Реферат: Моделирование систем пособие по выполнению курсовой работы для студентов III

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

«МАМИ»

Е.Г. Мурачев

МОДЕЛИРОВАНИЕ СИСТЕМ

ПОСОБИЕ

по выполнению курсовой работы

для студентов III курса

специальности 230101

дневного отделения

Москва – 2009

МИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ

ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

«МАМИ»

Кафедра автоматики и процессов управления

Е.Г.Мурачев

МОДЕЛИРОВАНИЕ СИСТЕМ

ПОСОБИЕ

по выполнению курсовой работы

для студентов III курса

специальности 230101

дневного обучения

Москва – 2009

ВВЕДЕНИЕ

Курсовая работа по дисциплине «Моделирование систем» выполняется студентами специальности 230101 в 7 семестре. В рамках курсовой работы должно быть произведено исследование объекта с целью определения оптимального режима функционирования. Лри выполнении курсовой работы используются знания, полученные студентами при изучении дисциплины «Моделирование систем», а также дисциплин «Информатика», «Алгоритмические языки и программирование».

1 ЦЕЛИ И ЗАДАЧИ КУРСОВОГО ПРОЕКТИРОВАНИЯ

1.1 Целью курсового проектирования является приобретение
практических навыков по постановке пассивного и активного экспериментов, методов обработки экспериментальных данных, определение математической модели в виде уравнения регрессии, поиска оптимального решения с помощью одного из методов оптимизации.

1.2 Задачей курсовой работы является исследование заданного объекта:

-проведение пассивного эксперимента с использованием методов имитационного моделирования и языка программирования GPSS;

— выбор критерия оценки эффективности функционирования объекта;

— определение оптимального режима функционирования на основе

пассивного эксперимента;

— Составление плана проведения активного эксперимента и проведение активного эксперимента с использованием методов имитационного моделирования и языка программирования GPSS ;

— Определение математической модели в виде уравнения регрессии с использованием результатов активного эксперимента;

— Поиск оптимального режима функционирования на базе полученной модели

— С использованием градиентного метода оптимизации или метода сканирования;

Оценка результатов и сравнение с результатами, полученными на основе пассивного эксперимента..

ОРГАНИЗАЦИЯ И ПОСЛЕДОВЛЬНОСТЬ ВЫПОЛНЕНИЯ

КУРСОВОЙ РАБОТЫ

Курсовое проектирование является формой самостоятельной работы студента и выполняется по индивидуальному заданию.

Заданиена курсовую работу выдается преподавателем на первом занятии по курсу «Моделирование систем» 8 семестра, защита проводится в конце того же семества перед экзаменом. На защите демонстрируются результаты проведенного исследования.

«В ходе выполнения курсовой работы студент консультируется с руководителем, назначенным кафедрой.

За правильность проектных решений, качество оформления работы, своевременность выполнения отдельных этапов и представления к защите отвечает студент.

2.1 Задание на курсовую работу

Задание на гсурсовую работу выбирается студентом по номеру группы и порядковому номеру студента в журнале.

2.2 Объем и содержание курсовой работы

Работа состоит из расчетно-пояснительной записки (РПЗ).

Техническое задание включает общие и специальные требования к работе.

Объем пояснительной записки составляет 30-40 машинописных страниц (формат А4) РПЗ должна быть написана четко и кратко, содержать пояснения ко всем промежуточным результатам, обоснование принятых решений. РПЗ должна включать следующие разделы:

1) Титульный лист (приложение А)

2) Бланк задания, подлисанный преподавателем и студентом (приложение Б)

3) Содержание

4) Перечень условных обозначений и сокращений в алфавитном
порядке в виде списка, в котором слева приводится сокращение, справа — его
расшифровка.

