모델링 프로세스의 구조 및 주요 단계. 시스템 모델링 시스템 모델링의 주요 단계

객체의 모델(현상, 프로세스)을 구축하기 전에 객체의 구성 요소와 객체 간의 연결을 식별하고(시스템 분석 수행) 결과 구조를 미리 결정된 형식으로 "번역"(표시)해야 합니다. 정보를 공식화합니다.

사전 형식화 없이는 모든 시스템의 모델링이 불가능합니다. 실제로 형식화는 모델링 프로세스의 첫 번째이자 매우 중요한 단계입니다. 모델은 명시된 모델링 목적을 기반으로 연구 대상, 프로세스 및 현상의 가장 본질적인 사항을 반영합니다. 이것이 모델의 주요 특징이자 주요 목적입니다.

형식화는 대상, 현상 또는 프로세스의 내부 구조를 특정 정보 구조, 즉 형식으로 식별하고 번역하는 프로세스입니다.

예를 들어,여러분은 지리학 수업을 통해 진동의 강도가 일반적으로 10점 단위로 측정된다는 것을 알고 있습니다. 사실 우리는 이 자연 현상의 강도를 평가하기 위한 가장 간단한 모델을 다루고 있습니다. 과연 태도는 "더 강하게",현실 세계에서 작동하는 여기서 공식적으로 관계로 대체됨 "더",자연수 집합에서의 의미: 가장 약한 떨림은 숫자 1, 가장 강한 떨림은 10에 해당합니다. 결과적으로 정렬된 10개 숫자 집합은 떨림의 강도에 대한 아이디어를 제공하는 모델입니다.

모델링 단계

어떤 작업을 시작하기 전에 활동의 시작점과 각 지점, 대략적인 단계를 명확하게 상상해야 합니다. 모델링에 대해서도 마찬가지입니다. 여기서 출발점은 프로토타입입니다. 이는 기존 또는 설계된 개체 또는 프로세스일 수 있습니다. 모델링의 마지막 단계는 객체에 대한 지식을 바탕으로 결정을 내리는 것입니다.

(모델링의 시작점은 - 원기, 이는 기존 또는 설계된 객체 또는 프로세스일 수 있습니다. 모델링의 마지막 단계는 객체에 대한 지식을 바탕으로 결정을 내리는 것입니다.)

체인은 이렇게 생겼습니다.

이를 예를 들어 설명하겠습니다.

새로운 기술적 수단을 만들 때 모델링의 예는 우주 기술 개발의 역사입니다. 우주 비행을 실현하려면 두 가지 문제, 즉 중력을 극복하고 무공해 공간에서의 발전을 보장해야 했습니다. 뉴턴은 17세기에 지구의 중력을 극복할 가능성에 대해 이야기했습니다. K. E. Tsiolkovsky는 연소 중에 상당한 에너지를 방출하는 액체 산소와 수소의 혼합물에서 연료를 사용하는 우주 이동용 제트 엔진을 만들 것을 제안했습니다. 그는 그림, 계산 및 정당화를 통해 미래의 행성 간 우주선에 대한 상당히 정확한 설명 모델을 편집했습니다.

K. E. Tsiolkovsky의 설명 모델이 S. P. Korolev가 이끄는 디자인 국에서 실제 모델링의 기초가 된 지 반세기도 채 지나지 않았습니다. 본격적인 실험에서는 각종 액체연료, 로켓의 형상, 우주비행사의 비행조종장치 및 생명유지장치, 과학연구용 기구 등을 테스트하였고, 다용도로 모델링한 결과 인공지구를 발사하는 강력한 로켓이 탄생하였다. 위성, 우주 비행사가 탑승한 선박 및 우주 정거장.

또 다른 예를 살펴보겠습니다. 18세기의 유명한 화학자 앙투안 라부아지에는 연소 과정을 연구하면서 수많은 실험을 수행했습니다. 그는 실험 전후에 가열하고 무게를 측정한 다양한 물질을 사용하여 연소 과정을 시뮬레이션했습니다. 일부 물질은 가열 후에 무거워지는 것으로 나타났습니다. Lavoisier는 가열 과정에서 이러한 물질에 무언가가 추가되었다고 제안했습니다. 따라서 결과에 대한 모델링 및 후속 분석을 통해 새로운 물질인 산소의 정의, "연소" 개념의 일반화로 이어졌고, 알려진 많은 현상에 대한 설명을 제공하고 다른 과학 분야 연구를 위한 새로운 지평을 열었습니다. 특히 생물학에서는 산소가 동물과 식물의 호흡과 에너지 대사의 주요 구성 요소 중 하나로 밝혀졌기 때문입니다.

모델링- 창작 과정. 이를 공식적인 틀에 넣는 것은 매우 어렵습니다. 가장 일반적인 형태에서는 그림 1과 같이 단계적으로 표시될 수 있습니다. 1.

쌀. 1. 모델링 단계.

특정 문제를 해결할 때마다 이러한 체계는 일부 변경을 겪을 수 있습니다. 일부 블록은 제거되거나 개선되고 일부는 추가됩니다. 모든 단계는 작업 및 모델링 목표에 따라 결정됩니다. 모델링의 주요 단계를 더 자세히 살펴 보겠습니다.

단계. 문제의 공식화.

과제는 해결해야 할 문제입니다. 문제 형성 단계에서는 문제 설명, 모델링 목표 결정, 객체 또는 프로세스 분석이라는 세 가지 주요 사항을 반영해야 합니다.

작업 설명

과제는 일상어로 표현되어야 하며, 설명은 명확해야 합니다. 여기서 가장 중요한 것은 모델링 개체를 정의하고 결과가 무엇인지 이해하는 것입니다.

모델링의 목적

1) 주변 세계에 대한 지식

사람이 모델을 만드는 이유는 무엇입니까? 이 질문에 답하려면 먼 과거를 살펴볼 필요가 있습니다. 수백만 년 전, 인류 탄생 초기에 원시인들은 자연 요소에 저항하고, 자연의 혜택을 활용하고, 단순히 생존하는 방법을 배우기 위해 주변 자연을 연구했습니다.

축적된 지식은 세대에서 세대로 구두로, 나중에는 서면으로, 마지막으로 객체 모델을 통해 전달되었습니다. 예를 들어 지구 모델, 즉 지구본이 탄생한 방법은 다음과 같습니다. 이를 통해 우리 행성의 모양, 자체 축을 중심으로 한 회전 및 대륙의 위치에 대한 시각적 아이디어를 얻을 수 있습니다. 이러한 모델을 사용하면 특정 객체가 어떻게 구성되어 있는지 이해하고, 기본 속성을 찾아내고, 주변 모델 세계와의 개발 및 상호 작용 법칙을 설정할 수 있습니다.

(수세기에 걸쳐 인간은 모델을 만들고, 지식을 축적하고, 그것을 대대로 구두로 전달하고, 나중에는 서면으로, 마지막으로 주제 모델의 도움을 받아 전달했습니다. 이러한 모델을 사용하면 특정 개체가 어떻게 구성되어 있는지 이해하고 주변 모델 세계와의 개발 및 상호 작용에 대한 법칙을 확립하기 위해 기본 속성을 알아냅니다. *예: 지구본 모델*).

2) 지정된 속성을 가진 객체 생성( 문제 진술에 의해 결정됨 “그걸 어떻게 하지...”.

충분한 지식을 축적한 사람은 "요소에 대응하거나 자연 현상을 사용하여 자신에게 봉사하기 위해 주어진 속성과 능력을 가진 물체를 만드는 것이 불가능합니까?"라는 질문을 스스로에게 물었습니다. 인간은 아직 존재하지 않는 물체의 모델을 만들기 시작했습니다. 이것이 풍차, 다양한 메커니즘, 심지어 일반 우산을 만드는 아이디어가 탄생한 방법입니다. 이러한 모델 중 상당수가 이제 현실이 되었습니다. 인간의 손으로 만들어진 물건들입니다.

(충분한 지식을 축적한 사람은 주어진 속성과 능력을 가진 물체를 만들고, *요소에 대응하거나 자연 현상을 자신에게 맞게 사용*하여 삶을 더 쉽게 만들고, 환경의 파괴적인 영향으로부터 자신을 보호하려는 욕구를 가졌습니다. 인간은 아직 존재하지 않는 물체의 모델을 만들기 시작했습니다. 이러한 모델 중 상당수는 이제 현실이 되었습니다. 이것들은 인간의 손으로 만든 물체입니다.) *예: 풍차, 다양한 메커니즘, 심지어 일반 우산*

3) 물체에 대한 영향의 결과를 결정하고 올바른 결정을 내립니다. . 다음과 같은 문제를 모델링하는 목적 "만약에 무슨 일이..." . (운송료를 올리면 어떻게 될까요, 아니면 이런 곳에 핵폐기물을 묻어버리면 어떻게 될까요?)

예를 들어, 막대한 피해를 초래하는 지속적인 홍수로부터 네바 강의 도시를 구하기 위해 댐을 건설하기로 결정했습니다. 설계 과정에서 자연에 대한 개입의 결과를 정확하게 예측하기 위해 실제 크기의 모델을 포함하여 많은 모델이 구축되었습니다.

이 단락에서는 예만 제시할 수 있습니다. 질문에 대해 말해보세요.

4) 객체(또는 프로세스) 관리의 효율성 ) .

관리 기준이 매우 모순적일 수 있기 때문에 “늑대에게 먹이를 주고 양은 안전해야” 효과가 있습니다.

예를 들어, 학교 매점의 음식을 개선해야 합니다. 한편으로는 연령 요구 사항 (칼로리 함량, 비타민 및 미네랄 염 함유)을 충족해야하고, 다른 한편으로는 대부분의 어린이가 좋아해야하며, 부모에게도 저렴해야하며, 세 번째로는 준비 기술이 필요합니다. 학교 구내식당의 능력에 부합해야 합니다. 호환되지 않는 것들을 결합하는 방법은 무엇입니까? 모델을 구축하면 수용 가능한 솔루션을 찾는 데 도움이 됩니다.

이 단락의 정보가 누군가에게 중요해 보인다면 직접 선택하십시오.

객체 분석

이 단계에서는 모델링된 객체와 그 주요 속성이 명확하게 식별되고, 그것이 무엇으로 구성되어 있으며, 이들 사이에 어떤 연결이 존재하는지가 명확하게 식별됩니다.

(객체 종속 연결의 간단한 예는 문장을 구문 분석하는 것입니다. 먼저 주 구성원(주어, 술어)이 강조 표시되고 그 다음 주 구성원과 관련된 보조 구성원, 보조 구성원과 관련된 단어 등이 강조 표시됩니다.)

2단계. 모델 개발

1. 정보 모델

이 단계에서는 기본 개체의 속성, 상태, 동작 및 기타 특성이 구두, 다이어그램, 표 형식 등 어떤 형태로든 명확해집니다. 원본 객체를 구성하는 기본 객체에 대한 아이디어가 형성됩니다. 정보 모델.

