Modeliavimo proceso struktūra ir pagrindiniai etapai. Sistemų modeliavimas Pagrindiniai sistemos modeliavimo etapai

Prieš kuriant objekto (reiškinio, proceso) modelį, būtina nustatyti jo sudedamuosius elementus ir ryšius tarp jų (atlikti sistemos analizę) ir gautą struktūrą „išversti“ (parodyti) į tam tikrą iš anksto nustatytą formą - įforminti informaciją.

Bet kokios sistemos modeliavimas neįmanomas be išankstinio įforminimo. Tiesą sakant, formalizavimas yra pirmasis ir labai svarbus modeliavimo proceso etapas. Modeliai atspindi svarbiausius dalykus tiriamuose objektuose, procesuose ir reiškiniuose, remiantis nurodytu modeliavimo tikslu. Tai yra pagrindinė modelių savybė ir pagrindinė paskirtis.

Formalizavimas – tai objekto, reiškinio ar proceso vidinės struktūros identifikavimo ir pavertimo į konkrečią informacijos struktūrą – formą procesas.

Pavyzdžiui, Iš savo geografijos kurso žinote, kad drebėjimo stiprumas paprastai matuojamas dešimties balais. Tiesą sakant, mes susiduriame su paprasčiausiu modeliu, skirtu įvertinti šio gamtos reiškinio stiprumą. Tiesa, požiūris „stipresnis“, veikiantis realiame pasaulyje, čia formaliai pakeistas santykis "daugiau", reikšmė natūraliųjų skaičių aibėje: silpniausi drebėjimai atitinka skaičių 1, stipriausi - 10. Gautas tvarkingas 10 skaičių rinkinys yra modelis, leidžiantis įsivaizduoti drebėjimo stiprumą.

Modeliavimo etapai

Prieš imdamiesi bet kokio darbo, turite aiškiai įsivaizduoti pradžios tašką ir kiekvieną veiklos tašką, taip pat apytikslius jos etapus. Tą patį galima pasakyti ir apie modeliavimą. Atspirties taškas čia yra prototipas. Tai gali būti esamas arba suprojektuotas objektas ar procesas. Paskutinis modeliavimo etapas yra sprendimo priėmimas remiantis žiniomis apie objektą.

(Modeliuojant išeities taškas yra prototipas, kuris gali būti tik esamas arba suprojektuotas objektas ar procesas. Paskutinis modeliavimo etapas yra sprendimo priėmimas, pagrįstas žiniomis apie objektą.)

Grandinė atrodo taip.

Paaiškinkime tai pavyzdžiais.

Modeliavimo kuriant naujas technines priemones pavyzdys – kosmoso technologijų raidos istorija. Norint įgyvendinti kosminį skrydį, reikėjo išspręsti dvi problemas: įveikti gravitaciją ir užtikrinti pažangą beorėje erdvėje. Niutonas kalbėjo apie galimybę įveikti Žemės gravitaciją XVII a. K. E. Ciolkovskis pasiūlė sukurti reaktyvinį variklį judėjimui erdvėje, kuriame būtų naudojamas kuras iš skysto deguonies ir vandenilio mišinio, kuris degimo metu išskiria didelę energiją. Jis sudarė gana tikslų aprašomąjį būsimojo tarpplanetinio erdvėlaivio modelį su brėžiniais, skaičiavimais ir pagrindimais.

Nepraėjo nei pusė amžiaus nuo tada, kai aprašomasis K. E. Ciolkovskio modelis tapo tikro modeliavimo pagrindu projektavimo biure, vadovaujamame S. P. Korolevo. Viso masto eksperimentuose buvo išbandytos įvairios skystojo kuro rūšys, raketos forma, skrydžio valdymo sistema ir astronautų gyvybės palaikymas, moksliniams tyrimams skirti instrumentai ir kt.. Universalaus modeliavimo rezultatas – galingos raketos, paleidusios dirbtinę žemę. palydovai, laivai su astronautais ir kosminės stotys.

Pažvelkime į kitą pavyzdį. Žymus XVIII amžiaus chemikas Antoine'as Lavoisier, tyrinėdamas degimo procesą, atliko daugybę eksperimentų. Jis imitavo degimo procesus įvairiomis medžiagomis, kurias kaitino ir svėrė prieš ir po eksperimento. Paaiškėjo, kad kai kurios medžiagos po kaitinimo pasunkėja. Lavoisier pasiūlė, kad kaitinant šias medžiagas kažkas buvo pridėta. Taigi modeliavimas ir vėlesnė rezultatų analizė paskatino apibrėžti naują medžiagą – deguonį, apibendrinti „degimo“ sąvoką, pateikti daugelio žinomų reiškinių paaiškinimą ir atvėrė naujus horizontus kitų mokslo sričių tyrimams. ypač biologijoje, nes deguonis pasirodė esąs vienas iš pagrindinių gyvūnų ir augalų kvėpavimo ir energijos apykaitos komponentų.

Modeliavimas- kūrybinis procesas. Labai sunku tai sudėti į formalius rėmus. Bendriausia forma jis gali būti pateiktas etapais, kaip parodyta Fig. 1.

Ryžiai. 1. Modeliavimo etapai.

Kiekvieną kartą sprendžiant konkrečią problemą, tokia schema gali pasikeisti: kai kurie blokai bus pašalinti arba patobulinti, kai kurie bus pridėti. Visus etapus lemia užduotis ir modeliavimo tikslai. Išsamiau apsvarstykime pagrindinius modeliavimo etapus.

ETAPAS. PROBLEMOS FORMULIAVIMAS.

Užduotis yra problema, kurią reikia išspręsti. Problemos formulavimo etape būtina atspindėti tris pagrindinius dalykus: problemos apibūdinimą, modeliavimo tikslų nustatymą ir objekto ar proceso analizę.

Užduoties aprašymas

Problema suformuluota įprasta kalba, o aprašymas turi būti aiškus. Svarbiausia čia yra apibrėžti modeliavimo objektą ir suprasti, koks turėtų būti rezultatas.

Modeliavimo tikslas

1) supančio pasaulio pažinimas

Kodėl žmogus kuria modelius? Norėdami atsakyti į šį klausimą, turime pažvelgti į tolimą praeitį. Prieš kelis milijonus metų, žmonijos aušroje, primityvūs žmonės tyrinėjo supančią gamtą, kad išmoktų atlaikyti gamtos stichijas, panaudoti gamtos naudą ir tiesiog išgyventi.

Sukauptos žinios buvo perduodamos iš kartos į kartą žodžiu, vėliau raštu, galiausiai per objektų modelius. Taip, pavyzdžiui, gimė Žemės modelis – gaublys – leidžiantis vizualiai įsivaizduoti mūsų planetos formą, jos sukimąsi aplink savo ašį ir žemynų išsidėstymą. Tokie modeliai leidžia suprasti, kaip yra struktūrizuotas konkretus objektas, išsiaiškinti pagrindines jo savybes, nustatyti jo vystymosi ir sąveikos su supančiu modelių pasauliu dėsnius.

(Per šimtmečius žmogus kūrė modelius, kaupė žinias ir perduodavo iš kartos į kartą žodžiu, vėliau raštu ir galiausiai dalykinių modelių pagalba. Tokie modeliai leidžia suprasti, kaip konkretus objektas yra struktūruotas, rasti išsiaiškinti jo pagrindines savybes, nustatyti jo vystymosi ir sąveikos su supančiu modelių pasauliu dėsnius.*Pavyzdys: Žemės rutulio modelis*).

2) objektų su nurodytomis savybėmis kūrimas ( nustato problemos teiginys „Kaip tai padaryti...“.

Sukaupęs pakankamai žinių, žmogus uždavė sau klausimą: „Ar neįmanoma sukurti objekto su tam tikromis savybėmis ir galimybėmis, kad būtų galima neutralizuoti stichijas ar panaudoti gamtos reiškinius sau tarnauti? Žmogus pradėjo kurti dar neegzistuojančių objektų modelius. Taip gimė idėjos sukurti vėjo malūnus, įvairius mechanizmus, net įprastą skėtį. Daugelis šių modelių dabar tapo realybe. Tai objektai, sukurti žmogaus rankomis.

(Sukaupęs pakankamai žinių, žmogus norėjo sukurti objektą su tam tikromis savybėmis ir galimybėmis, *atsverti stichijas arba panaudoti gamtos reiškinius savo labui*, kad palengvintų savo gyvenimą ir apsisaugotų nuo destruktyvaus poveikio. gamta.Žmogus pradėjo kurti dar neegzistuojančių objektų modelius Daugelis šių modelių dabar tapo realybe.Tai žmogaus rankų sukurti objektai.) *Pavyzdys: vėjo malūnai, įvairūs mechanizmai, net paprastas skėtis*

3) nustatant poveikio objektui pasekmes ir priimant teisingą sprendimą . Modeliavimo problemų, pavyzdžiui, tikslas "kas atsitiks, jei..." . (kas bus, jei padidinsite bilieto kainą už transportą, ar kas bus, jei branduolines atliekas palaidosite tokioje ir tokioje teritorijoje?)

Pavyzdžiui, siekiant išgelbėti miestą prie Nevos nuo nuolatinių potvynių, sukeliančių milžinišką žalą, buvo nuspręsta pastatyti užtvanką. Jo projektavimo metu buvo pastatyta daug modelių, įskaitant pilno masto, būtent tam, kad būtų galima numatyti intervencijos į gamtą pasekmes.

Šioje pastraipoje galime pateikti tik pavyzdį ir pasakyti apie klausimą.

4) objekto (ar proceso) valdymo efektyvumas ) .

Kadangi valdymo kriterijai gali būti labai prieštaringi, tai bus veiksminga tik tada, kai „vilkai bus šeriami ir avys yra saugios“.

Pavyzdžiui, reikia pagerinti maitinimą mokyklos valgykloje. Viena vertus, jis turi atitikti amžiaus reikalavimus (kaloringumas, turintis vitaminų ir mineralinių druskų), kita vertus, turi patikti daugumai vaikų ir, be to, būti prieinamas tėvams, trečia – paruošimo technologija. turi atitikti mokyklų valgyklų galimybes. Kaip derinti nesuderinamus dalykus? Modelio kūrimas padės rasti priimtiną sprendimą.

Jei šioje pastraipoje pateikta informacija kam nors atrodo svarbi, pasirinkite ją patys.

Objekto analizė

Šiame etape aiškiai identifikuojamas modeliuojamas objektas ir pagrindinės jo savybės, iš ko jis susideda ir kokie ryšiai tarp jų egzistuoja.

(Paprastas pavaldžių objektų ryšių pavyzdys – sakinio analizavimas. Pirmiausia išryškinami pagrindiniai nariai (subjektas, predikatas), po to su pagrindiniais susiję smulkieji nariai, po to – su antraeiliais susiję žodžiai ir pan.)

II ETAPAS. MODELIO KŪRIMAS

1. Informacinis modelis

Šiame etape elementariųjų objektų savybės, būsenos, veiksmai ir kitos charakteristikos išaiškinamos bet kokia forma: žodžiu, diagramų, lentelių pavidalu. Susidaro mintis apie elementarius objektus, sudarančius pirminį objektą, t.y. informacinis modelis.

Modeliai turi atspindėti esmines objektyvaus pasaulio objektų savybes, savybes, būsenas ir ryšius. Jie suteikia išsamią informaciją apie objektą.