5) Основная часть РПЗ:

— Краткие теоретические сведения: анализ существующих методов подобного класса; особенности особенности использования выбранных методов;

— Структура обекта исследования и имитационная модель в виде программы на языке программирования GPSS;

— Результаты пассивного эксперимента;

— расчет критерия для каждой экспериментальной точки;

— Анализ результатов и выбор оптимального оешения набазе пассивного эксперимента;

— План активного эксперимента;

— Результаты активного эксперимента;

— Расчет коэффициентов уравнения регрессии с помощью Ехсеl;

— Запись полученной модели;

— Программа поиска оптимального решения на алгоритмическом языке Visual Basic;

— Результаты поиска и результать сравнительного анализа;

— Заключение;

— Список использованных источников;

— Приложения:

2.3 Последовательность выполнения работы

Курсовая работа разрабатывается в последовательности, соответствующей содержанию РПЗ (п.2,2).

Расчетно-пояснительная записка и графический материал оформляются в соответствии с требованиями ЕСКД и ЕСПД (Единая система конструкторской документации, Единая система программной документации).

Подготовленная и оформленная работа, прошедшая экспертизу на выполнение требований ЕСКД и ЕСПД представляется преподавателю не позднее, чем за неделю до защиты.

Защита работы происходит на 16 или 17 неделе семестра.

3 ВАРИАНТЫ ЗАДАНИЙ

№ варианта

А

В

1

6

2

0.2

0.8

3

1

2

5

1

0.25

0.75

2

1

3

7

1

0.31

0.69

4

2

4

15

3

0.43

0.57

11

3

5

8

2

0.74

0.26

2

1

6

18

3

0.84

0.16

14

4

7

27

4

0.56

0.44

20

3

8

22

2

0.34

0.66

15

4

9

12

4

0.82

0.18

6

2

10

11

2

0.23

0.77

5

1

11

9

1

0.11

0.89

4

1

12

13

3

0.36

0.64

9

3

13

10

2

0.73

0.27

7

2

14

17

3

0.93

0.07

10

3

15

15

4

0.45

0.55

11

4

16

8

2

0.24

0.76

4

1

17

16

3

0.33

0.67

12

3

18

7

2

0.14

0.86

16

5

•Ж

22

1

0.42

0.58

14

3

20

13

1

0.64

0.36

8

2

21

24

3

0.55

0.45

18

4

22

19

4

0.25

0.75

13

3

23

26

2

0.28

0.72

20

5

24

4

1

0.87

0.13

2

1

25

29

4

0.26

0.74

22

5

26

22

3

0.82

0.18

17

4

27

17

2

0.25

0.75

4

3

28

14

4

0.49

0.51

8

2

29

19

2

0.66

0.34

9

2

30

25

1

0.28

0.72

22

5

31

6

3

0.97

0.03

4

1

В многофазную систему массового обслуживания поступают заявки по равномерному закону распределения через А +/- В минут. Обработка заявок осуществляется в три фазы, две из которыхпредставляют параллельное соединение двух приборов обслуживания… (см. пример) Поступление заявок в тот или иной канал для этих фаз происходит с вероятностью и .

Провести моделирование системы с параметрами А, В,, , , , где индекс “1” соответствует первой фазе, индекс “2” соответствует второй фазе т.е. +-/2, +-/2, а для третьей фазы – (+ )/2, при условии, что накопители имеют бесконечную емкость.

Необходимо осуществить обработку 100 заявок при двух прогонах программы.

Составить матрицу планирования полного факторного эксперимента для пяти факторов с эффектами взаимодействия. Факторами являютсявремя обслуживания заявок каждого прибора обслуживания. Диапазон изменения факторов определяется из условия

[-0,15*T;+0,15*T]

Осуществить расчет имитационной модели с использованием исходных данных

определенных на основании составленного плана ПФЭ

Записать матрицу планирования первого порядка с эффектами взаимодействия.