모델은 객관적인 세계에서 객체의 가장 필수적인 특징, 속성, 상태 및 관계를 반영해야 합니다. 객체에 대한 완전한 정보를 제공합니다.

수수께끼를 풀어야 한다고 상상해 보세요. 원형, 녹색, 광택, 시원함, 줄무늬, 울림, 잘 익은, 향기로운, 달콤한, 육즙이 많은, 무거운, 큰, 마른 꼬리가 있는 등 실제 개체의 속성 목록이 제공됩니다.

목록은 계속되지만 아마도 우리가 수박에 대해 이야기하고 있다는 것을 이미 짐작했을 것입니다. 색상, 냄새, 맛, 심지어 소리까지 가장 다양한 정보가 제공됩니다. 분명히 이 문제를 해결하는 데 필요한 것보다 훨씬 더 많은 정보가 있습니다. 나열된 모든 기호와 속성 중에서 개체를 정확하게 식별할 수 있는 최소값을 선택해 보십시오. 오랫동안 러시아 민속에서 해결책이 발견되었습니다. "스칼렛, 설탕, 그린, 벨벳 카프탄."

정보가 예술가가 정물화를 그리도록 의도된 것이라면 대상의 다음 속성으로 제한할 수 있습니다. 원형, 대형, 녹색, 줄무늬. 단 것을 좋아하는 사람의 식욕을 자극하려면 다른 속성을 선택해야 합니다. 익은, 육즙이 많은, 향기로운, 달콤한. 멜론 밭에서 수박을 선택하는 사람에게 우리는 다음과 같은 모델을 제공할 수 있습니다. 마른 꼬리로.

이 예는 정보가 많을 필요가 없다는 것을 보여줍니다. "장점에 따라", 즉 사용 목적과 일치하는 것이 중요합니다.

예를 들어, 학교에서 학생들은 혈액 순환 정보 모델을 접하게 됩니다. 이 정보는 초등학생에게는 충분하지만 병원에서 혈관 수술을 수행하는 사람들에게는 충분하지 않습니다.

정보 모델은 인간의 삶에서 매우 중요한 역할을 합니다.

학교에서 습득하는 지식은 사물과 현상을 연구할 목적으로 고안된 정보 모델의 형태를 취합니다.

역사 수업사회 발전의 모델을 구축할 수 있게 하고, 이에 대한 지식을 통해 조상의 실수를 반복하거나 고려하여 자신의 삶을 구축할 수 있습니다.

~에 지리 수업산, 강, 국가 등 지리적 개체에 대한 정보가 제공됩니다. 이는 또한 정보 모델이기도 합니다. 지리학 수업에서 가르치는 내용 중 대부분은 실제로는 볼 수 없는 내용입니다.

~에 화학 수업다양한 물질의 특성과 상호 작용 법칙에 대한 정보는 화학 공정의 실제 모델에 불과한 실험을 통해 뒷받침됩니다.

정보 모델은 결코 객체의 특징을 완전히 나타내지 않습니다. 동일한 객체에 대해 서로 다른 정보 모델을 구축할 수 있습니다.

모델링을 위해 "사람"과 같은 객체를 선택하겠습니다. 사람은 개인으로서, 그리고 일반적인 사람으로서 다양한 관점에서 볼 수 있습니다.

특정 인물을 염두에 두고 있다면 표에 제시된 모델을 구축할 수 있습니다. 1-3.

1 번 테이블.학생 정보 모델

표 2..학교 의무실 방문자의 정보 모델

표 3.기업 직원의 정보 모델

생각해보자 그리고 다른 예동일한 객체에 대한 다른 정보 모델.

범죄에 대한 수많은 목격자들은 공격 혐의자에 대한 다양한 정보를 보고했습니다. 이것이 그들의 정보 모델입니다. 경찰 대리인은 정보 흐름 중에서 범죄자를 찾아 구금하는 데 도움이 되는 가장 중요한 정보를 선택해야 합니다. 법의 대표자는 적기에 대한 정보 모델을 두 개 이상 가질 수 있습니다. 비즈니스의 성공 여부는 필수 기능을 얼마나 정확하게 선택하고 보조 기능을 폐기하는지에 달려 있습니다.

정보모델을 생성할 때 가장 필수적인 정보의 선택과 그 복잡성은 모델링의 목적에 따라 결정됩니다.

정보 모델 구축은 모델 개발 단계의 출발점입니다. 분석 과정에서 식별된 객체의 모든 입력 매개변수는 중요도 내림차순으로 정렬되었으며, 모델링 목적에 따라 모델이 단순화되었습니다.

2. 아이코닉 모델

모델링 프로세스를 시작하기 전에 사람은 종이에 그림이나 다이어그램의 예비 스케치를 만들고 계산 공식을 도출합니다. 즉, 어떤 형태로든 정보 모델을 만듭니다. 상징적 형태, 이는 다음 중 하나일 수 있습니다. 컴퓨터든 컴퓨터가 아니든.

컴퓨터 모델

컴퓨터 모델은 소프트웨어 환경을 사용하여 구현된 모델입니다.

정보 모델의 연구(모델링)를 수행할 수 있는 많은 소프트웨어 패키지가 있습니다. 각 소프트웨어 환경에는 고유한 도구가 있으며 이를 통해 특정 유형의 정보 개체에 대한 작업을 수행할 수 있습니다.

그 사람은 이미 모델이 무엇인지 알고 있으며 컴퓨터를 사용하여 모델에 상징적인 모양을 부여합니다. 예를 들어 그래픽 환경은 기하학적 모델과 다이어그램을 작성하는 데 사용되며 텍스트 편집기 환경은 구두 또는 표 형식 설명에 사용됩니다.

3단계. 컴퓨터 실험

새로운 디자인 개발에 생명을 불어넣고, 새로운 기술 솔루션을 생산에 도입하거나, 새로운 아이디어를 테스트하려면 실험이 필요합니다. 최근에는 이러한 실험을 위해 특별히 제작된 실험실 조건이나 현장, 즉 제품의 실제 샘플에서 모든 종류의 테스트를 거쳐 수행할 수 있었습니다.

컴퓨터 기술의 발전과 함께 컴퓨터 실험이라는 새롭고 독특한 연구 방법이 등장했습니다. 컴퓨터 실험에는 일련의 모델 작업, 컴퓨터 모델에 대한 일련의 대상 사용자 작업이 포함됩니다.

IV 단계. 시뮬레이션 결과 분석

모델링의 궁극적인 목표는 결정을 내리는 것이며, 이는 얻은 결과에 대한 포괄적인 분석을 기반으로 내려져야 합니다. 이 단계는 결정적입니다. 연구를 계속하거나 완료하는 것입니다. 아마도 예상 결과를 알고 있다면 얻은 결과와 예상 결과를 비교해야 합니다. 일치하는 경우 결정을 내릴 수 있습니다.

솔루션 개발의 기본은 테스트와 실험의 결과이며, 결과가 작업 목표와 일치하지 않으면 이전 단계에서 실수가 있었다는 것을 의미합니다. 이는 정보 모델의 구성이 지나치게 단순화되었거나, 모델링 방법이나 환경의 선택이 실패했거나, 모델 구축 시 기술적 기법을 위반한 것일 수 있습니다. 이러한 오류가 확인되면 모델을 조정해야 합니다. 즉, 이전 단계 중 하나로 돌아가야 합니다. 실험 결과가 모델링 목표를 충족할 때까지 프로세스가 반복됩니다.

가장 중요한 것은 항상 기억하는 것입니다. 식별된 오류도 결과입니다. http://www.gmcit.murmansk.ru/text/information_science/base/simulation/materials/mysnik/2.htm

관련 정보.

모델링 이론은 제어 프로세스 자동화 이론의 구성 요소 중 하나입니다. 기본 원칙 중 하나는 다음과 같습니다. 시스템은 유한한 모델 세트로 표현되며 각 모델은 본질의 특정 측면을 반영합니다.

지금까지 상당한 경험이 축적되어 모델 구축의 기본 원리를 공식화할 수 있는 근거가 되었습니다. 모델을 구축할 때 연구자의 경험, 직관, 지적 자질의 역할이 매우 중요함에도 불구하고, 모델링 실습에서 많은 오류와 실패는 모델링 방법론에 대한 무지와 모델 구축 원칙을 준수하지 않기 때문에 발생합니다.

주요 내용은 다음과 같습니다.

연구 목표에 대한 모델 준수 원칙

모델의 복잡성을 모델링 결과의 요구되는 정확도와 일치시키는 원리

모델 효율성의 원리;

비례의 원칙;

건물 모델의 모듈화 원칙

개방성의 원칙;

집단 개발의 원칙(주제 분야 및 모델링 분야의 전문가가 모델 생성에 참여)

서비스 가능성의 원칙(모델 사용 용이성).

동일한 시스템에 대해 많은 모델을 구축할 수 있습니다. 이러한 모델은 세부 정도가 다르며 실제 객체의 특정 기능 및 기능 모드를 고려하고 시스템 본질의 특정 측면을 반영하며 특정 속성 또는 속성 그룹에 대한 연구에 중점을 둡니다. 체계. 따라서 모델 구축의 초기 단계에서 이미 모델링의 목적을 명확하게 공식화하는 것이 중요합니다. 특정 연구 문제를 해결하기 위해 모델이 구축되었다는 점도 고려해야 합니다. 유니버설 모델을 만드는 경험은 생성된 모델의 번거로움과 실제 사용에 적합하지 않기 때문에 그 자체로 정당화되지 않았습니다. 각각의 특정 문제를 해결하려면 연구 관점에서 가장 중요한 측면과 연관성을 반영하는 자체 모델이 필요합니다. 모델링의 목표를 구체적으로 설정하는 것의 중요성은 모델링의 모든 후속 단계가 특정 연구 목표에 초점을 맞춰 수행된다는 사실에서도 나타납니다.

모델은 항상 원본과 비교하여 대략적입니다. 이 근사값은 어떻게 되어야 합니까? 과도한 세부 사항은 모델을 복잡하게 만들고 비용을 높이며 연구를 복잡하게 만듭니다. 모델의 복잡성 정도와 모델링된 개체에 대한 적합성 사이의 절충점을 찾는 것이 필요합니다.

일반적으로 "정확도 - 복잡성" 문제는 두 가지 최적화 문제 중 하나로 공식화됩니다.

시뮬레이션 결과의 정확도가 지정되면 모델의 복잡성이 최소화됩니다.

특정 복잡성의 모델을 보유하면 모델링 결과의 정확성을 극대화하기 위해 노력합니다.

특성, 매개변수, 방해 요인의 수를 줄입니다. 시스템의 특성 집합에서 모델링 목표를 지정함으로써 모델링 없이 결정할 수 있거나 연구자의 관점에서 이차적으로 중요한 목표는 제외되거나 결합됩니다. 이러한 절차를 구현할 가능성은 모델링할 때 다양한 방해 요소를 모두 고려하는 것이 항상 권장되는 것은 아니라는 사실과 관련이 있습니다. 작동 조건의 일부 이상화가 허용됩니다. 모델링의 목적이 시스템의 속성을 기록하는 것뿐만 아니라 시스템의 구성이나 운영에 대한 특정 결정을 최적화하는 것이라면 시스템 매개변수의 수를 제한하는 것 외에도 다음과 같은 매개변수를 식별하는 것이 필요합니다. 연구자는 바뀔 수 있다.

