objekt - original. U konačnici, rezultati simulacije obično se koriste za donošenje odluke o zdravlju sustava, predviđanje ponašanja sustava, optimizaciju sustava itd.

Odluka o operativnosti donosi se prema tome izlaze li karakteristike sustava izvan utvrđenih granica ili ne za eventualne dopuštene promjene parametara. Predviđanje je obično glavni cilj svake simulacije. Sastoji se od procjene ponašanja sustava u budućnosti s određenom kombinacijom njegovih upravljanih i neupravljanih parametara.

Optimizacija je definiranje takve strategije ponašanja sustava (naravno, uzimajući u obzir okolinu), u kojoj bi postizanje cilja sustava bilo osigurano uz optimalnu (u smislu prihvaćenog kriterija) potrošnju resursa. Obično se kao metode optimizacije ponašaju različite metode teorije operacijskog istraživanja.

U procesu modeliranja, u svim njegovim fazama, istraživač je primoran stalno odlučivati ​​hoće li model koji se stvara ispravno prikazati izvornik. Sve dok se ovo pitanje ne riješi pozitivno, vrijednost modela je zanemariva.

Zahtjev adekvatnosti, kao što je gore navedeno, u sukobu je sa zahtjevom jednostavnosti, i to se mora stalno imati na umu kada se provjerava primjerenost modela. U procesu izrade modela objektivno je narušena adekvatnost zbog idealizacije vanjskih uvjeta i načina rada, isključivanja određenih parametara i zanemarivanja nekih slučajnih čimbenika. Nedostatak točnih informacija o vanjskim utjecajima, određenim značajkama strukture i procesa funkcioniranja sustava, prihvaćenim metodama aproksimacije i interpolacije, heurističkim pretpostavkama i hipotezama također dovodi do smanjenja korespondencije između modela i originala. Zbog nedostatka dobro razvijene metodologije za ocjenu primjerenosti, u praksi se takva provjera provodi ili usporedbom rezultata dostupnih pokusa na objektu sa sličnim rezultatima dobivenim tijekom računalnih pokusa, ili usporedbom rezultata dobivenih na objektu. na sličnim modelima. Mogu se koristiti i druge neizravne metode provjere primjerenosti.

Prema rezultatima testa primjerenosti donose se zaključci o prikladnosti modela za eksperimente. Ako model zadovoljava zahtjeve, tada se na njemu provode planirani eksperimenti. U suprotnom se model dorađuje (ispravlja) ili potpuno prerađuje. Istodobno, procjena primjerenosti modela mora se provesti u svakoj fazi modeliranja, počevši od faze oblikovanja cilja modeliranja i postavljanja zadatka za modeliranje, pa sve do faze izrade prijedloga za korištenje. rezultate modeliranja.

Prilikom prilagodbe ili prerade modela razlikuju se sljedeće vrste promjena: globalne, lokalne i parametarske.

Globalne promjene mogu biti uzrokovane ozbiljnim pogreškama u početnim fazama modeliranja: kod postavljanja problema za modeliranje, kod razvoja verbalnih, konceptualnih i matematičkih modela. Otklanjanje takvih grešaka obično dovodi do razvoja novog modela.

Lokalne promjene povezane su s usavršavanjem nekih parametara ili algoritama. Lokalne promjene zahtijevaju djelomičnu promjenu matematičkog modela, ali mogu dovesti do potrebe za razvojem novog softverskog modela. Kako bi se smanjila vjerojatnost takvih promjena, preporuča se odmah razviti model s većim stupnjem detalja nego što je potrebno za postizanje cilja modeliranja.

Parametarski parametri uključuju promjene nekih posebnih parametara koji se nazivaju kalibracijski. Kako bi se poboljšala adekvatnost modela kroz parametarske promjene, potrebno je unaprijed identificirati kalibracijske parametre i osigurati jednostavne načine za njihovo variranje.

Strategija korekcije modela trebala bi biti usmjerena na uvođenje najprije globalnih, zatim lokalnih i na kraju parametarskih promjena.

U praksi se faze modeliranja ponekad provode odvojeno jedna od druge, što negativno utječe na rezultate u cjelini. Rješenje ovog problema leži u načinima razmatranja, unutar jedinstvenog okvira, procesa izgradnje modela, organiziranja eksperimenata na njemu i izrade simulacijskog softvera.

Modeliranje treba smatrati kao jedinstven proces izgradnje i istraživanja modela, koji ima odgovarajuću programsku i hardversku podršku. U tom smislu treba istaknuti dva važna aspekta.

Metodološki aspekt- identifikaciju obrazaca, metode za konstrukciju algoritamskih opisa sustava, svrhovitu transformaciju dobivenih opisa u pakete međusobno povezanih strojnih modela, izradu scenarija i planova rada u odnosu na takve pakete, usmjerene na postizanje ciljeva primijenjenog modeliranja.

Kreativni aspekt- umjetnost, vještina, sposobnost postizanja praktično korisnih rezultata u tijeku strojnog modeliranja složenih sustava.

Implementacija koncepta modeliranja sustava kao cjelovitog skupa metoda za konstruiranje i korištenje modela moguća je samo uz odgovarajući stupanj razvoja informacijske tehnologije.

Bez obzira na vrstu modela (kontinuirani i diskretni, deterministički i stohastički itd.), simulacijsko modeliranje uključuje nekoliko osnovnih koraka prikazanih na sl. 3.1 i složen je iterativni proces:

Riža. 3.1. Tehnološke faze simulacijskog modeliranja

1. Dokumentirani izlaz u ovoj fazi je kompilirani ;

2. Izrada pojmovnog opisa. Rezultat aktivnosti analitičara sustava u ovoj fazi je konceptualni modelI izbor metode formalizacije za dati objekt simulacije.