Определить значения коэффициентов полинома, выбранного в качестве модели

Определить оптимальные области значений факторов процесса функционирования

системы

4. ИНФОРИАЦИЯ ДЛЯ ВЫПОЛНЕНИЯ КУРСОВОЙ РАБОТЫ

МАТЕМАТИЧЕСКИЕ СХЕМЫ МОДЕЛИРОВАНИЯ

СИСТЕМ

Наибольшие затруднения и наиболее серьезные ошибки при моделировании возникают при переходе от содержательного к формальному описанию объек­тов исследования. Эффективным является язык математи­ческих схем, позволяющий во главу угла поставить вопрос об адекватности перехода от содержательного описания системы к ее математической схеме, а лишь затем решать вопрос о конкретном методе получения результатов с ис­пользованием ЭВМ: аналитическом или имитационном, а возможно, и комби­нированном, т. е. аналитико-имитационном. Применительно к конкретному объекту моделирования, т. е. к сложной системе, разработчику модели должны помочь конкретные, уже прошедшие апробацию для данного класса систем математические схемы, показавшие свою эффективность в прикладных исследо­ваниях на ЭВМ и получившие название типовых математических схем.

ОСНОВНЫЕ ПОДХОДЫ К ПОСТРОЕНИЮ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ СИСТЕМ

Исходной информацией при построении математических моде­лей процессов функционирования систем служат данные о назначе­нии и условиях работы исследуемой (проектируемой) системы S . Эта информация определяет основную цель моделирования систе­мы S и позволяет сформулировать требования к разрабатываемой математической модели М. Причем уровень абстрагирования зави­сит от круга тех вопросов, на которые исследователь системы хочет получить ответ с помощью модели, и в какой-то степени определяет выбор математической схемы.

Математическую схему можно определить как звено при пере­ходе от содержательного к формальному описанию процесса функ­ционирования системы с учетом воздействия внешней среды, т. е. имеет место цепочка «описательная модель — математическая схе­ма — математическая [аналитическая или (и) имитационная] мо­дель».

Каждая конкретная система S характеризуется набором свойств, под которыми понимаются величины, отражающие поведение мо­делируемого объекта (реальной системы) и учитывающие условия ее функционирования во взаимодействии с внешней средой (систе­мой) Е. При построении математической модели системы необ­ходимо решить вопрос об ее полноте. Полнота модели регулирует­ся в основном выбором границы «система S — среда Е». Также должна быть решена задача упрощения модели, которая помогает выделить основные свойства системы, отбросив второстепенные. Причем отнесение свойств системы к основным или второстепен­ным существенно зависит от цели моделирования системы (напри­мер, анализ вероятностно-временных характеристик процесса функ­ционирования системы, синтез структуры системы и т. д.).

Модель объекта моделирования, т. е. системы S, можно представить в виде множества величин, описывающих процесс функционирования реальной системы и об­разующих в общем случае следующие подмножества:

совокупность входных воздействий на систему

, i = 1,2,…,;

совокупность воздействий внешней среды

;

совокупность внутренних (собственных) параметров системы

совокупность выходных характеристик системы

При этом в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае , ν, h , y являются элементами непересекающихся подмножеств и содер­жат как детерминированные, так и стохастические составляющие.

При моделировании системы S входные воздействия, воздейст­вия внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными, а выходные характеристики системы являются зависимыми (эндогенными) пере­ менными

Процесс функционирования системы S описывается во времени оператором , который в общем случае преобразует экзогенные переменные в эндогенные в соответствии с соотношениями вида

y ( t )=( x , v , h , t ) (1.1)

Совокупность зависимостей выходных характеристик системы от времени для всех видов у называется выходной траек­ торией у ( t ). Зависимость (1.1) называется законом функционирова­ ния системы S и обозначается . В общем случае закон функци­онирования системы может быть задан в виде функции, функци­онала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.

Весьма важным для описания и исследования системы S являет­ся понятие алгоритма функционирования , под которым понима­ется метод получения выходных характеристик с учетом входных воздействий х ( t ), воздействий внешней среды v ( t ) и собственных параметров системы h ( t ). Очевидно, что один и тот же закон функционирования системы S может быть реализован различ­ными способами, т. е. с помощью множества различных алгорит­мов функционирования .