Įsivaizduokite, kad jums reikia įminti mįslę. Jums siūlomas tikro daikto savybių sąrašas: apvalus, žalias, blizgus, kietas, dryžuotas, žiedas, prinokęs, aromatingas, saldus, sultingas, sunkus, didelis, su sausa uodega...

Sąrašas tęsiasi, bet tikriausiai jau atspėjote, kad kalbame apie arbūzą. Apie jį pateikiama pati įvairiausia informacija: spalva, kvapas, skonis ir net garsas... Akivaizdu, kad jos yra daug daugiau, nei reikia šiai problemai išspręsti. Pasistenkite iš visų išvardintų ženklų ir savybių pasirinkti minimumą, leidžiantį tiksliai identifikuoti objektą. Rusų folklore jau seniai rastas sprendimas: „Skaisčiai raudonas, cukrus, žalias, aksominis kaftanas“.

Jei informacija buvo skirta menininkui nutapyti natiurmortą, galima būtų apsiriboti šiomis objekto savybėmis: apvalus, didelis, žalias, dryžuotas. Norėdami sužadinti smaližių apetitą, rinktumėtės kitas savybes: prinokę, sultingi, aromatingi, saldūs. Žmogui, besirenkančiam arbūzą iš meliono lopinėlio, galėtume pasiūlyti tokį modelį: didelis, garsus, su sausa uodega.

Šis pavyzdys rodo, kad informacijos neturi būti daug. Svarbu, kad jis būtų „iš esmės“, ty atitiktų tikslą, kuriam jis naudojamas.

Pavyzdžiui, mokykloje mokiniai supažindinami su informaciniu kraujotakos modeliu. Šios informacijos pakanka moksleiviui, tačiau nepakanka tiems, kurie atlieka kraujagyslių operacijas ligoninėse.

Informaciniai modeliai vaidina labai svarbų vaidmenį žmogaus gyvenime.

Mokykloje įgytos žinios yra informacinio modelio, skirto objektams ir reiškiniams tirti, forma.

Istorijos pamokos leidžia sukurti visuomenės raidos modelį, o jo žinojimas leidžia kurti savo gyvenimą, kartojant savo protėvių klaidas arba atsižvelgiant į jas.

Įjungta geografijos pamokos Jums suteikiama informacija apie geografinius objektus: kalnus, upes, šalis ir kt. Tai taip pat informaciniai modeliai. Daugelio to, kas mokoma geografijos pamokose, niekada nepamatysi realybėje.

Įjungta chemijos pamokos informacija apie skirtingų medžiagų savybes ir jų sąveikos dėsnius paremta eksperimentais, kurie yra ne kas kita, kaip tikri cheminių procesų modeliai.

Informacinis modelis niekada iki galo neapibūdina objekto. Tam pačiam objektui galite sukurti skirtingus informacijos modelius.

Modeliavimui išsirinkime tokį objektą kaip „asmuo“. Į žmogų galima žiūrėti įvairiais požiūriais: kaip į individą ir kaip į žmogų apskritai.

Jei turite omenyje konkretų asmenį, galite sukurti modelius, kurie pateikiami lentelėje. 1-3.

1 lentelė. Mokinio informacijos modelis

2 lentelė.. Mokyklos medicinos kabineto lankytojo informacinis modelis

3 lentelė.Įmonės darbuotojo informacinis modelis

Apsvarstykime ir kiti pavyzdžiai skirtingi informacijos modeliai tam pačiam objektui.

Daugybė nusikaltimo liudininkų pranešė apie įvairią informaciją apie tariamą užpuoliką – tai jų informaciniai modeliai. Policijos atstovas iš informacijos srauto turėtų atrinkti reikšmingiausius, kurie padės surasti nusikaltėlį ir jį sulaikyti. Įstatymo atstovas gali turėti ne vieną bandito informacinį modelį. Verslo sėkmė priklauso nuo to, kaip teisingai parinktos esminės savybės ir atsisakoma antrinių.

Būtiniausios informacijos pasirinkimą kuriant informacinį modelį ir jo sudėtingumą lemia modeliavimo tikslas.

Informacinio modelio kūrimas yra modelio kūrimo etapo pradžios taškas. Visi analizės metu nustatytų objektų įvesties parametrai yra išdėstyti svarbos mažėjimo tvarka ir modelis supaprastinamas pagal modeliavimo tikslą.

2. Ikoniškas modelis

Prieš pradėdamas modeliavimo procesą, žmogus popieriuje padaro preliminarius brėžinių ar diagramų eskizus, išveda skaičiavimo formules, t.y., sukuria vienokia ar kitokia forma informacinį modelį. ikoniška forma, kuris gali būti bet kuris kompiuterinis ar nekompiuteris.

Kompiuterio modelis

Kompiuterinis modelis yra modelis, įgyvendintas naudojant programinę aplinką.

Yra daug programinės įrangos paketų, leidžiančių atlikti informacinių modelių tyrimus (modeliavimą). Kiekviena programinės įrangos aplinka turi savo įrankius ir leidžia dirbti su tam tikro tipo informacijos objektais.

Žmogus jau žino, koks bus modelis, ir naudojasi kompiuteriu, kad suteiktų jam ikonišką formą. Pavyzdžiui, grafinės aplinkos naudojamos geometriniams modeliams ir diagramoms kurti, o teksto rengyklės aplinka naudojama žodiniams arba lenteliniams aprašymams.

III ETAPAS. KOMPIUTERINIS EKSPERIMENTAS

Norint suteikti gyvybės naujiems dizaino patobulinimams, gamyboje įdiegti naujus techninius sprendimus ar išbandyti naujas idėjas, reikia eksperimento. Netolimoje praeityje tokį eksperimentą buvo galima atlikti arba laboratorinėmis sąlygomis specialiai jam sukurtose instaliacijose, arba in situ, t.y. su tikru gaminio pavyzdžiu, atliekant įvairius bandymus.

Tobulėjant kompiuterinėms technologijoms, atsirado naujas unikalus tyrimo metodas – kompiuterinis eksperimentas. Kompiuterinis eksperimentas apima darbo su modeliu seką, tikslinių vartotojo veiksmų kompiuteriniame modelyje rinkinį.

IV ETAPAS. MODELIAVIMO REZULTATŲ ANALIZĖ

Galutinis modeliavimo tikslas yra priimti sprendimą, kuris turėtų būti priimtas remiantis visapusiška gautų rezultatų analize. Šis etapas yra lemiamas – arba tęsiate tyrimą, arba baigsite. Galbūt žinote laukiamą rezultatą, tuomet reikia palyginti gautus ir laukiamus rezultatus. Jei bus rungtynės, galėsite priimti sprendimą.

Sprendimo kūrimo pagrindas yra bandymų ir eksperimentų rezultatai.Jei rezultatai neatitinka užduoties tikslų, tai reiškia, kad ankstesniuose etapuose buvo padaryta klaidų. Tai gali būti pernelyg supaprastinta informacinio modelio konstrukcija arba nesėkmingas modeliavimo metodo ar aplinkos pasirinkimas arba technologinių technikų pažeidimas kuriant modelį. Jei nustatomos tokios klaidos, modelį reikia koreguoti, ty grįžti į vieną iš ankstesnių etapų. Procesas kartojamas tol, kol eksperimentiniai rezultatai atitinka modeliavimo tikslus.

Svarbiausia visada atsiminti: nustatyta klaida taip pat yra rezultatas. http://www.gmcit.murmansk.ru/text/information_science/base/simulation/materials/mysnik/2.htm

Susijusi informacija.

Modeliavimo teorija yra vienas iš valdymo procesų automatizavimo teorijos komponentų. Vienas iš pagrindinių jos principų yra teiginys: sistemą vaizduoja baigtinis modelių rinkinys, kurių kiekvienas atspindi tam tikrą jos esmės aspektą.

Iki šiol sukaupta nemaža patirtis, kuri suteikia pagrindą suformuluoti pagrindinius modelių konstravimo principus. Nepaisant to, kad kuriant modelius labai svarbus patyrimo, intuicijos, intelektualinių tyrėjo savybių vaidmuo, daug klaidų ir nesėkmių modeliavimo praktikoje atsiranda dėl modeliavimo metodikos nežinojimo ir modelių kūrimo principų nesilaikymo.

Tarp pagrindinių yra:

Modelio atitikties tyrimo tikslams principas;

Modelio sudėtingumo suderinimo su reikiamu modeliavimo rezultatų tikslumu principas;

Modelio efektyvumo principas;

Proporcingumo principas;

Pastatų modelių moduliškumo principas;

Atvirumo principas;

Kolektyvinio tobulėjimo principas (kuriant modelį dalyvauja dalykinės ir modeliavimo srities specialistai);

Eksploatuojamumo principas (modelio naudojimo paprastumas).

Tai pačiai sistemai galima sukurti daug modelių. Šie modeliai skirsis detalumo laipsniu ir atsižvelgs į tam tikras realaus objekto ypatybes ir veikimo būdus, atspindės tam tikrą sistemos esmės aspektą ir sutelks dėmesį į tam tikros objekto savybės ar savybių grupės tyrimą. sistema. Todėl jau pradiniame modelio kūrimo etape svarbu aiškiai suformuluoti modeliavimo tikslą. Taip pat reikėtų atsižvelgti į tai, kad modelis sukurtas konkrečiai tyrimo problemai išspręsti. Universalių modelių kūrimo patirtis nepasiteisino dėl kuriamų modelių gremėzdiškumo ir netinkamumo praktiniam naudojimui. Norint išspręsti kiekvieną konkrečią problemą, reikia turėti savo modelį, atspindintį tyrimo požiūriu svarbiausius aspektus ir sąsajas. Konkretaus modeliavimo tikslų nustatymo svarbą lemia ir tai, kad visi tolesni modeliavimo etapai vykdomi orientuojantis į konkretų tyrimo tikslą.

Modelis visada yra apytikslis, palyginti su originalu. Kokia turėtų būti ši aproksimacija? Per didelis detalumas apsunkina modelį, pabrangina ir apsunkina tyrimus. Būtina rasti kompromisą tarp modelio sudėtingumo laipsnio ir jo tinkamumo modeliuojamam objektui.

Apskritai „tikslumo – sudėtingumo“ problema suformuluota kaip viena iš dviejų optimizavimo problemų:

Nurodomas modeliavimo rezultatų tikslumas, o tada modelio sudėtingumas sumažinamas iki minimumo;

Turėdami tam tikro sudėtingumo modelį, jie siekia užtikrinti maksimalų modeliavimo rezultatų tikslumą.

Sumažinti charakteristikų, parametrų, trikdančių veiksnių skaičių. Nurodant modeliavimo tikslus iš sistemos charakteristikų aibės, tie, kuriuos galima nustatyti be modeliavimo arba kurie tyrėjo požiūriu yra antraeiliai svarbūs, arba išskiriami, arba sujungiami. Galimybė įgyvendinti tokias procedūras siejama su tuo, kad modeliuojant ne visada patartina atsižvelgti į visą trikdančių veiksnių įvairovę. Leidžiamas tam tikras darbo sąlygų idealizavimas. Jei modeliavimo tikslas yra ne tik fiksuoti sistemos savybes, bet ir optimizuoti tam tikrus sprendimus dėl sistemos konstrukcijos ar veikimo, tai be sistemos parametrų skaičiaus ribojimo, būtina nustatyti tuos parametrus, kurie tyrėjas gali pasikeisti.