3. Formalizacija simulacijskog modela. Sastavljeno formalni opis objekt simulacije.

4. Programiranje simulacijskog modela (izrada simulacijskog programa). OKO Postoji izbor alata za automatizaciju simulacije, algoritmizaciju, programiranje i otklanjanje pogrešaka simulacijskog modela.

5. Testiranje i istraživanje modela, validacija modela. Provodi se verifikacija modela, ocjena primjerenosti, proučavanje svojstava simulacijskog modela i drugo. sveobuhvatne postupke testiranja razvijen model.

6. Planiranje i izvođenje simulacijskog eksperimenta. Provodi se strateško i taktičko planiranje simulacijskog eksperimenta. Rezultat je: kompiliran i implementiran plan eksperimenta, dano uvjeti rada simulacije za odabrani plan.

7. Analiza rezultata simulacije. Istraživač tumači rezultate simulacije i njihovu upotrebu, stvarno donošenje odluka.

Formulacija problema i određivanje ciljeva simulacijske studije. U prvoj fazi formulira se problem s kojim se istraživač suočava i donosi se odluka o uputnosti korištenja metode simulacije. Zatim se određuju ciljevi koji se žele postići kao rezultat simulacije. Odabir vrste simulacijskog modela i priroda daljnjih simulacijskih istraživanja na simulacijskom modelu uvelike ovise o formuliranju ciljeva. U ovoj se fazi utvrđuje i detaljno proučava predmet modeliranja, oni aspekti njegova funkcioniranja koji su od interesa za istraživanje. Rezultat rada u ovoj fazi je smislen opis objekta simulacije naznačujući ciljeve simulacije i one aspekte funkcioniranja simulacijskog objekta koje je potrebno proučavati na simulacijskom modelu. Svrsishodan opis je sastavljen u terminologiji stvarnog sustava, na jeziku predmetnog područja, razumljivom kupcu.

U tijekom sastavljanja smislenog opisa objekta modeliranja, uspostavljaju se granice proučavanja objekta koji se modelira, daje se opis vanjskog okruženja s kojim je u interakciji. Formulirani su glavni kriteriji izvedbe, prema kojima se treba usporediti na modelu različitih rješenja, provodi se generiranje i opis razmatranih alternativa. Ne postoji opći recept za sastavljanje smislenog opisa. Uspjeh ovisi o intuiciji programera i poznavanju stvarnog sustava. Opća tehnologija ili redoslijed radnji u ovoj fazi je sljedeći: prikupljanje podataka o objektu modeliranja i kompajliranje smislen opis objekta simulacije; zatim slijedi: proučavanje problemske situacije - definiranje dijagnoze i formulacija problema; pojašnjenje ciljeva modeliranja; obrazlaže se potreba modeliranja i provodi izbor metode modeliranja. U ovoj fazi, jasno i specifično formuliran ciljevi modeliranja.

C Polja simulacije definiraju ukupnu namjeru modeli te prožimaju sve sljedeće faze simulacijskog modeliranja. Zatim se provodi formiranje konceptualnog modela predmeta koji se proučava.

P Zadržimo se detaljnije na glavnom sadržaju aktivnosti analitičara sustava u ovim ranim fazama. Ovaj rad je važan za sve naredne faze simulacije, ovdje se simulacijski modelar pokazuje kao sistemski analitičar koji posjeduje umjetnost modeliranja.

Strukturiranje izvornog problema. Formulacija problema

Strukturiranje izvornog problema. Formulacija problema. Prije svega, analitičar sustava mora biti sposoban analizirati problem. Provodi proučavanje i strukturiranje izvornog problema, jasnu formulaciju problema.

Analiza problema mora započeti detaljnim proučavanjem svih aspekata funkcioniranja. Razumijevanje pojedinosti je ovdje važno, tako da trebate biti ili stručnjak za određeno područje ili komunicirati sa stručnjacima. Sustav koji se razmatra povezan je s drugim sustavima, stoga je važno pravilno definirati zadatke. U ovom slučaju opći problem modeliranja dijeli se na posebne.

Glavni semantički sadržaj sustavnog pristupa rješavanju problema prikazan je na sl. 3.2.

Sustavni pristup rješavanju problema uključuje:

• sustavno razmatranje suštine problema:

1. obrazloženje suštine i mjesta problema koji se proučava;
2. formiranje opće strukture sustava koji se proučava;
3. identifikacija punog skupa značajnih čimbenika;
4. određivanje funkcionalnih ovisnosti između čimbenika;

• izgradnja jedinstvenog koncepta za rješavanje problema:

1. proučavanje objektivnih uvjeta za rješavanje problema;
2. obrazloženje ciljeva, zadataka potrebnih za rješavanje problema;
3. strukturiranje zadataka, formaliziranje ciljeva;
4. razvoj sredstava i metoda za rješavanje problema: opis alternativa, scenarija, pravila odlučivanja i kontrolnih akcija za daljnji razvoj na modelu postupaka odlučivanja;

• sustavna uporaba metoda modeliranja:

1. sistemska klasifikacija (strukturiranje) zadataka modeliranja;
2. sustavna analiza mogućnosti metoda modeliranja;
3. izbor učinkovitih metoda modeliranja.

Identifikacija mete

Identifikacija mete. Prvi i najvažniji korak u stvaranju bilo kojeg modela je određivanje njegove namjene. Može se primijeniti metoda dekompozicije ciljeva, koja podrazumijeva dijeljenje cjeline na dijelove: ciljeva na podciljeve, zadataka na podzadatke itd. U praksi ovaj pristup dovodi do hijerarhijskih struktura stabla (izgradnja stabla ciljeva). Ovaj postupak je puno stručnjaka i stručnjaka za problem. Odnosno, tu postoji subjektivni faktor. Praktični izazov je koliko je sve dobro strukturirano. Stablo ciljeva konstruirano kao rezultat ovog postupka kasnije može biti korisno u formiranju skupa kriterija.