시스템 특성의 성격을 변경합니다. 모델의 구성 및 연구를 단순화하기 위해 일부 가변 매개변수를 상수로, 이산 매개변수를 연속 매개변수로, 그 반대로 간주하는 것이 허용됩니다.

매개변수 간의 기능적 관계를 변경합니다. 비선형 의존성은 일반적으로 선형 함수로 대체되고, 이산 함수는 연속 함수로 대체됩니다. 후자의 경우 역변환이 단순화될 수도 있습니다.

제한 사항 변경. 제한사항이 제거되면 일반적으로 솔루션을 얻는 프로세스가 단순화됩니다. 반대로 제한 사항이 도입되면 솔루션을 얻는 것이 훨씬 더 어려워집니다. 제한 사항을 변경함으로써 시스템 성능 지표의 경계 값으로 설명되는 결정 영역을 결정할 수 있습니다.

모델링 프로세스에는 다양한 리소스(재료, 계산 등)의 특정 비용이 수반됩니다. 이러한 비용은 시스템이 복잡해지고 모델링 결과에 대한 요구 사항이 높아질수록 커집니다. 우리는 경제적 모델을 모델 생성 및 사용에 사용되는 자원 지출과 관련하여 모델링 결과를 사용하는 효과가 특정 초과율을 갖는 모델로 간주합니다.

수학적 모델을 개발할 때 소위 비례의 원칙을 준수하도록 노력할 필요가 있습니다. 이는 체계적인 모델링 오류(즉, 모델링된 시스템의 설명에서 모델의 편차)가 원본 데이터의 오류를 포함하여 설명의 오류에 상응해야 함을 의미합니다. 또한, 모델의 개별 요소에 대한 설명의 정확성은 물리적 특성 및 사용된 수학적 장치에 관계없이 동일해야 합니다. 그리고 마지막으로 체계적 모델링 오류와 해석 오류, 그리고 모델링 결과를 평균화하는 오류가 서로 상응해야 합니다.

다양한 원인으로 인한 오류를 상호보상하는 다양한 방법을 사용하면 전체 모델링 오류를 줄일 수 있습니다. 즉, 오류 균형의 원칙을 준수해야 합니다. 이 원칙의 핵심은 한 유형의 오류를 다른 유형의 오류로 보상하는 것입니다. 예를 들어, 모델 부적절함으로 인해 발생한 오류는 원본 데이터의 오류와 균형을 이룹니다. 이 원칙을 준수하기 위한 엄격하고 공식적인 절차는 개발되지 않았지만 숙련된 연구자들은 이 원칙을 작업에 성공적으로 사용했습니다.

구성의 모듈화는 복잡한 시스템 모델을 개발할 때 표준 요소 및 모듈 구현에 축적된 경험을 사용할 수 있으므로 모델 생성 프로세스의 "비용을 크게 절감"합니다. 게다가 이러한 모델은 수정(개발)도 쉽습니다.

모델의 개방성은 모델 구성에 새로운 소프트웨어 모듈을 포함할 수 있는 가능성을 의미하며, 그 필요성은 연구 및 모델 개선 과정에서 드러날 수 있습니다.

모델의 품질은 모델링의 조직적 측면이 얼마나 성공적으로 해결되었는지, 즉 다양한 분야의 전문가가 참여했는지에 따라 크게 달라집니다. 이는 연구(모델링)의 목적이 공식화되고 시스템의 개념적 모델이 개발되는 초기 단계에서 특히 중요합니다. 작업에 고객 대표의 참여가 필수입니다. 고객은 모델링의 목표, 개발된 개념 모델, 연구 프로그램을 명확하게 이해하고 모델링 결과를 분석하고 해석할 수 있어야 합니다.

모델링의 궁극적인 목표는 개발된 모델을 활용한 연구를 통해서만 달성될 수 있습니다. 연구는 모델을 사용하여 실험을 수행하는 것으로 구성되며, 성공적인 구현은 주로 연구자에게 제공되는 서비스, 즉 사용자 인터페이스의 편리함을 의미하는 모델의 사용 용이성, 입력에 기인합니다. -모델링 결과 출력, 디버깅 도구의 완성도, 결과 해석의 용이성 등

모델링 프로세스는 여러 단계로 나눌 수 있습니다.

첫 단계여기에는 연구 목표 이해, 시스템 연구 과정에서 모델의 위치와 역할, 모델링 목적 공식화 및 지정, 모델링 작업 설정 등이 포함됩니다.

두 번째 단계- 모델을 생성(개발)하는 단계입니다. 이는 모델링된 객체에 대한 의미 있는 설명으로 시작하여 모델의 소프트웨어 구현으로 끝납니다.

~에 세 번째 단계연구는 실험을 계획하고 수행하는 모델을 사용하여 수행됩니다.

모델링 프로세스(4단계)는 모델링 결과의 분석 및 처리, 모델링 결과를 실제로 사용하기 위한 제안 및 권장 사항 개발로 끝납니다.

모델의 직접적인 구성은 모델링된 객체에 대한 의미 있는 설명으로 시작됩니다. 모델링 객체는 시스템 접근 방식의 관점에서 설명됩니다. 연구 목적에 따라 요소 집합과 가능한 상태를 결정하고 요소 간의 연결을 표시하며 연구 대상(시스템)의 물리적 특성과 정량적 특성에 대한 정보를 제공합니다. 연구 중인 대상을 상당히 철저하게 연구한 결과 의미 있는 설명을 작성할 수 있습니다. 설명은 일반적으로 질적 범주 수준에서 수행됩니다. 객체에 대한 이러한 예비적이고 대략적인 표현을 일반적으로 언어 모델이라고 합니다. 일반적으로 대상에 대한 의미 있는 설명은 독립적인 의미가 없지만 연구 대상의 추가 형식화, 즉 개념 모델 구축의 기초로만 사용됩니다.

객체의 개념적 모델은 의미 있는 설명과 수학적 모델 사이의 중간 링크입니다. 모든 경우에 개발되는 것은 아니지만 연구 대상 개체의 복잡성이나 일부 요소를 형식화하는 데 어려움이 있어 의미 있는 설명에서 수학적 모델로의 직접적인 전환이 불가능하거나 비실용적인 경우에만 개발됩니다. 개념 모델을 만드는 과정은 창의적입니다. 이와 관련하여 모델링은 과학이 아니라 예술이라고 말하는 경우가 있습니다.

모델링의 다음 단계는 물체의 수학적 모델을 개발하는 것입니다. 수학적 모델의 생성에는 두 가지 주요 목표가 있습니다. 즉, 연구 중인 객체의 기능 구조와 프로세스에 대한 형식화된 설명을 제공하고 객체에 대한 분석적 또는 알고리즘적 연구를 허용하는 형식으로 기능 프로세스를 제시하는 것입니다.

개념적 모델을 수학적 모델로 변환하려면 필수 매개변수 간의 모든 관계, 대상 기능과의 연결 등을 분석 형식으로 기록하고 제어된 매개변수의 값에 제한을 설정해야 합니다. .

이러한 수학적 모델은 다음과 같이 표현될 수 있습니다.

여기서 U는 목표 함수(효율성 함수, 기준 함수)입니다.

제어된 매개변수의 벡터입니다.

제어되지 않은 매개변수의 벡터입니다.

(x,y) - 제어되는 매개변수 값에 대한 제한 사항입니다.

형식화에 사용되는 수학적 장치, 특정 유형의 목적 함수 및 제한 사항은 해결되는 문제의 본질에 따라 결정됩니다.

개발된 수학적 모델은 분석, 수치, "질적", 시뮬레이션 등 다양한 방법을 사용하여 연구할 수 있습니다.

분석 방법을 사용하면 모델에 대한 가장 완벽한 연구를 수행할 수 있습니다. 그러나 이러한 방법은 상대적으로 간단한 시스템에서만 가능한 명시적인 분석적 종속성의 형태로 표현될 수 있는 모델에만 적용할 수 있습니다. 따라서 분석 연구 방법은 일반적으로 시스템 설계의 초기 단계뿐만 아니라 객체의 특성에 대한 초기 대략적인 평가(명확한 평가)에 사용됩니다.

연구 중인 실제 물체의 주요 부분은 분석 방법으로 연구할 수 없습니다. 이러한 물체를 연구하기 위해 수치 및 시뮬레이션 방법을 사용할 수 있습니다. 이는 수학적 모델이 수치적 방법으로 풀 수 있는 방정식 시스템의 형태로 제시되거나 기능 프로세스를 시뮬레이션하는 알고리즘의 형태로 제시되는 더 넓은 종류의 시스템에 적용 가능합니다.

분석적, 수치적 또는 시뮬레이션 방법으로 결과 방정식을 풀 수 없는 경우 "정성적" 방법을 사용합니다. "정성적" 방법을 사용하면 원하는 수량의 값을 추정할 수 있을 뿐만 아니라 시스템 전체의 궤적 동작을 판단할 수 있습니다. 유사한 방법에는 수학적 논리 방법 및 모호한 집합 이론 방법과 함께 인공 지능 이론의 여러 가지 방법도 포함됩니다.

실제 시스템의 수학적 모델은 추상적이고 형식적으로 설명된 개체이며, 이에 대한 연구도 수학적 방법을 사용하고 주로 컴퓨터 기술을 사용하여 수행됩니다. 따라서 수학적 모델링 과정에서는 계산 방법을 결정해야 하며, 그렇지 않은 경우에는 계산 방법을 구현하는 알고리즘 또는 소프트웨어 모델을 개발해야 합니다.

동일한 수학적 모델이 다른 알고리즘을 사용하여 컴퓨터에서 구현될 수 있습니다. 이들 모두는 솔루션의 정확성, 계산 시간, 점유된 메모리 양 및 기타 지표가 다를 수 있습니다.

당연히 연구할 때 필요한 결과의 정확성과 컴퓨터 시간 및 기타 리소스의 최소 지출로 모델링을 제공하는 알고리즘이 필요합니다.