Sistemos charakteristikų pobūdžio keitimas. Siekiant supaprastinti modelio konstravimą ir tyrimą, kai kuriuos kintamuosius parametrus leidžiama laikyti konstantomis, diskrečius – tolydžiomis ir atvirkščiai.

Funkcinio ryšio tarp parametrų keitimas. Netiesinė priklausomybė paprastai pakeičiama tiesine, o diskretinė funkcija - tolydžioji. Pastaruoju atveju atvirkštinė transformacija taip pat gali būti supaprastinimas.

Apribojimų keitimas. Pašalinus apribojimus, sprendimo gavimo procesas dažniausiai supaprastėja. Ir atvirkščiai, įvedus apribojimus, rasti sprendimą yra daug sunkiau. Keičiant apribojimus, galima nustatyti sprendimų sritį, nubrėžtą sistemos veikimo rodiklių ribinėmis reikšmėmis.

Modeliavimo procesą lydi tam tikros įvairių išteklių (medžiagų, skaičiavimo ir kt.) išlaidos. Šios išlaidos yra didesnės, kuo sudėtingesnė sistema ir tuo aukštesni reikalavimai modeliavimo rezultatams. Ekonominiu modeliu laikysime tokį modelį, kurio modeliavimo rezultatų panaudojimo efektas turi tam tikrą perviršį, palyginti su jo sukūrimui ir panaudojimui naudojamų išteklių sąnaudomis.

Kuriant matematinį modelį reikia stengtis laikytis vadinamojo proporcingumo principo. Tai reiškia, kad sisteminio modeliavimo klaida (t. y. modelio nukrypimas nuo modeliuojamos sistemos aprašymo) turi būti proporcinga aprašymo klaidai, įskaitant ir pradinių duomenų paklaidą. Be to, atskirų modelio elementų aprašymo tikslumas turėtų būti toks pat, neatsižvelgiant į jų fizinę prigimtį ir naudojamą matematinį aparatą. Ir galiausiai sisteminio modeliavimo klaida ir interpretavimo klaida, taip pat ir modeliavimo rezultatų vidurkio klaida turi būti proporcingi viena kitai.

Bendra modeliavimo paklaida gali būti sumažinta, jei naudojami įvairūs abipusio klaidų dėl skirtingų priežasčių kompensavimo būdai. Kitaip tariant, reikia laikytis klaidų pusiausvyros principo. Šio principo esmė – vieno tipo klaidas kompensuoti kito tipo klaidomis. Pavyzdžiui, klaidos, atsiradusios dėl modelio netinkamumo, yra subalansuotos su klaidomis šaltiniuose. Griežtai formali šio principo laikymosi tvarka nėra sukurta, tačiau patyrusiems mokslininkams pavyksta šį principą sėkmingai panaudoti savo darbe.

Konstrukcijos moduliškumas žymiai „sumažina“ modelių kūrimo proceso sąnaudas, nes leidžia panaudoti sukauptą standartinių elementų ir modulių diegimo patirtį kuriant sudėtingus sistemų modelius. Be to, tokį modelį lengva modifikuoti (kurti).

Modelio atvirumas reiškia galimybę į jo sudėtį įtraukti naujus programinės įrangos modulius, kurių poreikis gali paaiškėti atliekant tyrimą ir tobulinant modelį.

Modelio kokybė labai priklausys nuo to, kaip sėkmingai bus išspręsti modeliavimo organizaciniai aspektai, tai yra įvairių sričių specialistų įtraukimas. Tai ypač svarbu pradiniuose etapuose, kai suformuluojamas tyrimo (modeliavimo) tikslas ir kuriamas konceptualus sistemos modelis. Klientų atstovų dalyvavimas darbe yra privalomas. Užsakovas turi aiškiai suprasti modeliavimo tikslus, kuriamą konceptualų modelį, tyrimo programą, gebėti analizuoti ir interpretuoti modeliavimo rezultatus.

Galutinius modeliavimo tikslus galima pasiekti tik atliekant tyrimus naudojant sukurtą modelį. Tyrimas susideda iš eksperimentų atlikimo naudojant modelį, kurio sėkmingą įgyvendinimą daugiausia lemia tyrėjui prieinama paslauga, kitaip tariant, modelio naudojimo paprastumas, o tai reiškia vartotojo sąsajos, įvesties patogumą. -modeliavimo rezultatų išvestis, derinimo įrankių išsamumas, rezultatų interpretavimo paprastumas ir kt.

Modeliavimo procesą galima suskirstyti į kelis etapus.

Pirmas lygmuo apima: tyrimo tikslų supratimą, modelio vietą ir vaidmenį sistemos tyrimo procese, modeliavimo tikslo suformulavimą ir patikslinimą, modeliavimo uždavinio iškėlimą.

Antrasis etapas- tai modelio kūrimo (kurimo) etapas. Jis prasideda prasmingu modeliuojamo objekto aprašymu ir baigiasi modelio programine įranga.

Įjungta trečiasis etapas tyrimai atliekami naudojant modelį, kurį sudaro eksperimentų planavimas ir vykdymas.

Modeliavimo procesas (ketvirtasis etapas) baigiamas modeliavimo rezultatų analize ir apdorojimu, pasiūlymų ir rekomendacijų modeliavimo rezultatų panaudojimui praktikoje rengimu.

Tiesioginė modelio konstravimas prasideda prasmingu modeliuojamo objekto aprašymu. Modeliavimo objektas aprašomas sisteminio požiūrio požiūriu. Remiantis tyrimo tikslu, nustatoma elementų rinkinys ir galimos jų būsenos, nurodomi ryšiai tarp jų, pateikiama informacija apie tiriamo objekto (sistemos) fizinę prigimtį ir kiekybines charakteristikas. Prasmingas aprašymas gali būti sudarytas gana nuodugniai ištyrus tiriamą objektą. Aprašymas, kaip taisyklė, atliekamas kokybinių kategorijų lygiu. Toks preliminarus, apytikslis objekto atvaizdavimas dažniausiai vadinamas verbaliniu modeliu. Prasmingas objekto aprašymas, kaip taisyklė, neturi savarankiškos reikšmės, o yra tik pagrindas tolesniam tyrimo objekto formalizavimui – konceptualaus modelio konstravimui.

Koncepcinis objekto modelis yra tarpinė grandis tarp prasmingo aprašymo ir matematinio modelio. Jis kuriamas ne visais atvejais, o tik tada, kai dėl tiriamo objekto sudėtingumo ar kai kurių jo elementų formalizavimo sunkumų tiesioginis perėjimas nuo prasmingo aprašymo prie matematinio modelio pasirodo neįmanomas arba nepraktiškas. Koncepcinio modelio kūrimo procesas yra kūrybiškas. Būtent šiuo atžvilgiu kartais sakoma, kad modeliavimas yra ne tiek mokslas, kiek menas.

Kitas modeliavimo etapas – objekto matematinio modelio kūrimas. Matematinio modelio kūrimas turi du pagrindinius tikslus: formaliai aprašyti tiriamo objekto struktūrą ir funkcionavimo procesą bei pabandyti pateikti funkcionavimo procesą tokia forma, kuri leistų analitiškai ar algoritmiškai ištirti objektą.

Norint konvertuoti koncepcinį modelį į matematinį, būtina, pavyzdžiui, analitine forma užrašyti visus ryšius tarp esminių parametrų, jų ryšį su tiksline funkcija ir nustatyti valdomų parametrų verčių apribojimus. .

Tokį matematinį modelį galima pavaizduoti taip:

čia U yra tikslinė funkcija (efektyvumo funkcija, kriterijaus funkcija);

Kontroliuojamų parametrų vektorius;

Nekontroliuojamų parametrų vektorius;

(x,y) - kontroliuojamų parametrų verčių apribojimai.

Formalizavimui naudojamas matematinis aparatas, konkretus tikslo funkcijos tipas ir apribojimai nustatomi pagal sprendžiamo uždavinio esmę.

Sukurtas matematinis modelis gali būti tiriamas įvairiais metodais – analitiniu, skaitiniu, „kokybiniu“, modeliavimu.

Naudodami analitinius metodus galite atlikti išsamiausią modelio tyrimą. Tačiau šie metodai gali būti taikomi tik modeliui, kuris gali būti pavaizduotas kaip aiškios analitinės priklausomybės, o tai įmanoma tik palyginti paprastoms sistemoms. Todėl analitiniai tyrimo metodai dažniausiai naudojami pirminiam apytikriam objekto savybių įvertinimui (ekspresiniam įvertinimui), taip pat ankstyvosiose sistemos projektavimo stadijose.

Didžioji dalis tiriamų realių objektų negali būti tiriami analitiniais metodais. Tokiems objektams tirti gali būti naudojami skaitiniai ir modeliavimo metodai. Jie taikomi platesnei sistemų klasei, kurių matematinis modelis pateikiamas arba lygčių sistemos, kurią galima išspręsti skaitiniais metodais, arba algoritmo, imituojančio jos veikimo procesą, forma.

Jei gautos lygtys negali būti išspręstos analitiniais, skaitiniais ar modeliavimo metodais, jie griebiasi „kokybinių“ metodų. „Kokybiniai“ metodai leidžia įvertinti norimų dydžių vertes, taip pat įvertinti visos sistemos trajektorijos elgesį. Panašūs metodai, kartu su matematinės logikos metodais ir neaiškių aibių teorijos metodais, taip pat apima daugybę dirbtinio intelekto teorijos metodų.

Realios sistemos matematinis modelis yra abstraktus, formaliai aprašytas objektas, kurio tyrimas taip pat atliekamas naudojant matematinius metodus, o daugiausia naudojant kompiuterines technologijas. Todėl matematinio modeliavimo metu turi būti nustatytas skaičiavimo metodas arba kitaip turi būti sukurtas algoritminis arba programinis modelis, įgyvendinantis skaičiavimo metodą.

Tas pats matematinis modelis gali būti įgyvendintas kompiuteryje naudojant skirtingus algoritmus. Visi jie gali skirtis sprendimo tikslumu, skaičiavimo laiku, užimtos atminties kiekiu ir kitais rodikliais.

Natūralu, kad tiriant reikalingas algoritmas, užtikrinantis reikiamo rezultatų tikslumo modeliavimą ir minimalias kompiuterio laiko bei kitų išteklių sąnaudas.