Koje zamke očekuju sistemskog analitičara početnika? Ono što je cilj za jednu razinu, sredstvo je za drugu, a često dolazi do brkanja ciljeva. Za složen sustav s velikim brojem podsustava, ciljevi mogu biti proturječni. Cilj je rijetko jedini, kod velikog broja golova postoji opasnost od pogrešnog poretka.

Ciljevi modeliranja formulirani i strukturirani u prvoj fazi prožimaju cijeli tijek daljnjih simulacijskih istraživanja.

Razmotrite najčešće korištene ciljne kategorije u simulacijskoj studiji: evaluacija, predviđanje, optimizacija, usporedba alternativa i tako dalje.

Simulacijski eksperimenti provode se u različite svrhe, što može uključivati:

• razred– određivanje koliko će sustav predložene strukture zadovoljiti neke specifične kriterije;
• usporedba alternativa– usporedbu konkurentskih sustava dizajniranih za obavljanje određene funkcije ili usporedbu nekoliko predloženih načela rada ili metodologija;
• prognoza– procjena ponašanja sustava pod nekom očekivanom kombinacijom radnih uvjeta;
• analiza osjetljivosti- identificiranje iz velikog broja postojećih faktora onih koji najviše utječu na ukupno ponašanje sustava;
• identifikacija funkcionalnih odnosa- određivanje prirode odnosa između dva ili više djelujućih čimbenika, s jedne strane, i odgovora sustava, s druge strane;
• optimizacija - točno određivanje takve kombinacije djelujućih čimbenika i njihovih vrijednosti, koja osigurava najbolji odziv cjelokupnog sustava u cjelini.

Formiranje kriterija

Formiranje kriterija. Bitna je jasna i nedvosmislena definicija kriterija. To utječe na proces stvaranja i eksperimentiranja modela, osim toga, netočna definicija kriterija dovodi do netočnih zaključaka. Postoje kriteriji po kojima se procjenjuje stupanj postizanja cilja od strane sustava i kriteriji po kojima se ocjenjuje način kretanja prema cilju (ili učinkovitost sredstava za postizanje ciljeva). Za višekriterijske simulirane sustave formira se skup kriterija koji moraju biti strukturirani po podsustavima ili rangirani po važnosti.

Riža. 3.3. Prijelaz s realnog sustava na logičku shemu njegova funkcioniranja

Izrada konceptualnog modela objekta modeliranja. konceptualni model– postoji logički i matematički opis sustava koji se modelira u skladu s postavkom problema.

(Shematski, opći sadržaj ove tehnološke tranzicije prikazan je na sl. 3.3). Ovdje je dat opis objekta u smislu matematičkih koncepata i algoritmizacije funkcioniranja njegovih komponenti. Konceptualni opis je pojednostavljeni algoritamski prikaz stvarnog sustava.

Prilikom izrade konceptualnog modela, uspostavljanje glavna struktura modela, koje uključuje statički i dinamički opis sustava. Određuju se granice sustava, daje se opis vanjske okoline, identificiraju bitni elementi i daje njihov opis, formiraju se varijable, parametri, funkcionalne ovisnosti kako za pojedine elemente i procese, tako i za cijeli sustav, ograničenja, objektivne funkcije (kriteriji).

Rezultat rada u ovoj fazi je dokumentirani konceptualni opis i odabrana metoda formalizacije sustava koji se modelira. Pri izradi malih modela ova se faza kombinira s fazom sastavljanja smislenog opisa sustava koji se modelira. U ovoj fazi se usavršava metodologija simulacijskog eksperimenta.

Izgradnja konceptualnog modela

Izgradnja konceptualnog modela počinje činjenicom da se na temelju svrhe modeliranja utvrđuju granice sustava koji se modelira, utvrđuju utjecaji vanjske okoline. Postavljaju se hipoteze i fiksiraju sve pretpostavke (pretpostavke) potrebne za izgradnju simulacijskog modela. Raspravlja se o razini detalja simuliranih procesa.

Sustav se može definirati kao skup međusobno povezanih elemenata. U određenoj domeni, definicija sustava ovisi o svrsi modeliranja i o tome tko definira sustav. U ovoj fazi, dekompozicija sustava. Određeni su najznačajniji, u smislu formuliranog problema, elementi sustava ( strukturalna analiza simuliranog sustava) i interakcije između njih, identificiraju se glavni aspekti funkcioniranja simuliranih sustava (sastavlja se funkcionalni model), dan je opis vanjskog okruženja. Dekompozicija sustava (simulacijski objekt) ili dodjela podsustava je operacija analiza. Elementi modela moraju odgovarati stvarnim fragmentima u sustavu. Složeni sustav rastavlja se na dijelove, a pritom se zadržavaju veze koje omogućuju interakciju. Moguće je sastaviti funkcionalni dijagram koji će razjasniti specifičnosti dinamičkih procesa koji se odvijaju u sustavu koji se razmatra. Važno je odrediti koje će komponente biti uključene u model, koje će biti iznesene u vanjsko okruženje i kakvi će se odnosi među njima uspostaviti.

Opis vanjskog okruženja

Opis vanjskog okruženja Provodi se iz razmatranja da elementi vanjskog okruženja imaju određeni utjecaj na elemente sustava, ali je utjecaj samog sustava na njih, u pravilu, neznatan.