기계 실험의 대상인 수학적 모델을 컴퓨터 프로그램(프로그램 모델)의 형태로 표현합니다. 이 경우 모델의 언어와 프로그래밍 도구를 선택하고 프로그램 컴파일 및 디버깅을 위한 리소스를 계산해야 합니다. 최근 모델 프로그래밍 프로세스가 점점 자동화되고 있습니다(이 접근 방식은 "복잡한 군사 조직 및 기술 시스템 모델링 자동화" 섹션에서 논의됩니다). 광범위한 모델 클래스를 프로그래밍하기 위해 특수 알고리즘 모델링 언어가 만들어졌습니다(컴퓨터 시스템 모델링을 위한 GPSS 언어(문자 그대로 러시아어 번역 - 이산 시스템 모델링 언어)의 사용에 대해서도 후속 장에서 논의됩니다). 알고리즘의 의사 병렬 실행 구성, 동적 메모리 할당, 모델 시간 유지, 무작위 이벤트(프로세스) 시뮬레이션, 이벤트 배열 유지, 시뮬레이션 결과 수집 및 처리 등 모델링 중에 발생하는 일반적인 작업을 쉽게 구현할 수 있습니다. 등. 설명 언어 도구 시뮬레이션을 사용하면 시뮬레이션된 시스템의 매개변수와 외부 영향, 작동 및 제어 알고리즘, 모드 및 필요한 시뮬레이션 결과를 식별하고 설정할 수 있습니다. 이 경우 모델링 언어는 수학적 모델을 생성하기 위한 공식화된 기반 역할을 합니다.

모델에 대한 실험을 시작하기 전에 초기 데이터를 준비하는 것이 필요합니다. 초기 데이터 준비는 대상의 질적, 양적 특성과 외부 영향을 식별하는 개념 모델 개발 단계에서 시작됩니다. 정량적 특성의 경우 모델링을 위한 입력 데이터로 사용될 특정 값을 결정하는 것이 필요합니다. 이는 노동 집약적이고 책임 있는 작업 단계입니다. 모델링 결과의 신뢰성은 원본 데이터의 정확성과 완전성에 따라 분명히 달라집니다.

일반적으로 초기 데이터를 수집하는 것은 매우 복잡하고 시간이 많이 걸리는 프로세스입니다. 이는 여러 가지 이유 때문입니다. 첫째, 매개변수 값은 결정론적일 뿐만 아니라 확률론적일 수도 있습니다. 둘째, 모든 매개변수가 고정되어 있는 것은 아닙니다. 이는 특히 외부 영향의 매개변수에 적용됩니다. 셋째, 우리는 존재하지 않는 시스템이나 새로운 조건에서 작동해야 하는 시스템을 모델링하는 것에 대해 자주 이야기합니다. 이러한 요소 중 하나라도 고려하지 않으면 모델의 적절성에 심각한 위반이 발생합니다.

모델링의 최종 목표는 개발된 모델을 사용하여 달성되며, 이는 모델을 사용한 실험 수행으로 구성되며 그 결과 시스템에 필요한 모든 특성이 결정됩니다.

모델을 사용한 실험은 일반적으로 특정 계획에 따라 수행됩니다. 이는 제한된 컴퓨팅 및 시간 자원으로 인해 가능한 모든 실험을 수행하는 것이 일반적으로 불가능하기 때문입니다. 따라서 특정 매개변수 조합과 실험 순서를 선택할 필요가 있습니다. 즉, 모델링 목표를 달성하기 위한 최적의 계획을 구축하는 것이 과제입니다. 그러한 계획을 수립하는 과정을 전략기획이라고 합니다. 그러나 실험 계획과 관련된 모든 문제가 완전히 해결되는 것은 아닙니다. 모델링 결과의 통계적 신뢰성을 보장하면서 기계 실험 기간을 줄여야 합니다. 이 과정을 전술적 계획이라고 합니다.

실험 계획은 컴퓨터 연구 프로그램에 통합되어 자동으로 실행될 수 있습니다. 그러나 대부분의 연구 전략에는 실험 계획을 수정하기 위해 실험에 연구자의 적극적인 개입이 포함됩니다. 이러한 개입은 일반적으로 대화형으로 구현됩니다.

실험 중에는 일반적으로 각 특성의 많은 값을 측정한 후 이를 처리하고 분석합니다. 모델링 프로세스 동안 재현된 수많은 구현으로 인해 시스템 상태에 대한 정보의 양이 너무 커서 컴퓨터 메모리에 저장, 처리 및 후속 분석이 사실상 불가능할 수 있습니다. 따라서 시뮬레이션 중에 필요한 수량의 추정이 점차적으로 형성되는 방식으로 시뮬레이션 결과의 기록 및 처리를 구성하는 것이 필요합니다.

출력 특성은 확률 변수나 함수인 경우가 많기 때문에 처리의 핵심은 수학적 기대치, 분산 및 상관 모멘트의 추정치를 계산하는 것입니다.

기계에 모든 측정값을 저장할 필요가 없도록 하기 위해 일반적으로 새로운 측정값이 수집될 때 누적 총계 방법을 사용하여 실험 중에 추정치를 계산할 때 반복 공식을 사용하여 처리가 수행됩니다.

처리된 실험 결과를 바탕으로 환경을 고려한 시스템 동작을 특성화하는 종속성을 분석합니다. 잘 정형화된 시스템의 경우 상관관계, 분산 또는 회귀 방법을 사용하여 이를 수행할 수 있습니다. 모델링 결과 분석에는 매개변수의 변화에 ​​대한 모델의 민감도 문제도 포함됩니다.

모델링 결과를 분석하면 모델의 많은 정보 매개변수를 명확히 할 수 있으며 결과적으로 모델 자체도 명확해집니다. 이는 개념 모델의 원래 형태에 중요한 변화, 특성의 명시적인 의존성 식별, 시스템의 분석 모델 생성 가능성의 출현, 벡터 효율성 기준의 가중치 계수 재정의 및 모델의 초기 버전에 대한 기타 수정.

모델링의 마지막 단계는 모델링 결과를 사용하고 이를 실제 객체(원본)로 전송하는 것입니다. 궁극적으로 시뮬레이션 결과는 일반적으로 시스템 상태에 대한 결정을 내리고, 시스템 동작을 예측하고, 시스템을 최적화하는 데 사용됩니다.

운용성에 대한 결정은 시스템의 특성이 설정된 한계를 벗어나는지 또는 매개변수의 허용 가능한 변경에 대해 설정된 한계를 벗어나지 않는지에 따라 내려집니다. 예측은 일반적으로 모든 모델링의 주요 목표입니다. 이는 제어된 매개변수와 제어할 수 없는 매개변수의 특정 조합 하에서 미래 시스템의 동작을 평가하는 것으로 구성됩니다.

최적화는 (자연스럽게 환경을 고려하여) 자원의 최적 소비(허용된 기준의 의미에서)를 통해 시스템 목표 달성이 보장되는 시스템 행동 전략을 결정하는 것입니다. 일반적으로 운영 연구 이론의 다양한 방법이 최적화 방법으로 작용합니다.

모델링 과정의 모든 단계에서 연구자는 생성되는 모델이 원본을 올바르게 반영하는지 지속적으로 결정해야 합니다. 이 문제가 긍정적으로 해결될 때까지 모델의 가치는 무시할 수 있습니다.

위에서 언급한 바와 같이 적합성 요구사항은 단순성 요구사항과 충돌하며, 모델의 적합성을 확인할 때 이를 지속적으로 기억해야 합니다. 모델을 생성하는 과정에서 외부 조건과 작동 모드의 이상화, 특정 매개변수의 배제, 일부 무작위 요인의 무시로 인해 객관적으로 타당성이 위반됩니다. 외부 영향, 시스템 기능의 구조 및 프로세스의 특정 특징, 허용되는 근사 및 보간 방법, 경험적 가정 및 가설에 대한 정확한 정보가 부족하면 모델과 원본 간의 일치성이 감소합니다. 적절성을 평가하기 위한 충분히 개발된 방법론이 부족하기 때문에 실제로 이러한 검증은 사용 가능한 현장 실험 결과를 기계 실험에서 얻은 유사한 결과와 비교하거나 유사한 모델에서 얻은 결과를 비교하여 수행됩니다. 적절성을 확인하는 다른 간접적인 방법도 사용될 수 있습니다.

적합성 테스트 결과를 바탕으로 실험 수행을 위한 모델의 적합성에 대한 결론이 도출됩니다. 모델이 요구 사항을 충족하면 계획된 실험이 수행됩니다. 그렇지 않으면 모델이 개선(수정)되거나 완전히 재작업됩니다. 동시에, 모델링의 목표를 형성하고 모델링 작업을 설정하는 단계부터 시작하여 사용을 위한 제안 개발 단계로 끝나는 모델링의 각 단계에서 모델의 적절성에 대한 평가를 수행해야 합니다. 모델링 결과.

모델을 조정하거나 재작업할 때 글로벌, 로컬 및 파라메트릭 변경 유형을 구분할 수 있습니다.

전반적인 변화는 모델링 초기 단계, 즉 모델링 문제를 설정할 때, 언어적, 개념적, 수학적 모델을 개발할 때 심각한 오류로 인해 발생할 수 있습니다. 이러한 오류를 제거하면 일반적으로 새로운 모델이 개발됩니다.

로컬 변경은 일부 매개변수 또는 알고리즘의 설명과 관련됩니다. 국부적인 변경에는 수학적 모델의 부분적인 변경이 필요하지만 새로운 소프트웨어 모델을 개발해야 할 수도 있습니다. 이러한 변경 가능성을 줄이려면 모델링 목표를 달성하는 데 필요한 것보다 훨씬 더 세부적인 모델을 즉시 개발하는 것이 좋습니다.

매개변수 변경에는 교정 매개변수라고 하는 일부 특수 매개변수의 변경이 포함됩니다. 파라메트릭 변경을 통해 모델의 적합성을 향상시키기 위해서는 교정 매개변수를 미리 식별하고 이를 변경할 수 있는 간단한 방법을 제공해야 합니다.

모델 조정 전략은 먼저 전역적 변화, 그다음 지역적 변화, 마지막으로 매개변수적 변화를 도입하는 것을 목표로 해야 합니다.

실제로 모델링 단계는 서로 분리되어 수행되는 경우가 있는데, 이는 전체적으로 결과에 부정적인 영향을 미칩니다. 이 문제에 대한 해결책은 통합된 프레임워크 내에서 모델 구성, 이에 대한 실험 구성 및 모델링 소프트웨어 작성 프로세스를 고려하는 방법에 있습니다.

시뮬레이션은 다음과 같이 고려되어야 합니다. 모델을 구축하고 연구하는 통일된 프로세스, 적절한 소프트웨어 및 하드웨어 지원이 있어야 합니다. 주목해야 할 두 가지 중요한 측면이 있습니다.

방법론적 측면- 패턴 식별, 시스템의 알고리즘 설명을 구성하기 위한 기술, 결과 설명을 상호 연결된 기계 모델 패키지로 의도적으로 변환, 해당 패키지와 관련된 시나리오 및 작업 계획 작성, 적용된 모델링 목표 달성을 목표로 합니다.

창의적인 측면- 복잡한 시스템의 기계 모델링 중에 실질적으로 유용한 결과를 얻을 수 있는 예술, 기술, 능력.

모델을 구성하고 사용하기 위한 통합 방법 세트로서 시스템 모델링 개념의 구현은 적절한 수준의 정보 기술 개발에서만 가능합니다.

모델 유형(연속형 및 이산형, 결정론적 및 확률론적 등)에 관계없이 시뮬레이션 모델링에는 그림 1에 제시된 여러 주요 단계가 포함됩니다. 3.1이며 복잡한 반복 프로세스입니다.