Matematinis modelis, kaip mašinos eksperimento objektas, pateikiamas kompiuterinės programos (programos modelio) pavidalu. Tokiu atveju reikia pasirinkti modelio kalbą ir programavimo įrankius bei apskaičiuoti išteklius programai kompiliuoti ir derinti. Pastaruoju metu modelių programavimo procesas tampa vis labiau automatizuotas (šis požiūris bus aptartas skyriuje „Sudėtingų karinių organizacinių ir techninių sistemų modeliavimo automatizavimas“). Buvo sukurtos specialios algoritminio modeliavimo kalbos, skirtos programuoti plačią modelių klasę (GPSS kalbos (pažodinis rusų vertimas - diskrečiųjų sistemų modeliavimo kalba) naudojimas kompiuterinėms sistemoms modeliuoti taip pat bus aptartas tolesniuose skyriuose). Jie palengvina tokių įprastų užduočių, kylančių modeliuojant, įgyvendinimą, pavyzdžiui, pseudolygiagretaus algoritmų vykdymo organizavimas, dinaminis atminties paskirstymas, modelio laiko palaikymas, atsitiktinių įvykių (procesų) modeliavimas, įvykių masyvo palaikymas, modeliavimo rezultatų rinkimas ir apdorojimas. tt Aprašomosios kalbos įrankių modeliavimas leidžia identifikuoti ir nustatyti modeliuojamos sistemos parametrus bei išorinius poveikius, veikimo ir valdymo algoritmus, režimus ir reikiamus modeliavimo rezultatus. Šiuo atveju modeliavimo kalbos veikia kaip formalizuotas pagrindas kuriant matematinius modelius.

Prieš pradedant eksperimentą su modeliu, būtina paruošti pradinius duomenis. Pradinių duomenų rengimas pradedamas konceptualaus modelio kūrimo stadijoje, kai nustatomos kai kurios kokybinės ir kiekybinės objekto charakteristikos bei išoriniai poveikiai. Kiekybinėms charakteristikoms būtina nustatyti konkrečias jų reikšmes, kurios bus naudojamos kaip įvesties duomenys modeliuojant. Tai daug darbo reikalaujantis ir atsakingas darbo etapas. Akivaizdu, kad modeliavimo rezultatų patikimumas aiškiai priklauso nuo pirminių duomenų tikslumo ir išsamumo.

Paprastai pradinių duomenų rinkimas yra labai sudėtingas ir daug laiko reikalaujantis procesas. Taip yra dėl daugelio priežasčių. Pirma, parametrų reikšmės gali būti ne tik deterministinės, bet ir stochastinės. Antra, ne visi parametrai yra pastovūs. Tai ypač pasakytina apie išorinių poveikių parametrus. Trečia, mes dažnai kalbame apie neegzistuojančios sistemos modeliavimą arba sistemos, kuri turi veikti naujomis sąlygomis. Neatsižvelgimas į bet kurį iš šių veiksnių lemia reikšmingus modelio tinkamumo pažeidimus.

Galutiniai modeliavimo tikslai pasiekiami naudojant sukurtą modelį, kurį sudaro eksperimentai su modeliu, kurių rezultatas yra visos būtinos sistemos charakteristikos.

Eksperimentai su modeliu dažniausiai atliekami pagal konkretų planą. Taip yra todėl, kad esant ribotiems skaičiavimo ir laiko ištekliams, paprastai neįmanoma atlikti visų įmanomų eksperimentų. Todėl reikia parinkti tam tikrus parametrų derinius ir eksperimento seką, t.y. užduotis yra sudaryti optimalų planą modeliavimo tikslui pasiekti. Tokio plano rengimo procesas vadinamas strateginiu planavimu. Tačiau ne visos problemos, susijusios su eksperimentų planavimu, yra išspręstos iki galo. Reikia sutrumpinti mašininių eksperimentų trukmę, tuo pačiu užtikrinant statistinį modeliavimo rezultatų patikimumą. Šis procesas vadinamas taktiniu planavimu.

Eksperimentinis planas gali būti įtrauktas į kompiuterinių tyrimų programą ir vykdomas automatiškai. Tačiau dažniausiai tyrimo strategija apima aktyvų tyrėjo įsikišimą į eksperimentą, siekiant pakoreguoti eksperimento planą. Tokia intervencija dažniausiai įgyvendinama interaktyviai.

Eksperimentų metu paprastai išmatuojama daug kiekvienos charakteristikos verčių, kurios vėliau apdorojamos ir analizuojamos. Modeliavimo proceso metu atkuriant daugybę realizacijų, informacijos apie sistemos būsenas kiekis gali būti toks didelis, kad jos saugojimas kompiuterio atmintyje, apdorojimas ir tolesnė analizė yra praktiškai neįmanomi. Todėl modeliavimo rezultatų registravimą ir apdorojimą būtina organizuoti taip, kad modeliavimo metu palaipsniui susidarytų reikiamų dydžių įverčiai.

Kadangi išvesties charakteristikos dažnai yra atsitiktiniai dydžiai arba funkcijos, apdorojimo esmė yra apskaičiuoti matematinių lūkesčių, dispersijų ir koreliacijos momentų įverčius.

Kad nereikėtų saugoti visų matavimų įrenginyje, apdorojimas dažniausiai atliekamas naudojant pasikartojančias formules, kai eksperimento metu įverčiai skaičiuojami kaupiamojo suminio metodu, kai atliekami nauji matavimai.

Remiantis apdorotais eksperimentiniais rezultatais, analizuojamos sistemos elgseną apibūdinančios priklausomybės, atsižvelgiant į aplinką. Gerai formalizuotoms sistemoms tai galima padaryti naudojant koreliacijos, dispersijos arba regresijos metodus. Modeliavimo rezultatų analizė taip pat apima modelio jautrumo jo parametrų svyravimams problemą.

Modeliavimo rezultatų analizė leidžia išsiaiškinti daugelį informatyvių modelio parametrų, taigi ir patį modelį. Tai gali lemti reikšmingą pradinės konceptualaus modelio formos pasikeitimą, identifikuoti aiškią charakteristikų priklausomybę, atsirasti galimybė sukurti analitinį sistemos modelį, iš naujo apibrėžti vektoriaus efektyvumo kriterijaus svertinius koeficientus ir kitos pradinės modelio versijos modifikacijos.

Galutinis modeliavimo etapas – modeliavimo rezultatų panaudojimas ir jų perkėlimas į realų objektą – originalą. Galiausiai modeliavimo rezultatai dažniausiai naudojami priimant sprendimus dėl sistemos būklės, numatant sistemos elgesį, optimizuojant sistemą ir pan.

Sprendimas dėl veikimo priimamas atsižvelgiant į tai, ar sistemos charakteristikos neviršija nustatytų ribų, ar neviršija nustatytų ribų bet kokiems leistinams parametrų pakeitimams. Numatymas paprastai yra pagrindinis bet kokio modeliavimo tikslas. Tai yra sistemos elgsenos įvertinimas ateityje pagal tam tikrą jos valdomų ir nekontroliuojamų parametrų derinį.

Optimizavimas – tai sistemos elgesio strategijos nustatymas (natūralu, atsižvelgiant į aplinką), kurioje būtų užtikrintas sistemos tikslo pasiekimas optimaliai (priimto kriterijaus prasme) naudojant išteklius. Paprastai įvairūs operacijų tyrimo teorijos metodai veikia kaip optimizavimo metodai.

Modeliavimo proceso metu visuose jo etapuose tyrėjas yra priverstas nuolat spręsti, ar kuriamas modelis teisingai atspindės originalą. Kol ši problema nebus išspręsta teigiamai, modelio vertė yra nereikšminga.

Tinkamumo reikalavimas, kaip minėta pirmiau, prieštarauja paprastumo reikalavimui ir tai turi būti nuolat atsimenama tikrinant modelio tinkamumą. Modelio kūrimo procese adekvatumas objektyviai pažeidžiamas dėl išorinių sąlygų ir darbo režimų idealizavimo, tam tikrų parametrų išskyrimo, kai kurių atsitiktinių veiksnių nepaisymo. Tikslios informacijos apie išorinius poveikius, tam tikrus sistemos struktūros ir veikimo proceso ypatumus, priimtus aproksimavimo ir interpoliacijos metodus, euristines prielaidas ir hipotezes stoka taip pat lemia modelio ir originalo atitikimo mažėjimą. Kadangi nėra pakankamai išplėtotos tinkamumo vertinimo metodikos, praktikoje toks patikrinimas atliekamas arba lyginant turimų eksperimentų vietoje rezultatus su panašiais rezultatais, gautais atliekant eksperimentus su mašinomis, arba lyginant rezultatus, gautus naudojant panašius modelius. Taip pat gali būti naudojami kiti netiesioginiai tinkamumo tikrinimo metodai.

Remiantis adekvatumo testo rezultatais, daromos išvados apie modelio tinkamumą eksperimentams atlikti. Jei modelis atitinka reikalavimus, su juo atliekami planiniai eksperimentai. Priešingu atveju modelis yra tobulinamas (pataisomas) arba visiškai perdirbamas. Tuo pačiu metu modelio tinkamumo vertinimas turi būti atliktas kiekviename modeliavimo etape, pradedant nuo modeliavimo tikslo formavimo ir modeliavimo užduoties nustatymo ir baigiant naudojimo pasiūlymų rengimo etapu. modeliavimo rezultatų.

Koreguojant ar perdirbant modelį, galima išskirti tokius pakeitimų tipus: globalius, vietinius ir parametrinius.

Visuotinius pokyčius gali sukelti rimtos klaidos pradiniuose modeliavimo etapuose: nustatant modeliavimo problemą, kuriant verbalinius, konceptualius ir matematinius modelius. Pašalinus tokias klaidas, dažniausiai kuriamas naujas modelis.

Vietiniai pakeitimai yra susiję su kai kurių parametrų ar algoritmų patikslinimu. Vietiniai pakeitimai reikalauja dalinio matematinio modelio pakeitimo, tačiau gali prireikti sukurti naują programinės įrangos modelį. Norint sumažinti tokių pokyčių tikimybę, rekomenduojama nedelsiant sukurti modelį, kurio detalumas būtų didesnis nei būtina modeliavimo tikslui pasiekti.

Parametriniai pakeitimai apima kai kurių specialių parametrų, vadinamų kalibravimo parametrais, pakeitimus. Norint pagerinti modelio tinkamumą atliekant parametrinius pakeitimus, kalibravimo parametrai turėtų būti nustatyti iš anksto ir pateikti paprasti būdai, kaip juos keisti.

Modelio koregavimo strategija turėtų būti skirta iš pradžių įvesti globalius, paskui lokalius ir galiausiai parametrinius pokyčius.

Praktikoje modeliavimo etapai kartais atliekami atskirai vienas nuo kito, o tai neigiamai veikia rezultatus kaip visumą. Šios problemos sprendimas slypi modelio konstravimo, eksperimentų organizavimo ir modeliavimo programinės įrangos kūrimo būdų vieningoje sistemoje.

Modeliavimas turėtų būti laikomas vieningas modelio kūrimo ir tyrimo procesas, turintys tinkamą programinės ir techninės įrangos palaikymą. Reikia atkreipti dėmesį į du svarbius aspektus.

Metodinis aspektas- šablonų identifikavimas, algoritminių sistemų aprašymų konstravimo technikos, tikslingas gautų aprašymų transformavimas į tarpusavyje sujungtų mašinų modelių paketus, scenarijų ir darbo planų, susijusių su tokiais paketais, sudarymas, siekiant taikomojo modeliavimo tikslų.

Kūrybinis aspektas- menas, įgūdžiai, gebėjimas pasiekti praktiškai naudingų rezultatų mašininio sudėtingų sistemų modeliavimo metu.

Sistemos modeliavimo, kaip vientisos modelių kūrimo ir naudojimo metodų visumos, koncepcijos įgyvendinimas įmanomas tik esant atitinkamam informacinių technologijų išsivystymo lygiui.