Kada govorimo o razini detalja modela, važno je razumjeti da se svaka dekompozicija temelji na dva sukobljena načela: cjelovitost i jednostavnost. Obično, u početnim fazama razvoja modela, postoji tendencija uzimanja u obzir pretjerano velikog broja komponenti i varijabli. Međutim, dobar model je jednostavan. Poznato je da je stupanj razumijevanja neke pojave obrnuto proporcionalan broju varijabli koje se pojavljuju u njenom opisu. Model preopterećen detaljima može postati složen i težak za implementaciju.

Kompromis između ova dva pola je samo to značajan(ili relevantan) komponente - značajne u odnosu na svrhu analize.

Dakle, prvo mora postojati "elementarnost" - sastavlja se najjednostavnije stablo ciljeva, pojednostavljena struktura modela. Sljedeći korak je dorada modela. Moramo težiti izradi jednostavnih modela, a zatim ih komplicirati. Treba slijediti princip iterativne izgradnje modela kada se, kako se sustav proučava iz modela, tijekom razvoja model mijenja dodavanjem novih ili eliminacijom nekih njegovih elemenata i/ili odnosa među njima.

Kako prijeći sa stvarnog sustava na njegov pojednostavljeni opis? Pojednostavljenje, apstrakcija- osnovne tehnike svakog modeliranja. Odabrana razina detalja trebala bi omogućiti apstrahiranje od neprecizno definiranih, zbog nedostatka informacija, aspekata funkcioniranja stvarnog sustava.

Pod, ispod pojednostavljenje odnosi se na zanemarivanje nebitnih detalja ili stvaranje pretpostavki o jednostavnijim odnosima (na primjer, pretpostavka linearnog odnosa između varijabli). Pri modeliranju se postavljaju hipoteze, pretpostavke vezane uz odnos komponenti i varijabli sustava.

Još jedan aspekt analize stvarnog sustava je apstrakcija. Apstrakcija sadrži bitne kvalitete ponašanja objekta, ali ne nužno u istom obliku i s takvim detaljima kao što se odvija u stvarnom sustavu.

Nakon što su dijelovi ili elementi sustava analizirani i modelirani, pristupamo njihovom spajanju u jedinstvenu cjelinu. Njihova interakcija trebala bi se ispravno odražavati u konceptualnom modelu. Sastav imati operaciju sinteza, agregacija (u modeliranju sustava, ovo nije samo sklop komponenti). Tijekom ove operacije uspostavljaju se odnosi među elementima (na primjer, specificira se struktura, daje opis odnosa, redoslijed itd.).

Istraživanje sustava temelji se na kombinaciji operacija analize i sinteze. U praksi se provode iterativni postupci analize i sinteze. Tek nakon toga možemo pokušati objasniti cjelinu – sustav, kroz njegove komponente – podsustave, u obliku opće strukture cjeline.

Kriteriji izvedbe

Kriteriji učinkovitosti. Parametri, varijable modela. Opis sustava trebao bi uključivati ​​kriterije izvedbe za sustav i alternativna rješenja koja se trebaju ocijeniti. Potonji se mogu smatrati ulazima modela ili parametrima scenarija. Prilikom algoritmiziranja procesa koji se modeliraju specificiraju se i glavne varijable modela uključene u njegov opis.

Svaki model je kombinacija komponenti kao što su komponente, varijable, parametri, funkcionalne ovisnosti, ograničenja, ciljne funkcije (kriteriji).

Pod, ispod komponente razumjeti sastavne dijelove koji, kada su pravilno spojeni, tvore sustav. Ponekad se razmatraju i komponente elementi sustav ili njegov podsustava. Sustav definiran kao skupina ili skup objekata koji su okupljeni nekim oblikom redovite interakcije ili međuovisnosti radi obavljanja određene funkcije. Sustav koji se proučava sastoji se od komponenti.

parametri su veličine koje istraživač može proizvoljno izabrati, za razliku od varijable modeli koji mogu poprimiti vrijednosti određene tipom zadane funkcije. U modelu ćemo razlikovati dvije vrste varijabli: egzogeni i endogeni. egzogeni nazivaju se i varijable ulazni. To znači da nastaju izvan sustava ili su rezultat međudjelovanja vanjskih uzroka. Endogeni Varijablama se nazivaju varijable koje nastaju u sustavu kao rezultat utjecaja unutarnjih uzroka. U slučajevima kada endogene varijable karakteriziraju stanje ili uvjete koji se odvijaju u sustavu, nazvat ćemo ih varijable stanja. Kada je potrebno opisati ulaze i izlaze sustava, tada se radi o ulazne i izlazne varijable.

Funkcionalne ovisnosti opisuju ponašanje varijabli i parametara unutar komponente ili izražavaju odnose između komponenti sustava. Ti su odnosi ili deterministički ili stohastički po prirodi.

Ograničenja predstavljaju postavljene granice za promjenu vrijednosti varijabli ili ograničavajuće uvjete za njihovu promjenu. Može ih unijeti programer ili postaviti sam sustav zbog njegovih inherentnih svojstava.

Ciljna funkcija (kriterijska funkcija) je točan prikaz ciljeva ili zadataka sustava i potrebnih pravila za ocjenu njihove provedbe. Izraz objektivne funkcije trebao bi biti nedvosmislena definicija ciljeva i ciljeva s kojima bi odluke koje se donose trebale biti razmjerne.

Formalizacija simulacijskog modela. U trećoj fazi simulacijske studije formalizira se objekt modeliranja. Proces formalizacije složenog sustava uključuje:

• izbor metode formalizacije;
• sastavljanje formalnog opisa sustava.

U procesu izgradnje modela mogu se razlikovati tri razine njegove reprezentacije:

• neformalno (faza 2) - konceptualni model;
• formaliziran (faza 3) – formalni model;
• programski (faza 4) – simulacijski model.