쌀. 3.1. 시뮬레이션 모델링의 기술 단계

1. 이 단계에서 문서화된 결과는 컴파일된 결과입니다. ;

2. 개념적 설명의 개발.이 단계에서 시스템 분석가의 활동 결과는 다음과 같습니다. 개념적 모델그리고 공식화 방법 선택주어진 모델링 객체에 대해.

3. 시뮬레이션 모델의 공식화.컴파일됨 공식적인 설명모델링 객체.

4. 시뮬레이션 모델 프로그래밍(시뮬레이터 프로그램 개발) 에 대한모델링 자동화 도구 선택, 알고리즘화, 시뮬레이션 모델 프로그래밍 및 디버깅이 수행됩니다.

5. 모델 테스트 및 연구, 모델 검증.모델 검증, 적합성 평가, 시뮬레이션 모델의 속성 연구 등 포괄적인 테스트 절차개발된 모델.

6. 시뮬레이션 실험을 계획하고 수행합니다.시뮬레이션 실험의 전략적, 전술적 계획이 수행됩니다. 결과는 다음과 같습니다: 컴파일 및 구현 실험 계획, 주어진 시뮬레이션 실행 조건선택한 계획에 대해.

7. 시뮬레이션 결과 분석.연구자는 모델링 결과를 해석하고 이를 활용하여 실제로 의사결정을 내립니다.

문제의 공식화 및 시뮬레이션 연구의 목표 결정.첫 번째 단계에서는 연구자가 직면한 문제가 공식화되고 시뮬레이션 방법 사용의 타당성에 대한 결정이 내려집니다. 그런 다음 시뮬레이션 결과로 달성할 목표가 결정됩니다. 시뮬레이션 모델 유형의 선택과 시뮬레이션 모델을 사용한 추가 시뮬레이션 연구의 성격은 주로 목표 설정에 따라 달라집니다. 이 단계에서는 모델링 개체가 결정되고 연구에 관심이 있는 기능 측면을 자세히 연구합니다. 이 단계에서의 작업 결과는 다음과 같습니다. 모델링 객체에 대한 의미 있는 설명시뮬레이션의 목표와 시뮬레이션 모델을 사용하여 연구해야 하는 모델링 개체 기능의 측면을 나타냅니다. 고객이 이해할 수 있는 주제 영역의 언어로 실제 시스템의 용어로 의미 있는 설명이 작성됩니다.

안에모델링 객체에 대한 의미 있는 설명을 작성하는 과정에서 모델링 객체 연구의 경계가 설정되고 상호 작용하는 외부 환경에 대한 설명이 제공됩니다. 주요 효율성 기준이 공식화되어 모델을 사용하여 다양한 솔루션 옵션을 비교하고 고려 중인 대안이 생성 및 설명됩니다. 의미 있는 설명을 작성하는 일반적인 방법은 없습니다. 성공은 실제 시스템에 대한 개발자의 직관과 지식에 달려 있습니다. 이 단계의 일반적인 기술 또는 작업 순서는 다음과 같습니다. 모델링 개체에 대한 데이터 수집 및 컴파일 모델링 객체에 대한 의미 있는 설명; 문제 상황 연구 - 진단 결정 및 문제 설정; 모델링 목표의 명확화; 모델링의 필요성이 정당화되고 모델링 방법이 선택됩니다. 이 단계에서는 명확하고 구체적으로 공식화됩니다. 모델링 목표.

씨모델링 트리는 전체 디자인을 정의합니다. 모델시뮬레이션 모델링의 모든 후속 단계에 침투합니다. 다음으로, 연구 대상의 개념 모델이 형성됩니다.

피이러한 초기 단계에서 시스템 분석가 활동의 주요 내용에 대해 더 자세히 살펴보겠습니다. 이 작업은 시뮬레이션 모델링의 모든 후속 단계에서 중요하며, 여기서 시뮬레이션 모델러는 모델링 기술을 통달한 시스템 분석가임을 입증합니다.

원래 문제를 구조화합니다. 문제의 공식화

원래 문제를 구조화합니다. 문제의 공식화. 우선, 시스템 분석가는 문제를 분석할 수 있어야 합니다. 그는 원래 문제에 대한 연구와 구조화, 즉 문제의 명확한 공식화를 수행합니다.

문제의 분석은 기능의 모든 측면에 대한 상세한 연구로 시작되어야 합니다. 여기서는 세부 사항을 이해하는 것이 중요하므로 특정 주제 분야의 전문가가 되거나 전문가와 교류해야 합니다. 해당 시스템은 다른 시스템과 연결되어 있기 때문에 업무를 정확하게 정의하는 것이 중요합니다. 일반적인 모델링 문제는 특정 문제로 구분됩니다.

문제 해결을 위한 체계적인 접근 방식의 주요 의미론적 내용은 그림 1에 나와 있습니다. 3.2.

문제 해결을 위한 체계적인 접근 방식에는 다음이 포함됩니다.

• 문제의 본질에 대한 체계적인 고려:

1. 연구중인 문제의 본질과 위치에 대한 정당화;
2. 연구 중인 시스템의 일반 구조 형성;
3. 중요한 요소의 전체 집합을 식별합니다.
4. 요인 간의 기능적 종속성 결정;

• 문제 해결을 위한 통일된 개념 구축:

1. 문제 해결을 위한 객관적인 조건에 대한 연구;
2. 문제를 해결하는 데 필요한 목표와 목표의 정당화;
3. 작업 구조화, 목표 공식화;
4. 문제 해결을 위한 수단 및 방법 개발: 모델에 대한 의사결정 절차의 추가 개발을 위한 대안, 시나리오, 의사결정 규칙 및 제어 조치에 대한 설명

• 모델링 방법의 체계적인 사용:

1. 모델링 문제의 시스템 분류(구조화);
2. 모델링 방법의 기능에 대한 시스템 분석;
3. 효과적인 모델링 방법 선택.

목표 식별

목표 식별. 모델을 만드는 첫 번째이자 가장 중요한 단계는 의도된 목적을 결정하는 것입니다. 전체를 부분으로 나누는 목표 분해 방법(목표를 하위 목표로, 작업을 하위 작업으로 나누는 등)을 적용할 수 있습니다. 실제로 이 접근 방식은 계층적 트리 구조(목표 트리 구축)로 이어집니다. 이 절차는 문제에 대한 전문가 및 전문가의 영역입니다. 즉, 여기에는 주관적인 요소가 있습니다. 실질적인 과제는 모든 것이 얼마나 완벽하게 구성되어 있는지입니다. 이 절차의 결과로 구성된 목표 트리는 나중에 많은 기준을 형성하는 데 유용할 수 있습니다.

초보 시스템 분석가에게는 어떤 함정이 기다리고 있나요? 한 수준의 목표는 다른 수준을 위한 수단이며, 목표의 혼란이 자주 발생합니다. 많은 하위 시스템이 포함된 복잡한 시스템의 경우 목표가 상충될 수 있습니다. 단일 골이 있는 경우는 거의 없으며, 골이 많으면 순위가 잘못될 위험이 있습니다.

첫 번째 단계에서 공식화되고 구조화된 모델링 목표는 향후 시뮬레이션 연구의 전체 과정에 스며듭니다.

가장 많이 사용되는 것을 살펴 보겠습니다. 대상 카테고리시뮬레이션 연구에서: 평가, 예측, 최적화, 대안 비교등등

시뮬레이션 실험은 다음과 같은 다양한 목적으로 수행됩니다.

• 등급– 제안된 구조의 시스템이 특정 기준을 얼마나 잘 충족하는지 결정합니다.
• 대안 비교– 특정 기능을 수행하도록 설계된 경쟁 시스템의 비교 또는 제안된 여러 작동 원리 또는 기술의 비교
• 예측- 작동 조건의 일부 가정된 조합 하에서 시스템 동작 평가
• 민감도 분석– 시스템의 전반적인 동작에 가장 큰 영향을 미치는 많은 운영 요소를 식별합니다.
• 기능적 관계 식별– 한편으로는 둘 이상의 활성 요소와 다른 한편으로는 시스템의 응답 사이의 관계 특성을 결정합니다.
• 최적화 –이러한 작동 요소와 해당 값의 조합을 정확하게 결정하여 전체 시스템의 최상의 응답을 보장합니다.

기준의 형성

기준의 형성. 기준을 명확하고 모호하지 않게 정의하는 것이 매우 중요합니다. 이는 모델을 생성하고 실험하는 과정에 영향을 미치며, 기준을 잘못 정의하면 잘못된 결론으로 ​​이어집니다. 시스템이 목표를 달성한 정도를 평가하는 기준이 있고, 목표를 향해 나아가는 방법(또는 목표 달성 수단의 효율성)을 평가하는 기준이 있습니다. 다중 기준 모델링 시스템의 경우 일련의 기준이 형성되며, 기준은 하위 시스템으로 구성되거나 중요도에 따라 순위가 매겨져야 합니다.

쌀. 3.3. 실제 시스템에서 기능의 논리적 다이어그램으로 전환

모델링 객체의 개념적 모델 개발. 개념적 모델– 문제의 공식화에 따라 모델링된 시스템에 대한 논리적, 수학적 설명이 있습니다.

(이 기술 전환의 일반적인 내용은 그림 3.3에 개략적으로 표시되어 있습니다.) 다음은 수학적 개념과 해당 구성 요소의 기능에 대한 알고리즘 측면에서 개체에 대한 설명입니다. 개념적 설명은 실제 시스템을 단순화된 알고리즘으로 표현한 것입니다.

개념모델을 개발할 때 확립된다. 모델의 기본 구조, 이는 다음을 포함합니다 시스템의 정적 및 동적 설명. 시스템의 경계가 결정되고, 외부 환경에 대한 설명이 제공되고, 필수 요소가 식별되고 해당 설명이 제공되며, 변수, 매개변수, 기능적 종속성이 개별 요소 및 프로세스와 전체 시스템, 제한 사항, 대상에 대해 형성됩니다. 기능(기준).

이 단계의 작업 결과는 문서화된 개념 설명과 모델링된 시스템을 형식화하기 위해 선택한 방법입니다. 작은 모델을 만들 때 이 단계는 모델링되는 시스템에 대한 의미 있는 설명을 작성하는 단계와 결합됩니다. 이 단계에서는 시뮬레이션 실험의 방법론이 명확해집니다.

개념적 모델 구축

개념적 모델 구축모델링의 목적에 따라 모델링된 시스템의 경계를 설정하고 외부 환경의 영향을 결정한다는 사실에서 시작된다. 가설이 제시되고 시뮬레이션 모델을 구축하는 데 필요한 모든 가정이 기록됩니다. 시뮬레이션된 프로세스의 세부 수준이 논의됩니다.