Nepriklausomai nuo modelių tipo (nuolatinis ir diskretinis, deterministinis ir stochastinis ir tt), modeliavimo modeliavimas apima keletą pagrindinių etapų, pateiktų Fig. 3.1 ir yra sudėtingas kartotinis procesas:

Ryžiai. 3.1. Imitacinio modeliavimo technologiniai etapai

1. Šiame etape dokumentuotas rezultatas yra sudarytas ;

2. Koncepcinio aprašymo kūrimas. Sistemų analitiko veiklos rezultatas šiame etape yra koncepcinis modelisIr formalizavimo metodo pasirinkimas tam tikram modeliuojančiam objektui.

3. Modeliavimo modelio formalizavimas. Sudaryta formalus aprašymas modeliuojantis objektas.

4. Simuliacinio modelio programavimas (treniruoklio programos kūrimas). APIE atliekamas modeliavimo automatizavimo įrankių parinkimas, algoritmizavimas, programavimas ir modeliavimo modelio derinimas.

5. Modelių bandymai ir tyrimai, modelių patikra. Modelis patikrinamas, įvertinamas adekvatumas, tiriamos modeliavimo modelio savybės ir kt išsamios testavimo procedūros sukurtas modelis.

6. Modeliavimo eksperimento planavimas ir vykdymas. Atliekamas strateginis ir taktinis modeliavimo eksperimento planavimas. Rezultatas: sudarytas ir įgyvendintas eksperimentinis planas, duota modeliavimo vykdymo sąlygos pasirinktam planui.

7. Modeliavimo rezultatų analizė. Tyrėjas interpretuoja modeliavimo rezultatus ir jais naudojasi bei iš tikrųjų priima sprendimus.

Problemos formulavimas ir modeliavimo tyrimo tikslų nustatymas. Pirmajame etape suformuluojama problema, su kuria susiduria tyrėjas, ir sprendžiama, ar tikslinga naudoti modeliavimo metodą. Tada nustatomi tikslai, kuriuos reikia pasiekti imituojant. Imitacinio modelio tipo pasirinkimas ir tolesnio modeliavimo tyrimo taikant simuliacinį modelį pobūdis labai priklauso nuo tikslų formulavimo. Šiame etape nustatomas ir detaliai tiriamas modeliavimo objektas, tie jo funkcionavimo aspektai, kurie domina tyrimus. Šio etapo darbo rezultatas yra prasmingas modeliuojamo objekto aprašymas nurodant modeliavimo tikslus ir tuos modeliuojamojo objekto funkcionavimo aspektus, kuriuos reikia tirti naudojant modeliavimo modelį. Prasmingas aprašymas sudaromas realios sistemos terminija, dalykinės srities kalba, suprantama klientui.

IN Rengiant prasmingą modeliuojamo objekto aprašymą, nustatomos modeliuojamo objekto tyrimo ribos ir pateikiamas išorinės aplinkos, su kuria jis sąveikauja, aprašymas. Suformuluoti pagrindiniai efektyvumo kriterijai, pagal kuriuos numatoma lyginti skirtingus sprendimo variantus naudojant modelį, generuojamos ir aprašomos svarstomos alternatyvos. Nėra bendro recepto, kaip sukurti prasmingą aprašymą. Sėkmė priklauso nuo kūrėjo intuicijos ir realios sistemos išmanymo. Bendra technologija arba veiksmų seka šiame etape yra tokia: duomenų apie modeliuojamą objektą rinkimas ir kompiliavimas prasmingas modeliuojamo objekto aprašymas; Po to seka: probleminės situacijos tyrimas – diagnozės nustatymas ir problemos nustatymas; modeliavimo tikslų išaiškinimas; modeliavimo poreikis pagrindžiamas ir pasirenkamas modeliavimo būdas. Šiame etape aiškiai ir konkrečiai suformuluota modeliavimo tikslai.

C Modeliavimo medžiai apibrėžia bendrą dizainą modeliai ir persmelkti visus tolesnius modeliavimo modeliavimo etapus. Toliau formuojamas konceptualus tiriamo objekto modelis.

P Išsamiau pakalbėkime apie pagrindinį sistemų analitiko veiklos turinį šiais ankstyvaisiais etapais. Šis darbas yra svarbus visuose vėlesniuose modeliavimo modeliavimo etapuose, ir čia modeliavimo modeliuotojas demonstruoja save kaip sistemų analitiką, įvaldantį modeliavimo meną.

Pradinės problemos struktūrizavimas. Problemos formulavimas

Pradinės problemos struktūrizavimas. Problemos formulavimas. Visų pirma, sistemų analitikas turi sugebėti išanalizuoti problemą. Jis atlieka pradinės problemos tyrimą ir struktūrizavimą, aiškią problemos formulavimą.

Problemos analizė turi prasidėti nuo išsamaus visų veikimo aspektų tyrimo. Čia svarbu suprasti detales, todėl turite būti konkrečios srities ekspertas arba bendrauti su ekspertais. Aptariama sistema yra prijungta prie kitų sistemų, todėl svarbu teisingai apibrėžti užduotis. Bendroji modeliavimo problema skirstoma į konkrečias.

Pagrindinis sisteminio problemų sprendimo požiūrio semantinis turinys parodytas pav. 3.2.

Sistemingas požiūris į problemų sprendimą apima:

• sistemingas problemos esmės svarstymas:

1. tiriamos problemos esmės ir vietos pagrindimas;
2. bendros tiriamos sistemos struktūros formavimas;
3. viso reikšmingų veiksnių rinkinio nustatymas;
4. funkcinių priklausomybių tarp veiksnių nustatymas;

• sukurti vieningą problemos sprendimo koncepciją:

1. objektyvių problemos sprendimo sąlygų tyrimas;
2. problemų sprendimui būtinų tikslų ir uždavinių pagrindimas;
3. užduočių struktūrizavimas, tikslų formalizavimas;
4. problemos sprendimo priemonių ir metodų kūrimas: alternatyvų, scenarijų, sprendimo taisyklių ir kontrolės veiksmų aprašymas tolesniam sprendimų priėmimo procedūrų vystymui pagal modelį;

• sistemingas modeliavimo metodų naudojimas:

1. modeliavimo problemų sisteminis klasifikavimas (struktūrizavimas);
2. modeliavimo metodų galimybių sisteminė analizė;
3. efektyvių modeliavimo metodų parinkimas.

Tikslų nustatymas

Tikslų nustatymas. Pirmas ir svarbiausias žingsnis kuriant bet kokį modelį – nustatyti jo paskirtį. Galima taikyti tikslo dekompozicijos metodą, kuris apima visumos padalijimą į dalis: tikslus į potikslius, užduotis į subužduotis ir kt. Praktiškai šis požiūris veda į hierarchines medžio struktūras (tikslų medžio kūrimą). Ši procedūra yra specialistų ir šios problemos ekspertų sritis. Tai yra, čia yra subjektyvus veiksnys. Praktinis iššūkis yra tai, kaip viskas yra visiškai struktūrizuota. Tikslų medis, sukurtas šios procedūros metu, vėliau gali būti naudingas formuojant daugelį kriterijų.

Kokie spąstai laukia pradedančio sistemų analitiko? Tai, kas yra vieno lygio tikslas, yra priemonė kitam lygiui, todėl dažnai kyla tikslų painiava. Sudėtingoje sistemoje, kurioje yra daug posistemių, tikslai gali prieštarauti. Retai būna vienas tikslas; įmušus daug įvarčių, kyla neteisingo reitingo pavojus.

Pirmajame etape suformuluoti ir susisteminti modeliavimo tikslai persmelkia visą tolesnio modeliavimo tyrimo eigą.

Pažvelkime į dažniausiai naudojamus tikslinės kategorijos simuliaciniame tyrime: alternatyvų vertinimas, prognozavimas, optimizavimas, palyginimas ir kt.

Modeliavimo eksperimentai atliekami įvairiais tikslais, įskaitant:

• laipsnis– nustatyti, ar siūlomos struktūros sistema atitiks tam tikrus konkrečius kriterijus;
• alternatyvų palyginimas– konkuruojančių sistemų, skirtų konkrečiai funkcijai atlikti, palyginimas arba kelių siūlomų veikimo principų ar metodų palyginimas;
• prognozė– sistemos veikimo įvertinimas esant tam tikram eksploatavimo sąlygų deriniui;
• jautrumo analizė– iš daugelio veikimo veiksnių nustatyti tuos, kurie labiausiai įtakoja bendrą sistemos elgesį;
• funkcinių santykių identifikavimas– santykio tarp dviejų ar daugiau aktyvių veiksnių, viena vertus, ir sistemos reakcijos, kita vertus, nustatymas;
• optimizavimas - tikslus tokio veikimo faktorių ir jų reikšmių derinio nustatymas, užtikrinantis geriausią visos sistemos atsaką.

Kriterijų formavimas

Kriterijų formavimas. Labai svarbu aiškiai ir nedviprasmiškai apibrėžti kriterijus. Tai turi įtakos modelio kūrimo ir eksperimentavimo procesui, be to, neteisingas kriterijaus apibrėžimas veda prie neteisingų išvadų. Egzistuoja kriterijai, pagal kuriuos vertinamas sistemos tikslo pasiekimo laipsnis, ir kriterijai, pagal kuriuos vertinamas judėjimo link tikslo metodas (arba tikslų siekimo priemonės efektyvumas). Kelių kriterijų modeliuojamoms sistemoms sudaromas kriterijų rinkinys, kuris turi būti suskirstytas į posistemes arba suskirstytas pagal svarbą.

Ryžiai. 3.3. Perėjimas nuo realios sistemos prie loginės jos veikimo diagramos

Modeliuojamo objekto konceptualaus modelio sukūrimas. Koncepcinis modelis– yra loginis ir matematinis modeliuojamos sistemos aprašymas pagal uždavinio formuluotę.

(Bendras šio technologinio perėjimo turinys schematiškai parodytas 3.3 pav.). Čia pateikiamas objekto aprašymas pagal matematines sąvokas ir jo komponentų veikimo algoritmas. Koncepcinis aprašymas yra supaprastintas algoritminis realios sistemos vaizdavimas.

Kuriant konceptualų modelį, jis nustatomas pagrindinė modelio struktūra, kuri apima statinis ir dinaminis sistemos aprašymas. Nustatomos sistemos ribos, pateikiamas išorinės aplinkos aprašymas, identifikuojami esminiai elementai ir pateikiamas jų aprašymas, formuojami kintamieji, parametrai, funkcinės priklausomybės tiek atskiriems elementams ir procesams, tiek visai sistemai, apribojimai, tikslas. funkcijos (kriterijai).

Šio etapo darbo rezultatas – dokumentuotas konceptualus aprašymas ir pasirinktas modeliuojamos sistemos formalizavimo būdas. Kuriant mažus modelius šis etapas derinamas su prasmingo modeliuojamos sistemos aprašymo parengimo etapu. Šiame etape išsiaiškinta modeliavimo eksperimento metodika.

Koncepcinio modelio kūrimas

Koncepcinio modelio kūrimas prasideda tuo, kad, remiantis modeliavimo tikslu, nustatomos modeliuojamos sistemos ribos ir nustatomos išorinės aplinkos įtakos. Iškeltos hipotezės ir užrašomos visos prielaidos, reikalingos modeliavimo modeliui sukurti. Aptariamas modeliuojamų procesų detalumo lygis.