Svaka razina razlikuje se od prethodne po stupnju detalja modeliranog sustava te po načinu opisa njegove strukture i procesa funkcioniranja. Kao rezultat toga, povećava se razina apstrakcije.

konceptualni model

konceptualni model je sustavan, smislen opis modeliranog sustava (ili problemske situacije) na neformalnom jeziku. Neformalizirani opis simulacijskog modela koji se razvija uključuje definiciju glavnih elemenata sustava koji se modelira, njihove karakteristike i interakciju između elemenata na vlastitom jeziku. U tom slučaju mogu se koristiti tablice, grafikoni, grafikoni itd. Neformalizirani opis modela je neophodan kako za same programere (prilikom provjere adekvatnosti modela, njegove izmjene itd.), tako i za međusobno razumijevanje sa stručnjacima drugih profila.

Konceptualni model sadrži početne informacije za analitičara sustava koji formalizira sustav i za to koristi određenu metodologiju i tehnologiju, tj. na temelju neformaliziranog opisa razvija se stroži i detaljniji formalizirani opis.

Zatim se formalizirani opis pretvara u program simulatora u skladu s nekom metodologijom (tehnologijom programiranja).

Slična se shema odvija i kod izvođenja simulacijskih eksperimenata: smislena izjava se preslikava na formalni model, nakon čega se unose potrebne izmjene i dopune u metodologiju usmjerenog računalnog eksperimenta.

Glavni zadatak faze formalizacije- dati formalni opis složenog sustava, bez sekundarnih informacija dostupnih u smislenom opisu, algoritamski prikaz simulacijskog objekta. Svrha formalizacije– dobiti formalni prikaz logičko-matematičkog modela, tj. algoritmi za ponašanje komponenata složenog sustava i odražavaju interakciju među komponentama na razini algoritma modeliranja.

Može se pokazati da informacije dostupne u smislenom opisu nisu dovoljne za formalizaciju objekta modeliranja. U ovom slučaju potrebno je vratiti se na fazu sastavljanja smislenog opisa i dopuniti ga podacima, čija je potreba otkrivena tijekom formalizacije objekta modeliranja. U praksi može biti nekoliko takvih povrata. Formalizacija je korisna unutar određenih granica i nije opravdana za jednostavne modele.

Postoji značajna raznolikost shema (koncepata) formalizacije i strukturiranja koje su pronašle primjenu u simulacijskom modeliranju. Sheme formalizacije vođene su različitim matematičkim teorijama i proizlaze iz različitih ideja o procesima koji se proučavaju. Otud njihova raznolikost i problem odabira prikladne (za opisivanje određenog objekta modeliranja) formalizacijske sheme.

Za diskretne modele mogu se koristiti npr. procesno orijentirani sustavi (opis procesa), sustavi temeljeni na mrežnim paradigmama (mrežne paradigme), za kontinuirane modele mogu se koristiti dijagrami toka modela dinamike sustava.

Najpoznatiji i najčešće korišteni koncepti formalizacije u praksi su: agregatni sustavi i automati; Petrijeve mreže i njihova proširenja; modeli dinamike sustava. U okviru jednog koncepta formalizacije mogu se implementirati različiti algoritamski modeli. U pravilu, jedan ili drugi koncept strukturiranja (shema prikaza algoritamskih modela) ili formalizacije na tehnološkoj razini fiksiran je u modelnom sustavu, modelnom jeziku. Koncept strukturiranja je temelj svih simulacijskih sustava i podržan je posebno razvijenim tehnikama tehnologije programiranja. Ovo pojednostavljuje konstrukciju i programiranje modela. Na primjer, jezik za modeliranje GPSS ima koncept strukturiranja blokova, struktura procesa koji se modelira je prikazana kao tok transakcija koje prolaze kroz poslužitelje, redove i druge elemente sustava čekanja.

U nizu modernih sustava za modeliranje, uz aparaturu koja podržava jedan ili drugi koncept strukturiranja, postoje posebni alati koji osiguravaju primjenu određenog koncepta formalizacije u sustavu.

Izgradnja simulacijskih modela temelji se na suvremenim metodama strukturiranja složenih sustava i opisivanja njihove dinamike. Sljedeći modeli i metode naširoko se koriste u praksi analize složenih sustava:

• mreže komadno-linearnih agregata koji modeliraju diskretne i kontinuirano-diskretne sustave;
• Petrijeve mreže (mreže događaja, E-mreže, COMBI-mreže, itd. ekstenzije) koje se koriste u strukturiranju uzročno-posljedičnih veza i modeliranja sustava s paralelnim procesima, a služe za stratifikaciju i algoritmiziranje dinamike diskretnih i diskretno-kontinuiranih sustava;
• dijagrami toka i konačno-diferencijske jednadžbe dinamike sustava koji su modeli kontinuiranih sustava.

Programiranje simulacijskog modela

Programiranje simulacijskog modela. Konceptualni ili formalni opis modela složenog sustava pretvara se u program simulatora u skladu s određenom tehnikom programiranja i uz korištenje jezika i sustava za modeliranje. Važna točka je pravilan izbor alata za implementaciju simulacijskog modela.

Prikupljanje i analiza početnih podataka. Ova faza nije uvijek izdvojena kao samostalna, ali rad koji se u ovoj fazi obavlja je od velike važnosti. Ako se programiranje i praćenje simulacijskog modela može izvesti na hipotetskim podacima, tada se nadolazeća eksperimentalna studija mora izvesti na stvarnom toku podataka. O tome ovisi točnost dobivenih rezultata simulacije i primjerenost modela stvarnom sustavu.

Ovdje se razvijač simulacijskog modela suočava s dva pitanja:

• gdje i kako dobiti i prikupiti početne informacije;
• kako obraditi prikupljene podatke o stvarnom sustavu.