Соотношение (1.1) является математическим описанием поведе­ния объекта (системы) моделирования во времени t , т. е. отражает его динамические свойства. Поэтому математические модели та­кого вида принято называть динамическими моделями.

Для статических моделей математическая модель (1.1) пред­ставляет собой отображение между двумя подмножествами свойств моделируемого объекта Y и { X , V , H }, что в векторной форме может быть записано как

y = f ( x , v , h ). (1.2)

Соотношения (1.1) и (1.2) могут быть заданы различными спо­собами: аналитически (с помощью формул), графически, таблично и т. д. Такие соотношения в ряде случаев могут быть получены через свойства системы S в конкретные моменты времени, на­зываемые состояниями.

Если рассматривать процесс функционирования системы S как последовательную смену состояний, то они могут быть интерпретированы как координаты точки в n-мерном фазовом пространстве, причем каждой реализации процесса будет соответствовать некоторая фазовая траектория. Совокупность всех возможных значений состояний называется пространством со­ стояний объекта моделирования Z.

Состояния системы S в момент времени полностью определяются начальными условиями , входными воздействиями x ( t ), внутренними параметрами h ( t ) и воздействиями внешней сре­ды v (t), которые имели место за промежуток времени t * — , с помощью двух векторных уравнений

Z(t)=Ф( z °, x , v , h , t ) (1.3)

y ( t )= F ( z , t ) (1.4)

Первое уравнение по начальному состоянию z° и экзогенным переменным x , v , h определяет вектор-функцию z(0), а второе по полученному значению состояний z ( t ) — эндогенные переменные на выходе системы у ( t ). Таким образом, цепочка уравнений объекта «вход — состояния — выход» позволяет определить характеристи­ки системы y ( t )= F (z °, x , v , h , t )} (1.5)

В общем случае время в модели системы S может рассмат­риваться на интервале моделирования (, Т) как непрерывное, так и дискретное.

Таким образом, под математической моделью объекта (реаль­ной системы) понимают конечное подмножество переменных { x ( t ), v ( t ), h ( t )} вместе с математическими связями между ними и харак­теристиками у ( t ).

Если математическое описание объекта моделирования не содер­жит элементов случайности или они не учитываются, т. е. если можно считать, что в этом случае стохастические воздействия вне­шней среды v (t) и стохастические внутренние параметры h ( t ) отсут­ствуют, то модель называется детерминированной в том смысле, что характеристики однозначно определяются детерминированными входными воздействиями

y ( t )= f ( x , t ) (1.6)

Очевидно, что детерминированная модель является частным случаем стохастической модели.

НЕПРЕРЫВНО-СТОХАСТИЧЕСКИЕ МОДЕЛИ

(Q-СХЕМЫ)

Особенности непрерывно-стохастического подхода рассмотрим на примере использования в качестве типовых математических схем систем массового обслуживания, которые будем называть Q -схемами. Системы массового обслуживания представляют собой класс математических схем, разработанных в теории массового обслуживания и различных приложениях для формализации процессов функционирования систем, которые по своей сути являются процессами обслуживания.

В качестве процесса обслуживания могут быть представлены различные по своей физической природе процес­сы функционирования экономических, производственных, техничес­ких и других систем, например потоки поставок продукции некото­рому предприятию, потоки деталей и комплектующих изделий на сборочном конвейере цеха, заявки на обработку информации ЭВМ от удаленных терминалов и т. д. При этом характерным для работы таких объектов является случайное появление заявок (требований) на обслуживание и завершение обслуживания в случайные моменты времени, т. е. стохастический характер процесса их функционирова­ния.

В любом элементарном акте обслуживания можно выделить две основные составляющие: ожидание обслуживания заявкой и со­бственно обслуживание заявки.