시스템은 상호 연결된 요소들의 집합으로 정의될 수 있습니다. 특정 영역에서 시스템의 정의는 모델링의 목적과 시스템을 정의하는 사람에 따라 달라집니다. 이 단계에서 수행된다. 시스템 분해. 공식화 된 문제의 의미에서 가장 중요한 시스템 요소가 결정됩니다 ( 구조 분석모델링된 시스템) 및 이들 간의 상호 작용, 모델링된 시스템 기능의 주요 측면이 식별됩니다(컴파일됨). 기능적 모델), 외부 환경에 대한 설명이 제공됩니다. 시스템(모델링 객체)을 분해하거나 하위 시스템을 선택하는 것이 작업입니다. 분석. 모델의 요소는 시스템에 실제로 존재하는 조각과 일치해야 합니다. 복잡한 시스템은 상호작용을 가능하게 하는 연결을 유지하면서 여러 부분으로 나누어집니다. 고려 중인 시스템에서 발생하는 동적 프로세스의 세부 사항을 명확히 하는 기능 다이어그램을 작성하는 것이 가능합니다. 모델에 어떤 구성 요소가 포함될지, 어떤 구성 요소가 외부화될지, 그리고 이들 사이에 어떤 관계가 설정될지 결정하는 것이 중요합니다.

외부 환경에 대한 설명

외부 환경에 대한 설명외부 환경의 요소가 시스템 요소에 일정한 영향을 미치지만 시스템 자체가 시스템 요소에 미치는 영향은 일반적으로 미미하다는 점을 고려하여 수행됩니다.

모델의 세부 수준을 논의할 때 모든 분해는 두 가지 모순되는 원칙을 기반으로 한다는 점을 이해하는 것이 중요합니다. 완전성과 단순성. 일반적으로 모델 개발의 초기 단계에서는 너무 많은 구성 요소와 변수를 포함하는 경향이 있습니다. 그러나 좋은 모델은 간단합니다. 현상에 대한 이해도는 그 현상을 기술하는 데 나타나는 변수의 수에 반비례한다고 알려져 있습니다. 세부 사항이 너무 많은 모델은 복잡해지고 구현하기 어려울 수 있습니다.

이 두 극 사이의 절충안은 오직 중요한(또는 관련 있는) 구성 요소 - 분석 목적과 관련하여 필수적입니다.

따라서 먼저 "기본"이 있어야 합니다. 가장 단순한 목표 트리, 모델의 단순화된 구조가 컴파일됩니다. 다음으로 모델이 점차 개선됩니다. 우리는 단순한 모델을 만들고 나서 그것을 복잡하게 만들기 위해 노력해야 합니다. 따라야합니다 반복 모델 구성의 원리모델을 사용하여 시스템을 연구할 때 개발 중에 새로운 모델을 추가하거나 일부 요소 및/또는 모델 간의 관계를 제외하여 모델이 변경되는 경우.

실제 시스템에서 단순화된 설명으로 이동하는 방법은 무엇입니까? 단순화, 추상화– 모든 모델링의 기본 기술. 선택된 세부 수준은 정보 부족으로 인해 실제 시스템 기능의 잘못 정의된 측면에서 추상화를 허용해야 합니다.

아래에 단순화중요하지 않은 세부 사항을 무시하거나 더 간단한 관계에 대해 가정하는 것을 의미합니다(예: 변수 간의 선형 관계 가정). 모델링할 때 시스템의 구성 요소와 변수 간의 관계에 대한 가설과 가정이 제시됩니다.

실제 시스템 분석의 또 다른 측면은 추상화입니다. 추출객체 동작의 본질적인 특성을 포함하지만 반드시 실제 시스템의 경우와 동일한 형식과 세부 사항을 포함할 필요는 없습니다.

시스템의 일부 또는 요소를 분석하고 모델링한 후 이를 하나의 전체로 결합합니다. 개념적 모델은 상호 작용을 올바르게 반영해야 합니다. 구성수술이 있어요 합성, 집계(시스템 모델링에서 이는 단순한 구성요소의 조립이 아닙니다). 이 작업 중에 요소 간의 관계가 설정됩니다(예: 구조가 명확해지고 관계, 순서 등에 대한 설명이 제공됨).

시스템 연구는 분석과 합성 작업의 조합을 기반으로 합니다. 실제로 분석과 합성의 반복적인 절차가 구현됩니다. 그런 후에야 우리는 전체(시스템, 구성 요소, 하위 시스템)를 전체의 일반적인 구조 형태로 설명하려고 노력할 수 있습니다.

성과 기준

성과 기준. 매개변수, 모델 변수.시스템 설명에는 시스템의 효율성에 대한 기준과 평가되는 대체 솔루션이 포함되어야 합니다. 후자는 모델 입력 또는 시나리오 매개변수로 간주될 수 있습니다. 시뮬레이션된 프로세스를 알고리즘화할 때 설명과 관련된 모델의 주요 변수도 지정됩니다.

각 모델은 다음과 같은 구성 요소의 일부 조합을 나타냅니다. 구성 요소, 변수, 매개 변수, 기능적 종속성, 제한 사항, 목적 함수(기준).

아래에 구성요소적절하게 결합되면 시스템을 형성하는 구성 요소를 이해합니다. 때로는 구성요소도 고려됩니다. 강요시스템 또는 그 하위 시스템. 체계주어진 기능을 수행하기 위해 어떤 형태의 규칙적인 상호작용이나 상호의존성에 의해 결합된 개체의 그룹 또는 집합으로 정의됩니다. 연구중인 시스템은 구성 요소로 구성됩니다.

매개변수연구자가 임의로 선택할 수 있는 양과 달리 변수주어진 함수의 유형에 따라 결정되는 값을 취할 수 있는 모델. 모델에서는 두 가지 유형의 변수를 구별합니다. 외생성과 내생성. 외인성변수라고도 함 입력. 이는 시스템 외부에서 생성되거나 외부 원인의 상호 작용의 결과임을 의미합니다. 내인성변수는 내부 원인의 영향으로 인해 시스템에서 발생하는 변수입니다. 내생적 변수가 시스템에서 발생하는 상태를 특징짓는 경우를 우리는 이를 다음과 같이 부릅니다. 상태 변수. 시스템의 입력과 출력을 설명할 필요가 있을 때 우리는 다음을 다룬다. 입력 및 출력 변수.

기능적 종속성구성요소 내의 변수 및 매개변수의 동작을 설명하거나 시스템 구성요소 간의 관계를 표현합니다. 이러한 관계는 본질적으로 결정론적이거나 확률론적입니다.

제한변수 값 변경 또는 변경 제한 조건에 대해 설정된 한계를 나타냅니다. 개발자가 입력하거나 고유한 속성으로 인해 시스템 자체에서 설치할 수 있습니다.

목적함수(기준함수)시스템의 목표와 목적을 정확하게 표현하고 구현을 평가하는 데 필요한 규칙을 나타냅니다. 목적 함수에 대한 표현은 내려진 결정을 측정해야 하는 목표와 목표에 대한 명확한 정의여야 합니다.

시뮬레이션 모델의 공식화. 시뮬레이션 연구의 세 번째 단계에서는 모델링 개체가 형식화됩니다. 복잡한 시스템을 공식화하는 프로세스에는 다음이 포함됩니다.

• 공식화 방법 선택;
• 시스템에 대한 공식적인 설명을 작성합니다.

모델을 구축하는 과정에서 모델 표현의 세 가지 수준을 구분할 수 있습니다.

• 비공식(2단계) – 개념적 모델;
• 공식화(3단계) – 공식 모델;
• 소프트웨어(4단계) – 시뮬레이션 모델.

각 수준은 모델링된 시스템의 세부 수준과 구조 및 기능 프로세스를 설명하는 방식에서 이전 수준과 다릅니다. 동시에 추상화 수준도 높아집니다.

개념적 모델

개념적 모델비공식적 언어로 모델링된 시스템(또는 문제 상황)을 체계적이고 의미 있게 설명하는 것입니다. 개발 중인 시뮬레이션 모델에 대한 비정형화된 설명에는 모델링된 시스템의 주요 요소에 대한 정의, 해당 특성 및 해당 언어로 된 요소 간의 상호 작용이 포함됩니다. 이 경우 표, 그래프, 다이어그램 등을 사용할 수 있습니다. 모델에 대한 비공식적 설명은 개발자 자신(모델의 적절성, 수정 등을 확인할 때)과 다른 분야의 전문가와의 상호 이해를 위해 필요합니다.

개념 모델에는 시스템을 공식화하고 이를 위해 특정 방법론과 기술을 사용하는 시스템 분석가를 위한 초기 정보가 포함되어 있습니다. 비공식적인 설명을 기반으로 보다 엄격하고 상세한 형식화된 설명이 개발됩니다.

그런 다음 공식화된 설명은 일부 방법론(프로그래밍 기술)에 따른 시뮬레이터인 프로그램으로 변환됩니다.

시뮬레이션 실험을 수행할 때 유사한 체계가 발생합니다. 내용 공식이 공식 모델에 매핑된 후 지시된 계산 실험의 방법론에 필요한 변경 및 추가가 이루어집니다.

형식화 단계의 주요 업무– 실질적인 설명에 포함된 2차 정보 없이 복잡한 시스템에 대한 공식적인 설명을 제공합니다. 모델링 객체의 알고리즘 표현. 형식화의 목적– 논리-수학적 모델의 형식적 표현을 얻습니다. 즉 복잡한 시스템의 구성 요소 동작에 대한 알고리즘을 제공하고 모델링 알고리즘 수준에서 구성 요소 간의 상호 작용을 반영합니다.

의미 있는 설명에서 사용할 수 있는 정보는 모델링 개체를 형식화하는 데 충분하지 않은 것으로 드러날 수 있습니다. 이 경우 의미 있는 설명을 작성하는 단계로 돌아가서 모델링 객체의 형식화 과정에서 그 필요성을 발견한 데이터로 보완해야 합니다. 실제로 그러한 반품이 여러 번 있을 수 있습니다. 형식화는 특정 제한 내에서 유용하며 단순한 모델에는 적합하지 않습니다.

시뮬레이션 모델링에 적용되는 공식화 및 구조화 계획(개념)은 상당히 다양합니다. 형식화 체계는 다양한 수학적 이론에 따라 진행되며 연구되는 프로세스에 대한 다양한 아이디어를 기반으로 합니다. 따라서 다양성과 적절한 (주어진 모델링 객체를 설명하기 위해) 형식화 체계를 선택하는 문제가 있습니다.

예를 들어 프로세스 지향 시스템(프로세스 설명)과 같은 이산 모델의 경우 네트워크 패러다임(네트워크 패러다임) 기반 시스템을 사용할 수 있으며 연속 모델에는 시스템 역학 모델의 흐름도가 사용될 수 있습니다.