Glavne metode za dobivanje početnih podataka:

• iz postojeće dokumentacije za sustav (podaci izvješća, statističke zbirke, npr. za društveno-ekonomske sustave, financijska i tehnička dokumentacija za proizvodne sustave itd.);
• fizičko eksperimentiranje. Ponekad je za postavljanje početnih informacija potrebno provesti eksperimente u punoj veličini na simuliranom sustavu ili njegovim prototipovima;
• preliminarna, apriorna sinteza podataka. Ponekad izvorni podaci možda ne postoje, a simulirani sustav isključuje mogućnost fizičkog eksperimentiranja. U ovom slučaju predlažu se različite metode preliminarne sinteze podataka. Na primjer, kod modeliranja informacijskih sustava, trajanje ispunjenja informacijskog zahtjeva procjenjuje se na temelju složenosti algoritama implementiranih na računalu. Te metode uključuju različite postupke koji se temelje na općoj analizi problematike, upitnike, intervjue i široku primjenu metoda ekspertne procjene.

Drugo pitanje je vezano uz problem identifikacija ulaznih podataka za stohastičke sustave. Ranije je navedeno da je simulacijsko modeliranje učinkovit alat za proučavanje stohastičkih sustava, tj. takvi sustavi čija dinamika ovisi o slučajnim čimbenicima. Ulazne (i izlazne) varijable stohastičkog modela su u pravilu slučajne varijable, vektori, funkcije, slučajni procesi. Stoga se javljaju dodatne poteškoće vezane uz sintezu jednadžbi za nepoznate zakone raspodjele i određivanje vjerojatnosnih karakteristika (matematička očekivanja, varijance, korelacijske funkcije itd.) za analizirane procese i njihove parametre. Potreba za statističkom analizom pri prikupljanju i analizi ulaznih podataka vezana je uz poslove utvrđivanja vrste funkcionalnih ovisnosti koje opisuju ulazne podatke, procjenu specifičnih vrijednosti parametara tih ovisnosti, kao i provjeru značajnosti parametara . Za odabir teorijskih distribucija slučajnih varijabli koriste se dobro poznate metode matematičke statistike koje se temelje na određivanju parametara empirijskih distribucija i testiranju statističkih hipoteza, korištenjem kriterija dobrog pristajanja, o tome jesu li empirijski podaci konzistentni s poznatim zakonima distribucije.

Ispitivanje i istraživanje svojstava simulacijskog modela

Ispitivanje i istraživanje svojstava simulacijskog modela. Nakon implementacije simulacijskog modela na računalu, potrebno je provesti testove za procjenu pouzdanosti modela. U fazi testiranja i istraživanja razvijenog simulacijskog modela, kompleksno testiranje modela (testiranje) – planirani iterativni proces usmjeren na podršku postupcima verifikacije i validacije simulacijskih modela i podataka.

Ako se kao rezultat provedenih postupaka model pokaže nedovoljno pouzdanim, tada se može izvesti kalibracija simulacijskog modela(u algoritam modeliranja ugrađeni su kalibracijski koeficijenti) kako bi se osigurala adekvatnost modela. U složenijim slučajevima moguće je više ponavljanja u ranim fazama kako bi se dobile dodatne informacije o objektu koji se modelira ili kako bi se poboljšao simulacijski model. Prisutnost pogrešaka u interakciji komponenti modela vraća istraživača u fazu izrade simulacijskog modela. Razlog tome može biti inicijalno pojednostavljen model procesa ili pojave, što dovodi do neprilagođenosti modela objektu. Ako se izbor metode formalizacije pokazao neuspješnim, tada je potrebno ponoviti fazu sastavljanja konceptualnog modela, uzimajući u obzir nove informacije i stečena iskustva. Konačno, kada nema dovoljno informacija o objektu, potrebno je vratiti se na fazu sastavljanja smislenog opisa sustava i doraditi ga, uzimajući u obzir rezultate ispitivanja.

Usmjereni računalni eksperiment na simulacijskom modelu. Analiza rezultata simulacije i donošenje odluka. U završnim fazama simulacijskog modeliranja potrebno je provesti strateško i taktičko planiranje simulacijskog eksperimenta. Organizacija usmjerenog računalnog eksperimenta na simulacijskom modelu uključuje izbor i primjenu različitih analitičkih metoda za obradu rezultata simulacijske studije. Za to se koriste metode planiranja računalnog eksperimenta, regresijska i disperzijska analiza te metode optimizacije. Organizacija i provođenje pokusa zahtijeva pravilnu primjenu analitičkih metoda. Na temelju dobivenih rezultata studija bi trebala omogućiti donošenje zaključaka dovoljnih za donošenje odluka o problemima i zadacima identificiranim u ranim fazama.

Svaka faza modeliranja određuje zadatak i ciljeve modeliranja. U općem slučaju, proces izgradnje i istraživanja modela može se prikazati pomoću dijagrama:

I faza. Formulacija problema

Uključuje tri faze:

Opis zadatka

Zadatak je opisan običnim jezikom.

Cijeli skup zadataka može se podijeliti prema prirodi formulacije u 2 glavne skupine:

1. U prvoj skupini nalaze se zadaci u kojima se traži da se istraži kako će se karakteristike objekta promijeniti utjecajem na njega, tj. potrebno je dobiti odgovor na pitanje "Što će se dogoditi ako? ...".

   Na primjer, što se događa ako stavite magnetsku karticu na hladnjak? Što se događa ako povećate uvjete za upis na sveučilište? Što se događa ako računi za režije naglo porastu? i tako dalje.

   U drugoj skupini nalaze se zadaci u kojima se traži odrediti što treba učiniti s objektom kako bi njegovi parametri zadovoljili određeni zadani uvjet, tj. potrebno je dobiti odgovor na pitanje "Kako to učiniti da bi?..".