Sistema gali būti apibrėžta kaip tarpusavyje susijusių elementų rinkinys. Tam tikroje srityje sistemos apibrėžimas priklauso nuo modeliavimo tikslo ir nuo to, kas apibrėžia sistemą. Šiame etape tai atliekama sistemos skilimas. Suformuluotos problemos prasme nustatomi reikšmingiausi sistemos elementai ( struktūrinė analizė modeliuojama sistema) ir sąveikos tarp jų, nustatomi pagrindiniai modeliuojamos sistemos funkcionavimo aspektai (sudaryta funkcinis modelis), pateikiamas išorinės aplinkos aprašymas. Sistemos (modeliavimo objekto) išskaidymas arba posistemių parinkimas yra operacija analizė. Modelio elementai turi atitikti faktiškai sistemoje esančius fragmentus. Sudėtinga sistema suskaidoma į dalis, išlaikant ryšius, leidžiančius sąveikauti. Galima sudaryti funkcinę diagramą, kuri paaiškins nagrinėjamoje sistemoje vykstančių dinaminių procesų specifiką. Svarbu nustatyti, kurie komponentai bus įtraukti į modelį, kurie bus išoriniai ir kokie ryšiai tarp jų bus užmegzti.

Išorinės aplinkos aprašymas

Išorinės aplinkos aprašymas vykdoma atsižvelgiant į tai, kad išorinės aplinkos elementai daro tam tikrą įtaką sistemos elementams, tačiau pačios sistemos įtaka jiems, kaip taisyklė, yra nereikšminga.

Aptariant modelio detalumo lygį, svarbu suprasti, kad bet koks išskaidymas grindžiamas dviem vienas kitam prieštaraujančiais principais: išbaigtumas ir paprastumas. Paprastai pradiniuose modelio kūrimo etapuose yra tendencija įtraukti per daug komponentų ir kintamųjų. Tačiau geras modelis yra paprastas. Yra žinoma, kad reiškinio supratimo laipsnis yra atvirkščiai proporcingas jo aprašyme esančių kintamųjų skaičiui. Detalių perkrautas modelis gali tapti sudėtingas ir sunkiai įgyvendinamas.

Kompromisas tarp šių dviejų polių yra tik tai reikšmingas(arba Aktualus) komponentai – esminiai analizės tikslo atžvilgiu.

Taigi, pirmiausia turi būti „elementarus“ - sudaromas paprasčiausias tikslų medis, supaprastinta modelio struktūra. Toliau modelis palaipsniui tobulinamas. Turime stengtis sukurti paprastus modelius, tada juos sudėtinginti. Turi būti laikomasi iteracinio modelio konstravimo principas kai sistema tiriama naudojant modelį, kūrimo metu modelis keičiamas pridedant naujų arba išskiriant kai kuriuos jo elementus ir/ar ryšius tarp jų.

Kaip pereiti nuo realios sistemos prie supaprastinto jos aprašymo? Supaprastinimas, abstrakcija– pagrindinės bet kokio modeliavimo technikos. Pasirinktas detalumo lygis turėtų leisti abstrahuotis nuo netinkamai apibrėžtų tikrosios sistemos veikimo aspektų dėl informacijos trūkumo.

Pagal supaprastinimas reiškia nereikšmingų detalių nepaisymą arba prielaidų apie paprastesnius ryšius darymą (pavyzdžiui, darant prielaidą, kad tarp kintamųjų yra tiesinis ryšys). Modeliuojant iškeliamos hipotezės ir prielaidos dėl santykio tarp sistemos komponentų ir kintamųjų.

Kitas realios sistemos analizės aspektas yra abstrakcija. Abstrakcija turi esmines objekto elgesio savybes, bet nebūtinai tokia pačia forma ir tokia detale, kokia yra realioje sistemoje.

Išnagrinėjus ir sumodeliavus sistemos dalis ar elementus, pradedame juos sujungti į vieną visumą. Koncepcinis modelis turi teisingai atspindėti jų sąveiką. Sudėtis yra operacija sintezė, agregavimas (sistemos modeliavime tai nėra tik komponentų surinkimas). Šios operacijos metu nustatomi ryšiai tarp elementų (pavyzdžiui, paaiškinama struktūra, pateikiamas santykių aprašymas, eiliškumas ir pan.).

Sistemos tyrimai paremti analizės ir sintezės operacijų deriniu. Praktikoje įgyvendinamos iteracinės analizės ir sintezės procedūros. Tik po to galime bandyti paaiškinti visumą – sistemą, per jos komponentus – posistemes, bendrosios visumos struktūros pavidalu.

Veiklos kriterijai

Veiklos kriterijai. Parametrai, modelio kintamieji. Sistemos aprašyme turi būti nurodyti sistemos efektyvumo kriterijai ir vertinami alternatyvūs sprendimai. Pastarieji gali būti laikomi modelio įvestimis arba scenarijaus parametrais. Algoritmuojant modeliuojamus procesus, taip pat nurodomi pagrindiniai modelio kintamieji, dalyvaujantys jo aprašyme.

Kiekvienas modelis atstovauja tam tikrą tokių komponentų derinį kaip komponentai, kintamieji, parametrai, funkcinės priklausomybės, apribojimai, tikslinės funkcijos (kriterijai).

Pagal komponentai suprasti sudedamąsias dalis, kurios, tinkamai sujungtos, sudaro sistemą. Kartais taip pat atsižvelgiama į komponentus elementai sistema ar jos posistemes. Sistema apibrėžiamas kaip objektų grupė arba rinkinys, kurį vienija tam tikra reguliari sąveika arba tarpusavio priklausomybė, kad atliktų tam tikrą funkciją. Tiriama sistema susideda iš komponentų.

Parametrai yra dydžiai, kuriuos tyrėjas gali pasirinkti savavališkai, skirtingai nei kintamieji modeliai, kurie gali priimti vertes, nustatytas pagal tam tikros funkcijos tipą. Modelyje išskirsime dviejų tipų kintamuosius: egzogeninis ir endogeninis. Egzogeninis kintamieji taip pat vadinami įvestis. Tai reiškia, kad jie susidaro už sistemos ribų arba yra išorinių priežasčių sąveikos rezultatas. Endogeninis Kintamieji yra kintamieji, kurie atsiranda sistemoje dėl vidinių priežasčių įtakos. Tais atvejais, kai endogeniniai kintamieji apibūdina būseną ar sąlygas, atsirandančias sistemoje, vadiname juos būsenos kintamieji. Kai reikia apibūdinti sistemos įėjimus ir išėjimus, mes sprendžiame įvesties ir išvesties kintamieji.

Funkcinės priklausomybės apibūdinti kintamųjų ir parametrų elgesį komponente arba išreikšti ryšius tarp sistemos komponentų. Šie santykiai yra deterministinio arba stochastinio pobūdžio.

Apribojimai reiškia nustatytas kintamųjų verčių keitimo ribas arba ribines jų pasikeitimo sąlygas. Juos gali įvesti kūrėjas arba įdiegti pati sistema dėl jai būdingų savybių.

Objektyvi funkcija (kriterinė funkcija) tiksliai atspindi sistemos tikslus arba uždavinius ir būtinas jų įgyvendinimo vertinimo taisykles. Tikslinės funkcijos išraiška turi būti nedviprasmiškas tikslų ir uždavinių, kuriais turi būti matuojami priimti sprendimai, apibrėžimas.

Modeliavimo modelio formalizavimas. Trečiame modeliavimo tyrimo etape modeliuojamas objektas formalizuojamas. Sudėtingos sistemos formalizavimo procesas apima:

• formalizavimo būdo pasirinkimas;
• parengiant oficialų sistemos aprašymą.

Kuriant modelį galima išskirti tris jo vaizdavimo lygius:

• neformalus (2 etapas) – koncepcinis modelis;
• formalizuotas (3 etapas) – formalus modelis;
• programinė įranga (4 etapas) – simuliacinis modelis.

Kiekvienas lygis nuo ankstesnio skiriasi modeliuojamos sistemos detalumo laipsniu ir jos struktūros bei veikimo proceso aprašymo būdais. Kartu didėja abstrakcijos lygis.

Koncepcinis modelis

Koncepcinis modelis yra sistemingas, prasmingas modeliuojamos sistemos (arba probleminės situacijos) aprašymas neformalia kalba. Neformalizuotas kuriamo modeliavimo modelio aprašymas apima pagrindinių modeliuojamos sistemos elementų, jų charakteristikų ir elementų sąveikos apibrėžimą jų gimtąja kalba. Tokiu atveju galima naudoti lenteles, grafikus, diagramas ir pan. Neformalus modelio aprašymas reikalingas tiek patiems kūrėjams (tikrinant modelio tinkamumą, jo modifikaciją ir pan.), tiek tarpusavio supratimui su kitų sričių specialistais.

Koncepciniame modelyje pateikiama pradinė informacija sistemų analitikui, kuris formalizuoja sistemą ir tam naudoja tam tikrą metodiką bei technologiją, t.y. Remiantis neformaliu aprašymu, sudaromas griežtesnis ir išsamesnis formalizuotas aprašas.

Tada formalizuotas aprašymas pagal kažkokią metodiką (programavimo technologiją) paverčiamas į programą – simuliatorių.

Panaši schema atsiranda ir atliekant imitacinius eksperimentus: turinio formuluotė atvaizduojama į formalų modelį, po to atliekami būtini kryptingo skaičiavimo eksperimento metodikos pakeitimai ir papildymai.

Pagrindinis formalizavimo etapo uždavinys– pateikti oficialų sudėtingos sistemos aprašymą, kuriame nėra antrinės informacijos, esančios esminiame aprašyme, algoritminis modeliavimo objekto vaizdavimas. Įforminimo tikslas– gauti formalų loginio-matematinio modelio atvaizdavimą, t.y. sudėtingos sistemos komponentų elgesio algoritmus ir atspindi komponentų sąveiką modeliavimo algoritmo lygmeniu.

Gali pasirodyti, kad prasmingame aprašyme turimos informacijos nepakanka formalizuoti modeliavimo objektą. Tokiu atveju reikia grįžti į prasmingo aprašymo rengimo stadiją ir papildyti jį duomenimis, kurių poreikis buvo atrastas formalizuojant modeliuojantį objektą. Praktiškai tokių grąžų gali būti keletas. Formalizavimas yra naudingas tam tikrose ribose ir nėra pateisinamas paprastiems modeliams.

Yra daug įvairių formalizavimo ir struktūrizavimo schemų (sąvokų), kurios rado pritaikymą imitaciniame modeliavime. Formalizavimo schemos vadovaujasi skirtingomis matematinėmis teorijomis ir yra pagrįstos skirtingomis idėjomis apie tiriamus procesus. Iš čia jų įvairovė ir tinkamos (duotam modeliavimo objektui apibūdinti) formalizavimo schemos parinkimo problema.

Diskretiesiems modeliams, pavyzdžiui, į procesus orientuotos sistemos (proceso aprašymas), tinklo paradigmomis (tinklo paradigmomis) pagrįstos sistemos, nuolatiniams – sistemos dinamikos modelių srautų diagramos.