Прибор обслуживания заявок

Это можно изобразить в виде неко­торого i-гo прибора обслуживания (рисунок), состоящего из накопителя заявок ,в котором может одновременно находиться заявок, где — емкость i-гo накопителя и канала об­служивания заявок (или просто канала) . На каждый элемент прибора обслуживания поступают потоки событий: в накопитель— поток заявок , на канал — поток обслуживаний .

Потоком событий называется последовательность событий, происходящих одно за другим в какие-то случайные моменты времени. Различают потоки однородных и неоднородных собы­тий. Поток событий называется однородным, если он характеризу­ется только моментами поступления этих событий (вызываю­щими моментами) и задается. Mомент наступления i-го собы­тия — неотрицательное вещественное число. Однородный поток событий также может быть задан в виде последовательности про­межутков времени между i-м и (п- 1) -м событиями, которая однозначно связана с последовательно­стью поступления заявок.

При моделиро­вании различных систем применительно к элементарному каналу обслуживания можно считать, что поток заявок , т. е. интервалы времени между моментами появления заявок на входе образует подмножество неуправля­емых переменных, а поток обслуживания U, т. е. интервалы времени между началом и окончанием обслуживания заявки, об­разует подмножество управляемых переменных.

Заявки, обслуженные каналом и заявки, покинувшие прибор по различным причинам не обслуженными (например, из-за переполнения накопителя , образуют выходной поток , т. е. интервалы времени между моментами выхода заявок образуют подмножество выходных переменных.

Процесс функционирования прибора обслуживания можно представить как процесс изменения состояний его элементов во времени z( t ). Переход в новое состояние означает изменение количества заявок, которые в нем находятся (в канале и в накопителе ).

В практике моделирования систем, имеющих более сложные структурные связи и алгоритмы поведения, для формализации ис­пользуются не отдельные приборы обслуживания, а Q -схемы, об­разуемые композицией многих элементарных приборов обслужива­ния (сети массового обслуживания).

Для того, чтобы осуществить процесс моделирования полученной Q -схемы используют различные языки имитационного моделирования. Одним из таких языков является язык имитационного моделирования GPSS (см. приложение 1)

Моделирование Q - схем с фазовой структурой

Если приборы массового обслуживания и их параллельные композиции соединены последовате­льно, то имеет место многофазное обслуживание (многофазная Q -схема). Таким образом, для задания Q -схемы необходимо ис­пользовать оператор сопряжения R , отражающий взаимосвязь эле­ментов структуры (каналов и накопителей) между собой.

Связи между элементами Q -схемы изображают в виде стрелок (линий потока, отражающих направление движения заявок). Раз­личают разомкнутые и замкнутые Q -схемы. В разомкнутой Q -схеме выходной поток обслуженных заявок не может снова поступить на какой-либо элемент, т. е. обратная связь отсутствует, а в замкнутых Q -схемах имеются обратные связи, по которым заявки двигаются в направлении, обратном движению вход-выход.

Собственными (внутренними) параметрами Q -схемы будут яв­ляться количество фаз, количество каналов в каждой фазе, количество накопителей каждой фазы, ем­кость i-гo накопителя. Следует отметить, что в теории мас­сового обслуживания в зависимости от емкости накопителя приме­няют следующую терминологию для систем массового обслужива­ния: системы с потерями, т. е. имеется только канал обслуживания системы с ожиданием, (т. е. очередь заявок не ограничивается) и системы смешанного типа (с ограниченной емкостью накопителя). Всю совокупность собственных параметров Q -схемы обозначим как подмножество Н.

Для задания Q -схемы также необходимо описать алгоритмы ее функционирования, которые определяют набор правил поведения заявок в системе в различных неоднозначных ситуациях. В зависи­мости от места возникновения таких ситуаций различают алгорит­мы (дисциплины) ожидания заявок в накопителе Н, и обслуживания заявок каналом каждого элементарного обслуживающего прибо­ра Q -схемы. Неоднородность заявок, отражающая процесс в той или иной реальной системе, учитывается с помощью введения клас­сов приоритетов.