   Na primjer, kako izgraditi lekciju matematike tako da djeca mogu razumjeti gradivo? Koji način leta zrakoplova trebam odabrati da bi let bio sigurniji i isplativiji? Kako planirati građevinske radove da budu završeni što je brže moguće?

Određivanje svrhe simulacije

U ovoj fazi, među brojnim karakteristikama (parametrima) objekta, izdvajaju se one najznačajnije. Isti objekt s različitim svrhama modeliranja imat će različita bitna svojstva.

Na primjer, kod izrade modela jahte za sudjelovanje na natjecanjima brodomaketara bit će bitne njegove plovne karakteristike. Da bi se postigao cilj izgradnje modela, odgovor na pitanje "Kako učiniti da ...?"

Prilikom izrade modela jahte za putovanje na njoj, dugotrajna krstarenja, osim navigacijskih karakteristika bit će bitna njezina unutarnja struktura: broj paluba, udobnost kabina, dostupnost drugih pogodnosti itd.

Prilikom izrade računalnog simulacijskog modela jahte za provjeru pouzdanosti dizajna u olujnim uvjetima, model jahte će biti promjena slike i izračunatih parametara na ekranu monitora kada se promijene vrijednosti ulaznih parametara. Problem “Što će se dogoditi ako…?” bit će riješen.

Svrha modeliranja omogućuje vam da odredite koji će podaci biti izvor, što treba postići kao rezultat i koja se svojstva objekta mogu zanemariti.

Tako dolazi do izgradnje verbalnog modela zadatka.

Analiza objekta

Podrazumijeva jasan odabir objekta koji se modelira i njegovih glavnih svojstava.

II faza. Formalizacija zadatka

Povezano sa stvaranjem formaliziranog modela, tj. model koji je napisan nekim formalnim jezikom. Na primjer, stope nataliteta, koje su prikazane u obliku tablice ili grafikona, formalizirani su model.

Formalizacija se shvaća kao dovođenje bitnih svojstava i značajki objekta modeliranja u određeni oblik.

Formalni model je model koji je dobiven kao rezultat formalizacije.

Napomena 1

Matematički jezik je najprikladniji za rješavanje problema pomoću računala. Formalni model bilježi veze između ulaznih podataka i konačnog rezultata pomoću različitih formula, kao i nametanje ograničenja na dopuštene vrijednosti parametara.

III faza. Izrada računalnog modela

Počinje odabirom alata za modeliranje (softversko okruženje) s kojim će se model izraditi i proučavati.

Algoritam za konstrukciju računalnog modela i oblik njegove prezentacije ovise o izboru programskog okruženja.

Na primjer, u programskom okruženju, oblik reprezentacije je program koji je napisan na odgovarajućem jeziku. U primijenjenim okruženjima (proračunske tablice, DBMS, grafički uređivači itd.) oblik prikaza algoritma je niz tehnoloških metoda koje dovode do rješenja problema.

Imajte na umu da se isti problem može riješiti pomoću različitih programskih okruženja, čiji izbor ovisi prije svega o njegovim tehničkim i materijalnim mogućnostima.

IV stadij. računalni eksperiment

Uključuje 2 faze:

Testiranje modela - provjera ispravnosti izgradnje modela.

U ovoj fazi se provjerava razvijeni algoritam za izgradnju modela i provodi se primjerenost dobivenog modela predmetu i svrsi modeliranja.

Napomena 2

Za provjeru ispravnosti algoritma izgradnje modela koriste se testni podaci za koje je konačni rezultat unaprijed poznat. Najčešće se podaci o ispitivanju određuju ručno. Ako se tijekom provjere rezultati poklapaju, tada je razvijen ispravan algoritam, a ako ne, morate pronaći i ukloniti uzrok njihovog odstupanja.

Ispitivanje treba biti svrhovito i sistematizirano, a složenost ispitnih podataka provoditi postupno. Utvrditi ispravnost izrade modela koji odražava svojstva originala bitna za potrebe modeliranja, tj. njegovu primjerenost, potrebno je odabrati takve ispitne podatke koji će odražavati stvarno stanje.

Studija modela

Možete nastaviti s proučavanjem modela tek nakon što uspješno položite test i budete sigurni da je izrađen upravo onaj model koji treba proučavati.

V stadij. Analiza rezultata

To je osnova za proces modeliranja. Odluka o nastavku ili završetku studija donosi se na temelju rezultata ove određene faze.

U slučaju kada rezultati ne odgovaraju ciljevima zadatka, oni zaključuju da su greške napravljene u prethodnim fazama. Zatim je potrebno korigirati model, tj. vratite se na jedan od prethodnih koraka. Proces treba ponavljati sve dok rezultati računalnog eksperimenta ne odgovaraju ciljevima simulacije.

U prethodnim temama formulirali smo što je model i definirali novi koncept - modeliranje. Važno je shvatiti da je modeling jedna od ključnih ljudskih djelatnosti. Modeling uvijek u ovom ili onom obliku prethodi svakom poslu.

Riža. 4. Od prototipa do donošenja odluke.

Shema prikazana na sl. Slika 4 pokazuje da je modeliranje središnje za proučavanje objekta. Omogućuje vam da razumno donesete odluku: kako poboljšati poznate objekte, je li potrebno stvarati nove, kako promijeniti procese upravljanja i, u konačnici, kako promijeniti svijet oko nas na bolje.

Polazna točka ovdje je prototip (slika 2.4). To može biti postojeći ili projektirani objekt ili proces.

Završna faza modeliranja je donošenje odluka. U mnogim situacijama moramo donijeti jednu ili drugu odluku. U modeliranju to znači da ili stvaramo novi objekt čiji smo model proučavali, ili poboljšavamo postojeći ili dobivamo dodatne informacije o njemu.