공식화의 실제 개념에서 가장 잘 알려지고 널리 사용되는 것은 집합 시스템과 오토마타입니다. 페트리 네트 및 그 확장; 시스템 역학 모델. 하나의 형식화 개념 프레임워크 내에서 다양한 알고리즘 모델을 구현할 수 있습니다. 일반적으로 기술 수준의 구조화(알고리즘 모델을 표현하는 체계) 또는 형식화에 대한 하나 이상의 개념은 모델링 시스템, 모델링 언어에 고정되어 있습니다. 구조화 개념은 모든 시뮬레이션 시스템의 기초가 되며 특별히 개발된 프로그래밍 기술 기술에 의해 뒷받침됩니다. 이는 모델의 구성 및 프로그래밍을 단순화합니다. 예를 들어, GPSS 모델링 언어에는 구조화라는 블록 개념이 있으며, 모델링된 프로세스의 구조는 서비스 장치, 대기열 및 대기열 시스템의 기타 요소를 통과하는 트랜잭션 흐름으로 묘사됩니다.

여러 현대 모델링 시스템에는 하나 이상의 구조화 개념을 지원하는 장치와 함께 시스템에 특정 형식화 개념을 적용하는 것을 보장하는 특수 도구가 있습니다.

시뮬레이션 모델의 구성은 복잡한 시스템을 구조화하고 그 역학을 설명하는 현대적인 방법을 기반으로 합니다. 복잡한 시스템을 분석하는 데에는 다음 모델과 방법이 널리 사용됩니다.

• 이산 및 연속 이산 시스템을 모델링하는 조각별 선형 단위 네트워크;
• 페트리 네트(이벤트 네트, E-네트, COMBI 네트 및 기타 확장)는 인과 관계를 구조화하고 병렬 프로세스로 시스템을 모델링하는 데 사용되며 이산 및 이산-연속 시스템의 역학 계층화 및 알고리즘화에 사용됩니다.
• 연속 시스템의 모델인 시스템 동역학의 흐름도와 유한차분 방정식.

시뮬레이션 모델 프로그래밍

시뮬레이션 모델 프로그래밍. 복잡한 시스템 모델의 개념적 또는 형식적 설명은 일부 프로그래밍 방법론과 언어 및 모델링 시스템을 사용하여 시뮬레이터 프로그램으로 변환됩니다. 중요한 점은 시뮬레이션 모델을 구현하기 위한 도구를 올바르게 선택하는 것입니다.

초기 데이터 수집 및 분석.이 단계가 항상 독립적인 단계로 분류되는 것은 아니지만 이 단계에서 수행되는 작업은 매우 중요합니다. 시뮬레이션 모델의 프로그래밍 및 추적은 가상 데이터에서 수행될 수 있지만 향후 실험 연구는 실제 데이터 스트림에서 수행되어야 합니다. 얻은 시뮬레이션 결과의 정확성과 실제 시스템에 대한 모델의 적합성은 이에 따라 달라집니다.

여기서 시뮬레이션 모델 개발자는 두 가지 질문에 직면합니다.

• 초기 정보를 획득하고 수집하는 장소와 방법
• 실제 시스템에 대해 수집된 데이터를 처리하는 방법.

초기 데이터를 얻는 기본 방법:

• 시스템에 대한 기존 문서(보고서 데이터, 사회 경제 시스템에 대한 통계 수집, 생산 시스템에 대한 재무 및 기술 문서 등)
• 물리적 실험. 때로는 초기 정보를 설정하기 위해 시뮬레이션된 시스템이나 프로토타입에 대한 본격적인 실험을 수행해야 합니다.
• 예비, 데이터의 선험적 종합. 때로는 입력 데이터가 존재하지 않을 수도 있고 모델링되는 시스템이 물리적 실험을 불가능하게 할 수도 있습니다. 이 경우 다양한 예비 데이터 합성 방법이 제안된다. 예를 들어, 정보 시스템을 모델링할 때 정보 요구 사항의 충족 기간은 컴퓨터에 구현된 알고리즘의 복잡성을 기반으로 추정됩니다. 이러한 방법에는 문제에 대한 일반적인 분석, 설문지, 인터뷰 및 전문가 평가 방법의 광범위한 사용을 기반으로 하는 다양한 절차가 포함됩니다.

두 번째 질문은 문제와 관련이 있습니다. 입력 데이터 식별확률론적 시스템의 경우. 시뮬레이션 모델링은 확률론적 시스템을 연구하는 데 효과적인 도구라는 것이 이전에 언급되었습니다. 역학이 무작위 요인에 의존하는 시스템. 확률론적 모델의 입력(및 출력) 변수는 일반적으로 확률 변수, 벡터, 함수, 확률 프로세스입니다. 따라서 상대적으로 알려지지 않은 분포 법칙에 대한 방정식의 합성과 분석된 프로세스 및 해당 매개변수에 대한 확률적 특성(수학적 기대치, 분산, 상관 함수 등)의 결정과 관련하여 추가적인 어려움이 발생합니다. 입력 데이터를 수집하고 분석할 때 통계 분석의 필요성은 입력 데이터를 설명하는 기능적 종속성 유형을 결정하고, 이러한 종속성 매개변수의 특정 값을 평가하고, 매개변수. 확률 변수의 이론적 분포를 선택하기 위해 경험적 분포의 매개변수를 결정하고 통계적 가설을 테스트하는 것을 기반으로 잘 알려진 수학적 통계 방법이 사용되며, 적합도 기준을 사용하여 경험적 데이터가 알려진 분포 법칙과 일치하는지 여부를 결정합니다.

시뮬레이션 모델의 속성 테스트 및 연구

시뮬레이션 모델의 속성 테스트 및 연구. 시뮬레이션 모델을 컴퓨터에 구현한 후에는 모델의 신뢰성을 평가하기 위한 테스트를 수행해야 합니다. 개발된 시뮬레이션 모델에 대한 테스트 및 연구 단계에서는, 모델의 포괄적인 테스트(테스트) – 시뮬레이션 모델과 데이터의 확인 및 검증 절차를 지원하기 위한 계획된 반복 프로세스입니다.

수행된 절차의 결과로 모델의 신뢰성이 충분하지 않은 것으로 판명되면 시뮬레이션 모델 교정(교정 계수는 모델링 알고리즘에 내장되어 있음) 모델의 적절성을 보장합니다. 보다 복잡한 경우에는 모델링된 객체에 대한 추가 정보를 얻거나 시뮬레이션 모델을 개선하기 위해 초기 단계에서 수많은 반복이 가능합니다. 모델 구성 요소의 상호 작용에 오류가 있으면 연구원은 시뮬레이션 모델을 만드는 단계로 돌아갑니다. 그 이유는 프로세스나 현상의 초기 단순화된 모델일 수 있으며, 이로 인해 객체에 대한 모델이 부적절하게 됩니다. 형식화 방법 선택에 실패하면 새로운 정보와 획득한 경험을 고려하여 개념 모델을 작성하는 단계를 반복해야 합니다. 마지막으로 객체에 대한 정보가 부족한 경우에는 시스템에 대한 의미 있는 설명을 작성하는 단계로 돌아가서 테스트 결과를 고려하여 이를 명확히 하는 것이 필요하다.

시뮬레이션 모델에 대한 지시된 계산 실험. 시뮬레이션 결과 분석 및 의사결정. 시뮬레이션 모델링의 마지막 단계에서는 시뮬레이션 실험의 전략적이고 전술적인 계획을 수행하는 것이 필요합니다. 시뮬레이션 모델에 대한 지시된 계산 실험을 구성하려면 시뮬레이션 연구 결과를 처리하기 위한 다양한 분석 방법을 선택하고 적용해야 합니다. 이를 위해 계산 실험을 계획하는 방법, 회귀 및 분산 분석, 최적화 방법이 사용됩니다. 실험을 조직하고 수행하려면 분석 방법을 올바르게 적용해야 합니다. 얻은 결과를 바탕으로 연구를 통해 초기 단계에서 식별된 문제와 작업에 대한 결정을 내리기에 충분한 결론을 도출할 수 있어야 합니다.

모델링의 각 단계는 모델링의 작업과 목표에 따라 결정됩니다. 일반적으로 모델을 구성하고 연구하는 과정은 다이어그램을 사용하여 표현할 수 있습니다.

1단계. 문제의 공식화

세 단계가 포함됩니다:

작업 설명

작업은 일반 언어로 설명됩니다.

전체 문제 세트는 공식의 성격에 따라 두 가지 주요 그룹으로 나눌 수 있습니다.

1. 첫 번째 그룹에는 물체의 특성이 어떤 영향을 받아 어떻게 변하는지 연구하는 데 필요한 작업이 포함되어 있습니다. "만약에 무슨 일이 일어날까요?..."라는 질문에 대한 답을 얻어야 합니다.

   예를 들어 냉장고에 자기카드를 올려놓으면 어떻게 될까요? 대학 입학 요건이 높아지면 어떻게 되나요? 공공요금이 급격히 오르면 어떻게 될까요? 등등.

   두 번째 그룹에는 매개변수가 특정 특정 조건을 충족하도록 개체에 대해 수행해야 하는 작업을 결정하는 데 필요한 작업이 포함되어 있습니다. "어떻게 하면..."이라는 질문에 대한 답을 얻을 수 있습니다.

   예를 들어, 아이들이 자료를 이해할 수 있도록 수학 수업을 구성하는 방법은 무엇입니까? 더 안전하고 경제적으로 비행하려면 어떤 항공기 비행 모드를 선택해야 합니까? 가능한 한 빨리 완료되도록 건설 작업을 예약하는 방법은 무엇입니까?

시뮬레이션 목적 결정

이 단계에서는 객체의 많은 특성(매개변수) 중에서 가장 중요한 특성이 식별됩니다. 서로 다른 모델링 목적을 위한 동일한 객체는 서로 다른 필수 속성을 갖습니다.

예를 들어, 모형 선박 대회에 참가하기 위해 요트 모형을 제작할 때 항해 특성은 필수적입니다. 모델 구축이라는 목표를 달성하기 위해 “어떻게 그렇게 할 수 있을까요?”라는 질문에 대한 답을 모색하게 됩니다.

항해 가능한 특성 외에도 장기 크루즈 여행을 위한 요트 모델을 구축할 때 데크 수, 선실의 편안함, 기타 편의 시설의 존재 여부 등 내부 구조가 중요합니다.

폭풍우 속에서 설계의 신뢰성을 테스트하기 위해 요트의 컴퓨터 시뮬레이션 모델을 구축할 때 요트 모델은 입력 매개변수의 값이 변경되면 모니터 화면에 이미지 및 계산된 매개변수의 변화를 나타냅니다. "...이라면 어떻게 될까?"라는 문제가 해결됩니다.

모델링의 목적을 통해 어떤 데이터가 초기 데이터가 될지, 결과적으로 무엇을 달성해야 하는지, 객체의 어떤 속성을 무시할 수 있는지를 설정할 수 있습니다.

이러한 방식으로 문제의 언어적 모델이 구성됩니다.

객체 분석

이는 모델링되는 개체와 해당 개체의 주요 속성을 명확하게 식별하는 것을 의미합니다.

2단계. 작업의 공식화

공식화된 모델 생성과 관련됩니다. 형식적인 언어로 작성된 모델입니다. 예를 들어, 테이블이나 차트 형식으로 표시되는 출산율은 정형화된 모델입니다.