Labiausiai žinomos ir praktikoje plačiausiai naudojamos formalizavimo sąvokos: agregacinės sistemos ir automatai; Petri tinklai ir jų ilgintuvai; sistemos dinamikos modeliai. Vienos formalizavimo koncepcijos rėmuose gali būti realizuojami įvairūs algoritminiai modeliai. Paprastai viena ar kita struktūrizavimo (algoritminių modelių vaizdavimo schema) arba formalizavimo technologiniu lygmeniu samprata yra fiksuojama modeliavimo sistemoje, modeliavimo kalboje. Struktūrizavimo koncepcija yra visų modeliavimo sistemų pagrindas ir yra palaikoma specialiai sukurtų programavimo technologijų metodų. Tai supaprastina modelio konstravimą ir programavimą. Pavyzdžiui, GPSS modeliavimo kalba turi blokinę struktūrizavimo koncepciją, modeliuojamo proceso struktūra vaizduojama kaip operacijų srautas, einantis per aptarnavimo įrenginius, eiles ir kitus eilių sistemų elementus.

Daugelyje šiuolaikinių modeliavimo sistemų kartu su aparatais, palaikančiais vieną ar kitą struktūrizavimo koncepciją, yra specialių įrankių, užtikrinančių tam tikros formalizavimo koncepcijos taikymą sistemoje.

Modeliavimo modelių konstravimas paremtas šiuolaikiniais sudėtingų sistemų struktūrizavimo ir jų dinamikos aprašymo metodais. Sudėtingų sistemų analizės praktikoje plačiai naudojami šie modeliai ir metodai:

• gabalų linijinių vienetų tinklai, modeliuojantys atskiras ir nuolat diskrečias sistemas;
• Petri tinklai (įvykių tinklai, E-tinklai, COMBI tinklai ir kiti plėtiniai), naudojami priežastiniams ryšiams struktūrizuoti ir sistemoms su lygiagrečiais procesais modeliuoti, tarnaujantys diskrečiųjų ir diskrečių-nepertraukiamų sistemų dinamikai stratifikuoti ir algoritmizuoti;
• sistemų dinamikos srautų diagramos ir baigtinių skirtumų lygtys, kurios yra ištisinių sistemų modeliai.

Modeliavimo modelių programavimas

Modeliavimo modelių programavimas. Koncepcinis arba formalus sudėtingo sistemos modelio aprašymas paverčiamas simuliatoriaus programa pagal tam tikrą programavimo metodiką ir naudojant kalbas bei modeliavimo sistemas. Svarbus dalykas yra teisingas įrankių pasirinkimas modeliavimo modeliui įgyvendinti.

Pradinių duomenų rinkimas ir analizė.Šis etapas ne visada išskiriamas kaip savarankiškas, tačiau šiame etape atliktas darbas turi didelę reikšmę. Nors modeliavimo modelio programavimas ir sekimas gali būti atliktas naudojant hipotetinius duomenis, būsimas eksperimentinis tyrimas turi būti atliktas naudojant tikrą duomenų srautą. Nuo to priklauso gautų modeliavimo rezultatų tikslumas ir modelio adekvatumas realiai sistemai.

Čia modeliavimo modelio kūrėjas susiduria su dviem klausimais:

• kur ir kaip gauti ir rinkti pradinę informaciją;
• kaip apdoroti surinktus duomenis apie realią sistemą.

Pagrindiniai pradinių duomenų gavimo būdai:

• iš esamos sistemos dokumentacijos (ataskaitų duomenų, statistinių rinkinių, pavyzdžiui, socialinių ir ekonominių sistemų, finansinių ir techninių gamybos sistemų dokumentacijos ir kt.);
• fizinis eksperimentas. Kartais, norint nustatyti pradinę informaciją, reikia atlikti pilno masto eksperimentus su modeliuojama sistema ar jos prototipais;
• preliminari, a priori duomenų sintezė. Kartais įvesties duomenų gali nebūti, o modeliuojama sistema neleidžia atlikti fizinių eksperimentų. Šiuo atveju siūlomi įvairūs preliminarios duomenų sintezės metodai. Pavyzdžiui, modeliuojant informacines sistemas, informacijos reikalavimo įvykdymo trukmė apskaičiuojama pagal kompiuteryje įdiegtų algoritmų sudėtingumą. Šie metodai apima įvairias procedūras, pagrįstas bendra problemos analize, klausimynus, interviu, plačiai taikomus ekspertinio vertinimo metodus.

Antrasis klausimas susijęs su problema įvesties duomenų identifikavimas stochastinėms sistemoms. Anksčiau buvo pažymėta, kad simuliacinis modeliavimas yra efektyvi priemonė tiriant stochastines sistemas, t.y. sistemos, kurių dinamika priklauso nuo atsitiktinių veiksnių. Stochastinio modelio įvesties (ir išvesties) kintamieji dažniausiai yra atsitiktiniai dydžiai, vektoriai, funkcijos, atsitiktiniai procesai. Todėl atsiranda papildomų sunkumų, susijusių su palyginti nežinomų pasiskirstymo dėsnių lygčių sinteze ir tikimybinių charakteristikų (matematinių lūkesčių, dispersijų, koreliacinių funkcijų ir kt.) nustatymu analizuojamiems procesams ir jų parametrams. Statistinės analizės poreikis renkant ir analizuojant įvesties duomenis yra susijęs su užduotimis nustatyti funkcinių priklausomybių, apibūdinančių įvesties duomenis, tipą, įvertinti konkrečias šių priklausomybių parametrų reikšmes, taip pat patikrinti įvesties duomenis. parametrus. Atsitiktinių dydžių teoriniams skirstiniams parinkti naudojami gerai žinomi matematinės statistikos metodai, pagrįsti empirinių skirstinių parametrų nustatymu ir statistinių hipotezių tikrinimu, naudojant tinkamumo kriterijus, siekiant nustatyti, ar empiriniai duomenys atitinka žinomus pasiskirstymo dėsnius.

Modeliavimo modelio savybių testavimas ir tyrimas

Modeliavimo modelio savybių testavimas ir tyrimas. Įdiegus simuliacinį modelį kompiuteryje, būtina atlikti testus modelio patikimumui įvertinti. Sukurto modeliavimo modelio testavimo ir tyrimo etape, išsamus modelio bandymas (testavimas) – planuojamas kartotinis procesas, kurio tikslas – palaikyti modeliavimo modelių ir duomenų tikrinimo ir patvirtinimo procedūras.

Jei dėl atliktų procedūrų modelis pasirodo nepakankamai patikimas, tada imitacinio modelio kalibravimas(kalibravimo koeficientai yra integruoti į modeliavimo algoritmą), kad būtų užtikrintas modelio adekvatumas. Sudėtingesniais atvejais ankstyvose stadijose galima atlikti daugybę iteracijų, siekiant gauti papildomos informacijos apie modeliuojamą objektą arba patobulinti modeliavimo modelį. Klaidų buvimas modelio komponentų sąveikoje grąžina tyrėją į modeliavimo modelio kūrimo stadiją. To priežastis gali būti iš pradžių supaprastintas proceso ar reiškinio modelis, o tai lemia modelio netinkamumą objektui. Jei formalizavimo metodo pasirinkimas nesėkmingas, reikia pakartoti konceptualaus modelio sudarymo etapą, atsižvelgiant į naują informaciją ir įgytą patirtį. Galiausiai, kai informacijos apie objektą nepakanka, reikia grįžti į prasmingo sistemos aprašymo rengimo etapą ir jį patikslinti, atsižvelgiant į bandymo rezultatus.

Nukreiptas skaičiavimo eksperimentas modeliavimo modeliu. Modeliavimo rezultatų analizė ir sprendimų priėmimas. Baigiamuosiuose modeliavimo modeliavimo etapuose būtina atlikti strateginį ir taktinį modeliavimo eksperimento planavimą. Orientuoto skaičiavimo eksperimento su modeliavimo modeliu organizavimas apima įvairių analitinių metodų parinkimą ir pritaikymą modeliavimo tyrimo rezultatams apdoroti. Tam naudojami skaičiavimo eksperimento planavimo, regresinės ir dispersinės analizės bei optimizavimo metodai. Eksperimento organizavimas ir vykdymas reikalauja teisingo analizės metodų taikymo. Remiantis gautais rezultatais, tyrimas turėtų leisti padaryti išvadas, kurių pakaktų sprendimams dėl ankstyvosiose stadijose nustatytų problemų ir užduočių.

Kiekvieną modeliavimo etapą lemia modeliavimo užduotis ir tikslai. Apskritai modelio kūrimo ir tyrimo procesą galima pavaizduoti naudojant diagramą:

I etapas. Problemos formulavimas

Apima tris etapus:

Užduoties aprašymas

Užduotis aprašyta įprasta kalba.

Visą problemų rinkinį pagal formuluotės pobūdį galima suskirstyti į 2 pagrindines grupes:

1. Pirmoje grupėje pateikiamos užduotys, kuriose reikia ištirti, kaip keisis objekto savybės jam veikiant tam tikra prasme, t.y. reikia gauti atsakymą į klausimą „Kas bus, jei?...“.

   Pavyzdžiui, kas atsitiks, jei magnetinė kortelė bus dedama ant šaldytuvo? Kas nutiks, jei padidės reikalavimai stojant į universitetą? Kas atsitiks, jei smarkiai padidinsite mokesčius už komunalines paslaugas? ir taip toliau.

   Antroje grupėje yra užduotys, kuriose reikia nustatyti, ką reikia daryti su objektu, kad jo parametrai atitiktų tam tikrą nurodytą sąlygą, t.y. reikia gauti atsakymą į klausimą „Kaip padaryti, kad...“.

   Pavyzdžiui, kaip susisteminti matematikos pamoką, kad vaikai suprastų medžiagą? Kokį lėktuvo skrydžio režimą pasirinkti, kad skrydis būtų saugesnis ir ekonomiškesnis? Kaip suplanuoti statybos darbus, kad jie būtų baigti kuo greičiau?

Modeliavimo tikslo nustatymas

Šiame etape tarp daugelio objekto charakteristikų (parametrų) išskiriamos svarbiausios. Tas pats objektas skirtingiems modeliavimo tikslams turės skirtingas esmines savybes.

Pavyzdžiui, statant jachtos modelį dalyvauti laivų modelių varžybose, jos tinkamumo plaukioti charakteristikos bus esminės. Norint pasiekti tikslą sukurti modelį, bus ieškoma atsakymo į klausimą „Kaip padaryti, kad ...?“.

Statant jachtos modelį, skirtą keliauti ja, ilgalaikiams kruizams, be laivybinių savybių, reikšminga bus ir jo vidinė struktūra: denių skaičius, kajučių patogumas, kitų patogumų buvimas ir kt.

Statant kompiuterinį jachtos modeliavimo modelį, skirtą patikrinti jos konstrukcijos patikimumą audringomis sąlygomis, jachtos modelis vaizduos ir skaičiuojamų parametrų pasikeitimą monitoriaus ekrane, kai pasikeičia įvesties parametrų reikšmės. Problema „Kas bus, jei...?“ bus išspręsta.

Modeliavimo tikslas leidžia nustatyti, kokie duomenys bus pradiniai duomenys, ką dėl to reikia pasiekti ir kokių objekto savybių galima nepaisyti.

Tokiu būdu konstruojamas žodinis problemos modelis.

Objekto analizė

Tai reiškia aiškų modeliuojamo objekto ir jo pagrindinių savybių identifikavimą.