Modeling je kreativan proces. Vrlo je teško to staviti u formalne okvire. U svom najopćenitijem obliku, može se prikazati u fazama, kao što je prikazano na sl. 5. Svaki put kada rješavate određeni problem, takva shema može biti podložna nekim promjenama: neki blok će biti uklonjen ili poboljšan, neki - dodani. Sve faze određene su zadaćom i ciljevima modeliranja.

I faza. Formulacija problema
Opis zadatka
Svrha simulacije
Analiza objekta
II faza. Razvoj modela
informacijski model
kultni model
računalni model
III faza. računalni eksperiment
Plan simulacije
Tehnologija simulacije
IV stadij. Analiza rezultata simulacije
Rezultati odgovaraju svrsi	Rezultati ne odgovaraju svrsi

Razmotrimo detaljnije glavne faze modeliranja.

3.2. I faza. Formulacija problema

U najopćenitijem smislu riječi, zadatak je shvaćen kao određeni problem koji treba riješiti. U fazi postavljanja zadatka potrebno je odražavati tri glavne točke: opis zadatka, određivanje ciljeva modeliranja i analize objekta ili procesa.

Opis zadatka

Zadatak (problem) formuliran je običnim jezikom, a opis treba biti razumljiv. Ovdje je glavna stvar definirati predmet modeliranja i razumjeti što bi trebao biti rezultat. Način na koji je problem shvaćen određuje rezultat simulacije i, u konačnici, odluku.

Prema prirodi formulacije, svi se zadaci mogu podijeliti u dvije glavne skupine.

Prvoj skupini može uključivati ​​zadatke u kojima je potrebno istražiti kako će se karakteristike objekta promijeniti s određenim utjecajem na njega. Ova izjava problema obično se naziva "što će se dogoditi ako?". Na primjer, kako će se promijeniti brzina automobila nakon 6 s ako se giba pravocrtno i jednoliko ubrzano s početnom brzinom od 3 m/s i akceleracijom od 0,5 m/s 2

Ponekad su zadaci formulirani nešto šire. Što se događa ako promijenite karakteristike objekta u zadanom rasponu s određenim korakom? Takva studija pomaže u praćenju ovisnosti parametara objekta o početnim podacima. Na primjer, model eksplozije informacija:

“Jedna je osoba vidjela NLO i u sljedećih 15 minuta rekla troje ljudi da zna za njega. Oni su pak nakon još 15 minuta javili vijest još po tri svoja prijatelja itd. Pratite koliki će biti broj obaviještenih nakon 15, 30 itd. minuta.

Druga grupa Problem ima sljedeću generaliziranu formulaciju: kakav utjecaj treba izvršiti na objekt da njegovi parametri zadovolje neki zadani uvjet? Ova izjava problema često se naziva "kako to učiniti da bi? ..". Na primjer, koliki treba biti balon napunjen plinom helijem da bi se podigao s teretom od 100 kg?

Najveći broj zadataka modeliranja obično je složen. Na primjer, zadatak promjene koncentracije otopine: „Kemijska otopina volumena od 5 dijelova ima početnu koncentraciju od 70%. Koliko dijelova vode treba dodati da bi se dobila otopina zadane koncentracije? Najprije se izračunava koncentracija dodavanjem 1 dijela vode. Zatim se gradi tablica koncentracija s dodatkom 2, 8, 4 ... dijela vode. Dobiveni izračun omogućuje brzo ponovno izračunavanje modela s različitim početnim podacima. Prema proračunskim tablicama može se odgovoriti na postavljeno pitanje: koliko dijelova vode treba dodati da se dobije potrebna koncentracija.

Svrha simulacije

Zašto osoba stvara modele?

Ako modeli omogućuju razumjeti kako je određeni objekt uređen, saznati njegova osnovna svojstva, utvrditi zakone njegovog razvoja i interakcije s okolnim svijetom, onda je u ovom slučaju svrha izgradnje modela jepoznavanje okolnog svijeta.

Druga važna svrha modeliranja je stvaranje objekata sa zadanim svojstvima. Ovaj cilj određen je postavkom problema "kako napraviti ...".

Svrha modeliranja zadataka tipa "što se događa ako..." - utvrđivanje posljedica udara na objekt i donošenje ispravne odluke. Takvo modeliranje je od velike važnosti u rješavanju društvenih i drugih problema.

Često je cilj modelinga učinkovitost upravljanja objektom (ili procesom). .

Analiza objekta

U ovoj fazi, polazeći od opće formulacije problema, jasno se razlikuju modelirani objekt i njegova glavna svojstva. Zapravo, svi ti čimbenici mogu se nazvati ulaznim parametrima modeliranja. Može ih biti jako puno, a neki se ne mogu opisati kvantitativnim omjerima.

Vrlo često, izvorni objekt je cijeli skup manjih komponenti koje su u nekom odnosu. Riječ "analiza" (od grč. "analiza") znači raščlanjivanje, rastavljanje predmeta u svrhu identificiranja sastavnih dijelova, koji se nazivaju elementarnim objektima. Rezultat je zbirka jednostavnijih objekata. Mogu biti ili u ravnopravnom odnosu ili u međusobnoj podređenosti. Sheme takvih veza prikazane su na sl. 6 i 7.

Postoje objekti sa složenijim odnosima. U pravilu se složeni objekti mogu sastojati od jednostavnijih s različitim vrstama odnosa.

Svaki ozbiljan rad (bilo da se radi o razvoju dizajna ili dizajnu procesa, razvoju algoritama ili modeliranju) trebao bi se temeljiti na principu sustava "odozgo" – dolje" , tj. od općih problema do specifičnih detalja. Rezultat analize objekta javlja se u procesu identifikacije njegovih sastavnica (elementarnih objekata) i utvrđivanja odnosa među njima.