형식화는 모델링 대상의 본질적인 속성과 특성을 특정 형태로 가져오는 것으로 이해됩니다.

형식 모델은 형식화의 결과로 얻은 모델입니다.

참고 1

컴퓨터를 사용하여 문제를 해결하는 데 가장 적합한 언어는 수학입니다. 공식 모델은 다양한 공식을 사용하여 초기 데이터와 최종 결과 사이의 연결을 포착하고 매개변수의 허용 값에 ​​제한을 가합니다.

3단계. 컴퓨터 모델 개발

모델을 생성하고 연구하는 데 사용할 모델링 도구(소프트웨어 환경)를 선택하는 것부터 시작됩니다.

컴퓨터 모델을 구성하는 알고리즘과 표현 형식은 소프트웨어 환경의 선택에 따라 다릅니다.

예를 들어, 프로그래밍 환경에서 표현 형식은 해당 언어로 작성된 프로그램입니다. 응용 환경(스프레드시트, DBMS, 그래픽 편집기 등)에서 알고리즘을 표현하는 형식은 문제 해결로 이어지는 일련의 기술 기법입니다.

동일한 문제는 다양한 소프트웨어 환경을 사용하여 해결할 수 있으며, 그 선택은 우선 기술 및 재료 능력에 따라 달라집니다.

4단계. 컴퓨터 실험

2개의 스테이지가 포함됩니다:

모델 테스트 - 모델 구성의 정확성을 확인합니다.

이 단계에서는 모델을 구성하기 위해 개발된 알고리즘과 결과 모델이 모델링의 대상 및 목적에 적합한지 확인합니다.

노트 2

모델 구축 알고리즘의 정확성을 확인하기 위해 최종 결과가 미리 알려진 테스트 데이터가 사용됩니다. 대부분의 경우 테스트 데이터는 수동으로 결정됩니다. 검사 결과가 일치하면 올바른 알고리즘이 개발된 것이며, 그렇지 않은 경우 불일치 원인을 찾아 제거해야 합니다.

테스트는 목표를 정하고 체계화해야 하며, 테스트 데이터의 복잡성은 점진적으로 증가해야 합니다. 모델링 목적에 필수적인 원본의 속성을 반영하는 모델 구성의 정확성을 결정합니다. 따라서 실제 상황을 반영할 수 있는 테스트 데이터를 선택하는 것이 필요합니다.

모델 연구

성공적인 테스트와 연구해야 할 모델이 정확하게 생성되었다는 확신이 있는 경우에만 모델 연구를 진행할 수 있습니다.

V 스테이지. 결과 분석

이는 모델링 프로세스의 기본입니다. 연구를 계속할지 또는 완료할지에 대한 결정은 이 특정 단계의 결과에 따라 내려집니다.

결과가 작업 목표와 일치하지 않으면 이전 단계에서 실수가 있었다고 결론을 내립니다. 그런 다음 모델을 수정해야 합니다. 이전 단계 중 하나로 돌아갑니다. 컴퓨터 실험 결과가 모델링 목표를 충족할 때까지 이 과정을 반복해야 합니다.

이전 주제에서는 모델이 무엇인지 공식화하고 새로운 개념을 정의했습니다. 모델링.모델링은 인간의 주요 활동 중 하나라는 것을 이해하는 것이 중요합니다. 모델링은 항상 어떤 형태로든 모든 비즈니스보다 우선합니다.

쌀. 4. 프로토타입부터 의사결정까지.

그림에 표시된 다이어그램. 도 4는 모델링이 물체 연구에서 중심 위치를 차지함을 보여준다. 익숙한 객체를 개선하는 방법, 새로운 객체를 생성해야 하는지 여부, 관리 프로세스를 변경하는 방법, 그리고 궁극적으로 주변 세계를 더 나은 방향으로 변화시키는 방법 등 정보에 입각한 결정을 내릴 수 있습니다.

여기서 출발점은 프로토타입입니다(그림 2.4). 이는 기존 또는 설계된 개체 또는 프로세스일 수 있습니다.

모델링의 마지막 단계는 의사결정이다. 많은 상황에서 우리는 이런저런 결정을 내려야 합니다. 모델링에서 이는 우리가 연구한 모델인 새로운 개체를 만들거나 기존 개체를 개선하거나 이에 대한 추가 정보를 얻는 것을 의미합니다.

모델링은 창의적인 과정입니다. 이를 공식적인 틀에 넣는 것은 매우 어렵습니다. 가장 일반적인 형태에서는 그림 1과 같이 단계적으로 표시될 수 있습니다. 5. 특정 문제를 해결할 때마다 이러한 체계는 일부 변경을 겪을 수 있습니다. 일부 블록은 제거되거나 개선되고 일부는 추가됩니다. 모든 단계는 작업 및 모델링 목표에 따라 결정됩니다.

1단계. 문제의 공식화
작업 설명
모델링의 목적
객체 분석
2단계. 모델 개발
정보 모델
아이코닉 모델
컴퓨터 모델
3단계. 컴퓨터 실험
시뮬레이션 계획
시뮬레이션 기술
4단계. 시뮬레이션 결과 분석
결과는 목표에 도달했습니다	결과가 목표를 달성하지 못함

모델링의 주요 단계를 더 자세히 살펴 보겠습니다.

3.2. 1단계. 문제의 공식화

가장 일반적인 의미의 작업은 해결해야 할 특정 문제로 이해됩니다. 문제 설정 단계에서는 세 가지 주요 사항을 반영할 필요가 있습니다. 문제 설명, 모델링 목표 결정, 객체 또는 프로세스 분석.

작업 설명

과제(문제)는 일상어로 표현되어야 하며, 설명은 이해할 수 있어야 합니다. 여기서 가장 중요한 것은 모델링 개체를 정의하고 결과가 무엇인지 이해하는 것입니다. 모델링의 결과, 궁극적으로 의사결정은 문제를 어떻게 이해하느냐에 따라 달라집니다.

공식의 성격에 따라 모든 문제는 두 가지 주요 그룹으로 나눌 수 있습니다.

첫 번째 그룹에게 물체의 특성이 어떤 영향을 받을 때 어떻게 변하는지 연구하는 데 필요한 작업이 포함될 수 있습니다. 문제에 대한 이러한 공식화는 일반적으로 “만약 무슨 일이 일어날 것인가?”라고 불립니다. 예를 들어, 자동차가 직선으로 움직이고 초기 속도 3m/s, 가속도 0.5m/s로 균일하게 가속된다면 6초 후에 자동차의 속도는 어떻게 변할까요?

때로는 작업이 좀 더 광범위하게 공식화되기도 합니다. 특정 범위에 있는 물체의 특성을 특정 단계로 변경하면 어떻게 되나요? 이러한 연구는 초기 데이터에 대한 객체 매개변수의 의존성을 추적하는 데 도움이 됩니다. 예를 들어 정보 폭발 모델은 다음과 같습니다.

“한 사람이 UFO를 목격했고 15분 동안 그의 친구 세 명에게 그 사실을 말했습니다. 그들은 다시 15분 후에 이 소식을 지인 3명 등에게 추가로 알렸습니다. 15분, 30분 등으로 얼마나 많은 사람에게 알림이 전달될지 모니터링하세요.”

두 번째 그룹 문제에는 다음과 같은 일반화된 공식이 있습니다. 매개변수가 특정 조건을 충족하려면 객체에 어떤 영향을 주어야 합니까? 문제에 대한 이러한 공식화는 종종 "... 그렇게 하려면 어떻게 해야 하는가"라고 불립니다. 예를 들어, 헬륨 가스로 채워진 풍선이 100kg의 하중으로 떠오를 수 있으려면 부피가 얼마나 되어야 합니까?

일반적으로 모델링 문제의 대부분은 복잡합니다. 예를 들어, 용액의 농도를 변경하는 문제는 다음과 같습니다. “5부로 구성된 화학 용액의 초기 농도는 70%입니다. 주어진 농도의 용액을 얻으려면 몇 부분의 물을 첨가해야 합니까? 먼저, 물 1부를 첨가할 때의 농도를 계산합니다. 그런 다음 2, 8, 4... 부분의 물을 추가하면 농도 표가 구성됩니다. 결과 계산을 통해 다양한 초기 데이터로 모델을 빠르게 다시 계산할 수 있습니다. 계산표를 사용하면 필요한 농도를 얻기 위해 물의 몇 부분을 추가해야 하는지에 대한 질문에 답할 수 있습니다.

모델링의 목적

사람이 모델을 만드는 이유는 무엇입니까?

모델을 통해 특정 객체가 어떻게 구성되어 있는지 이해하고, 기본 속성을 알아내고, 개발 법칙과 외부 세계와의 상호 작용 법칙을 확립할 수 있다면, 이 경우 모델 구축의 목적은 다음과 같습니다. ~이다주변 세계에 대한 지식.

모델링의 또 다른 중요한 목적은 다음과 같습니다. 지정된 속성을 가진 객체 생성. 이 목표는 문제의 진술에 의해 결정됩니다. “그걸 어떻게 하지...”.

다음과 같은 문제를 모델링하는 목적 "만약에 무슨 일이..." - 물체에 대한 영향의 결과를 결정하고 올바른 결정을 내립니다. 이러한 모델링은 사회 및 기타 문제를 해결할 때 매우 중요합니다.

종종 모델링의 목적은 다음과 같습니다. 객체(또는 프로세스) 관리의 효율성 .

객체 분석

이 단계에서는 문제의 일반적인 공식화부터 시작하여 모델링된 객체와 그 주요 속성이 명확하게 식별됩니다. 실제로 이러한 모든 요소는 시뮬레이션의 입력 매개변수라고 할 수 있습니다. 그것들은 상당히 많을 수 있으며 일부는 정량적 관계로 설명할 수 없습니다.

원래 개체는 어떤 관계에 있는 작은 구성 요소의 전체 모음인 경우가 많습니다. 단어 "분석" (그리스어 "분석"에서 유래)은 기본 개체라고 하는 구성 요소를 식별하기 위해 개체를 분해, 해체하는 것을 의미합니다. 결과는 더 간단한 개체의 컬렉션입니다. 그들은 서로 동등한 관계에 있을 수도 있고 상호 종속될 수도 있습니다. 이러한 연결 방식이 그림 1에 나와 있습니다. 6과 7.

더 복잡한 관계를 가진 개체가 있습니다. 일반적으로 복잡한 개체는 다양한 유형의 관계를 가진 단순한 개체로 구성될 수 있습니다.

모든 진지한 작업(설계 개발, 기술 프로세스 설계, 알고리즘 개발, 모델링 등)의 기초는 “위로부터의” 시스템 원칙을 기반으로 해야 합니다. – 아래에" , 즉, 일반적인 문제부터 구체적인 세부사항까지. 객체 분석의 결과는 객체의 구성요소(기본 객체)를 식별하고 이들 사이의 연결을 결정하는 과정에서 나타납니다.