II etapas. Užduoties formalizavimas

Susijęs su formalizuoto modelio sukūrimu, t.y. modelis, kuris parašytas kokia nors formalia kalba. Pavyzdžiui, vaisingumo rodikliai, kurie pateikiami lentelės arba diagramos pavidalu, yra formalizuotas modelis.

Formalizavimas suprantamas kaip esminių modeliuojančio objekto savybių ir charakteristikų perkėlimas į tam tikrą formą.

Formalusis modelis yra modelis, kuris gaunamas formalizuojant.

1 pastaba

Problemoms spręsti kompiuteriu tinkamiausia kalba yra matematinė. Formalus modelis fiksuoja ryšius tarp pradinių duomenų ir galutinio rezultato naudojant įvairias formules, taip pat nustato apribojimus leistinoms parametrų reikšmėms.

III etapas. Kompiuterinio modelio kūrimas

Pradedama nuo modeliavimo įrankio (programinės aplinkos) pasirinkimo, su kuriuo bus kuriamas ir tiriamas modelis.

Kompiuterinio modelio konstravimo algoritmas ir jo pateikimo forma priklauso nuo programinės įrangos aplinkos pasirinkimo.

Pavyzdžiui, programavimo aplinkoje vaizdavimo forma yra programa, parašyta atitinkama kalba. Taikomosiose aplinkose (skaičiuoklėse, DBVS, grafiniuose redaktoriuose ir kt.) algoritmo pateikimo forma yra technologinių metodų seka, vedanti į problemos sprendimą.

Atkreipkite dėmesį, kad tą pačią problemą galima išspręsti naudojant skirtingas programinės įrangos aplinkas, kurių pasirinkimas visų pirma priklauso nuo jos techninių ir materialinių galimybių.

IV etapas. Kompiuterinis eksperimentas

Apima 2 etapus:

Modelio testavimas – modelio konstrukcijos teisingumo tikrinimas.

Šiame etape tikrinamas sukurtas modelio konstravimo algoritmas ir gauto modelio adekvatumas modeliavimo objektui ir tikslui.

Užrašas 2

Modelio konstravimo algoritmo teisingumui patikrinti naudojami bandymo duomenys, kurių galutinis rezultatas žinomas iš anksto. Dažniausiai bandymo duomenys nustatomi rankiniu būdu. Jei patikrinimo metu rezultatai sutampa, vadinasi, buvo sukurtas teisingas algoritmas, o jei ne, reikia rasti ir pašalinti jų neatitikimo priežastį.

Bandymai turėtų būti tikslingi ir susisteminti, o bandymų duomenų sudėtingumo didinimas turėtų būti atliekamas palaipsniui. Nustatyti modelio konstrukcijos, atspindinčios modeliavimo tikslui esmines originalo savybes, teisingumą, t.y. jo adekvatumas, būtina parinkti testo duomenis, kurie atspindėtų realią situaciją.

Modelio tyrimas

Galite tęsti modelio tyrimą tik sėkmingai išbandę ir įsitikinę, kad buvo sukurtas būtent tas modelis, kurį reikia ištirti.

V etapas. Rezultatų analizė

Tai yra modeliavimo proceso pagrindas. Sprendimas tęsti arba užbaigti tyrimą priimamas remiantis šio konkretaus etapo rezultatais.

Jei rezultatai neatitinka užduoties tikslų, jie daro išvadą, kad ankstesniuose etapuose buvo padaryta klaidų. Tada reikia koreguoti modelį, t.y. grįžkite į vieną iš ankstesnių žingsnių. Procesas turi būti kartojamas tol, kol kompiuterinio eksperimento rezultatai atitiks modeliavimo tikslus.

Ankstesnėse temose suformulavome, kas yra modelis, ir apibrėžėme naują koncepciją - modeliavimas. Svarbu suprasti, kad modeliavimas yra viena iš pagrindinių žmogaus veiklų. Modeliavimas visada yra pirmesnis už bet kokį verslą viena ar kita forma.

Ryžiai. 4. Nuo prototipo iki sprendimo priėmimo.

Diagrama, parodyta pav. 4 parodyta, kad modeliavimas užima pagrindinę vietą objekto tyrime. Tai leidžia priimti pagrįstus sprendimus: kaip patobulinti pažįstamus objektus, ar būtina kurti naujus, kaip pakeisti valdymo procesus ir, galiausiai, kaip pakeisti mus supantį pasaulį į gerąją pusę.

Atspirties taškas čia yra prototipas (2.4 pav.). Tai gali būti esamas arba suprojektuotas objektas ar procesas.

Paskutinis modeliavimo etapas yra sprendimų priėmimas. Daugeliu atvejų turime priimti vienokį ar kitokį sprendimą. Modeliuojant tai reiškia, kad arba sukuriame naują objektą, kurio modelį ištyrėme, arba tobuliname esamą, arba gauname apie jį papildomos informacijos.

Modeliavimas yra kūrybinis procesas. Labai sunku tai sudėti į formalius rėmus. Bendriausia forma jis gali būti pateiktas etapais, kaip parodyta Fig. 5. Kiekvieną kartą sprendžiant konkrečią problemą, tokia schema gali pasikeisti: kai kurie blokai bus pašalinti arba patobulinti, kai kurie bus pridėti. Visus etapus lemia užduotis ir modeliavimo tikslai.

I etapas. Problemos formulavimas
Užduoties aprašymas
Modeliavimo tikslas
Objekto analizė
II etapas. Modelio kūrimas
Informacinis modelis
Ikoninis modelis
Kompiuterio modelis
III etapas. Kompiuterinis eksperimentas
Modeliavimo planas
Modeliavimo technologija
IV etapas. Modeliavimo rezultatų analizė
Rezultatai yra tikslingi	Rezultatai neatitinka tikslo

Išsamiau apsvarstykime pagrindinius modeliavimo etapus.

3.2. I etapas. Problemos formulavimas

Užduotis pačia bendriausia to žodžio prasme suprantama kaip tam tikra problema, kurią reikia išspręsti. Problemos nustatymo etape būtina atsižvelgti į tris pagrindinius dalykus: problemos aprašymas, modeliavimo tikslų nustatymas ir objekto ar proceso analizė.

Užduoties aprašymas

Užduotis (problema) suformuluota įprasta kalba, o aprašymas turi būti suprantamas. Svarbiausia čia yra apibrėžti modeliavimo objektą ir suprasti, koks turėtų būti rezultatas. Modeliavimo ir galiausiai sprendimų priėmimo rezultatas priklauso nuo to, kaip problema suprantama.

Atsižvelgiant į formuluotės pobūdį, visas problemas galima suskirstyti į dvi pagrindines grupes.

Į pirmą grupę Galima įtraukti užduotis, kuriose reikia ištirti, kaip pasikeis objekto savybės jam veikiant. Ši problemos formuluotė paprastai vadinama „kas bus, jei? Pavyzdžiui, kaip pasikeis automobilio greitis po 6 s, jei jis judės tiesia linija ir tolygiai įsibėgėjęs pradiniu 3 m/s greičiu ir 0,5 m/s 2 pagreičiu.

Kartais užduotys formuluojamos kiek plačiau. Kas atsitiks, jei tam tikru žingsniu pakeisite objekto savybes tam tikrame diapazone? Toks tyrimas padeda atsekti objekto parametrų priklausomybę nuo pradinių duomenų. Pavyzdžiui, informacijos sprogimo modelis:

„Vienas vyras pamatė NSO ir per kitas 15 minučių papasakojo apie tai trims savo draugams. Jie savo ruožtu dar po 15 minučių apie naujienas informavo dar po tris savo pažįstamus ir pan. Stebėkite, koks bus praneštų žmonių skaičius po 15, 30 ir pan.“.

Antroji grupė problema turi tokią apibendrintą formuluotę: koks poveikis turi būti padarytas objektui, kad jo parametrai atitiktų tam tikras sąlygas? Tokia problemos formuluotė dažnai vadinama „kaip padaryti, kad...“. Pavyzdžiui, kokio tūrio turi būti helio dujų pripildytas balionas, kad jis galėtų pakilti su 100 kg apkrova?

Dauguma modeliavimo problemų, kaip taisyklė, yra sudėtingos. Pavyzdžiui, tirpalo koncentracijos keitimo problema: „Cheminio tirpalo, kurio tūris yra 5 dalys, pradinė koncentracija yra 70 proc. Kiek dalių vandens reikia įpilti, kad gautume tam tikros koncentracijos tirpalą? Pirma, koncentracija apskaičiuojama įpylus 1 dalį vandens. Tada įpilant 2, 8, 4... dalis vandens sudaroma koncentracijų lentelė. Gautas skaičiavimas leidžia greitai perskaičiuoti modelį naudojant skirtingus pradinius duomenis. Naudodamiesi skaičiavimo lentelėmis galite atsakyti į klausimą: kiek dalių vandens reikia įpilti, kad gautumėte reikiamą koncentraciją.

Modeliavimo tikslas

Kodėl žmogus kuria modelius?

Jei modeliai leidžia suprasti, kaip konkretus objektas yra struktūrizuotas, išsiaiškinti pagrindines jo savybes, nustatyti jo vystymosi ir sąveikos su išoriniu pasauliu dėsnius, tai šiuo atveju modelių kūrimo tikslas. yrasupančio pasaulio pažinimas.

Kitas svarbus modeliavimo tikslas yra objektų su nurodytomis savybėmis kūrimas. Šį tikslą lemia problemos teiginys „Kaip tai padaryti...“.

Modeliavimo problemų, pavyzdžiui, tikslas "kas atsitiks, jei..." - nustatant poveikio objektui pasekmes ir priimant teisingą sprendimą. Toks modeliavimas turi didelę reikšmę sprendžiant socialines ir kitas problemas.

Dažnai modeliavimo tikslas yra objekto (ar proceso) valdymo efektyvumas .

Objekto analizė

Šiame etape, pradedant nuo bendros problemos formulavimo, aiškiai identifikuojamas modeliuojamas objektas ir pagrindinės jo savybės. Tiesą sakant, visi šie veiksniai gali būti vadinami modeliavimo įvesties parametrais. Jų gali būti gana daug, o kai kurių negalima apibūdinti kiekybiniais santykiais.

Labai dažnai originalus objektas yra visa rinkinys mažesnių komponentų, kurie yra tam tikruose santykiuose. Žodis "analizė" (iš graikų kalbos „analizė“) reiškia objekto skaidymą, išskaidymą, siekiant nustatyti komponentus, vadinamus elementariais objektais. Rezultatas yra paprastesnių objektų kolekcija. Jie gali būti lygiaverčiai santykiai vienas su kitu arba abipusiai pavaldūs. Tokių jungčių schemos pateiktos pav. 6 ir 7.

Yra objektų su sudėtingesniais ryšiais. Paprastai sudėtingus objektus gali sudaryti paprastesni objektai su skirtingų tipų ryšiais.

Bet kokio rimto darbo (ar tai būtų dizaino kūrimas ar technologinio proceso projektavimas, algoritmo kūrimas ar modeliavimas) pagrindas turėtų būti grindžiamas sistemos principu „iš viršaus“. – žemyn" , tai yra nuo bendrų problemų iki konkrečių detalių. Objekto analizės rezultatas atsiranda identifikuojant jo komponentus (elementarius objektus) ir nustatant ryšius tarp jų.