В зависимости от динамики приоритетов в Q -схемах различают статические и динамические приоритеты. Статические приоритеты назначаются заранее и не зависят от состояний Q -схемы, т. е. они являются фиксированными в пределах решения конкретной задачи моделирования. Динамические приоритеты возникают при модели­ровании в зависимости от возникающих ситуаций. Исходя из пра­вил выбора заявок из накопителя на обслуживание каналом можно выделить относительные и абсолютные приоритеты. От­ носительный приоритет означает, что заявка с более высоким при­оритетом, поступившая в накопитель ожидает окончания об­служивания предшествующей заявки каналом и только после этого занимает канал. Абсолютный приоритет означает, что заявка с более высоким приоритетом, поступившая в накопитель пре­рывает обслуживание каналом заявки с более низким приорите­том и сама занимает канал (при этом вытесненная из заявка может либо покинуть систему, либо может быть снова записана на какое-то место в ).

При рассмотрении алгоритмов функционирования приборов об­служивания (каналов и накопителей Н) необходимо также задать набор правил, по которым заявки покидают и для — либо правила переполнения, по которым заявки в зависимо­сти от заполнения покидают систему, либо правила ухода, связанные с истечением времени ожидания заявки в для — правила выбора маршрутов или направлений ухода. Кроме того, для заявок необходимо задать правила, по которым они остаются в канале или не допускаются до обслуживания каналом , т. е. правила блокировок канала. При этом различают блокировки по выходу и по входу. Такие блокировки отражают наличие управля­ющих связей в Q -схеме, регулирующих поток заявок в зависимости от состояний Q -схемы. Весь набор возможных алгоритмов поведе­ния заявок в Q -схеме можно представить в виде некоторого опера­тора алгоритмов поведения заявок.

Таким образом, Q -схема, описывающая процесс функциониро­вания системы массового обслуживания любой сложности, одно­значно задается в виде Q = (W, U , H , Z , R , А).

При ряде упрощающих предположений относительно подмно­жеств входящих потоков W, потоков обслуживания U (выполнение условий стационарности, ординарности и ограниченного последей­ствия) оператора сопряжения элементов структуры R (однофазное одноканальное обслуживание в разомкнутой системе), подмножест­ва собственных параметров Н (обслуживание с бесконечной ем­костью накопителя), оператора алгоритмов обслуживания заявок А (бес приоритетное обслуживание без прерываний и блокировок) для оценки вероятностно-временных характеристик можно исполь­зовать аналитический аппарат, разработанный в теории массового обслуживания.

Математическое обеспечение и ресурсные возможности современных ЭВМ позволя­ют достаточно эффективно провести моделирование различных си­стем, формализуемых в виде Q -схем, используя либо пакеты при­кладных программ, созданные на базе алгоритмических языков общего назначения, либо специализированные языки имитацион­ного моделирования. Пример Q-схемы общего вида

На рисунке представлена трехфазная Q -схема ( L =3) с блокировкой каналов по вы­ходу в 1-й и 2-й фазах обслужи­вания (пунктирные линии на рисунке). В качестве выходя­щих потоков такой Q-схемы могут быть рассмотрены поток потерянных заявок из и поток обслуженных заявок из ( на рисунке).

Для имитационной модели рассматриваемой Q -схемы можно записать следу­ющие переменные и уравнения: эндогенная переменная Р — вероятность потери заявок; экзогенные переменные: — время появления очередной заявки из N; — время окончания обслуживания каналом очередной заявки, k = 1,2, 3; j = 1, 2; вспомогательные переменные: и — состояния Н; параметры: L – емкость, L*—число каналов в i-й фазе.

При имитации процесса функционирования Q -схемы на ЭВМ, требуется организовать массив состояний. В этом массиве должны быть выделены: подмассив К для запоминания текущих значений , соответствующих каналов и времени окончания обслужива­ния очередной заявки, подмассив Н для записи текуще­го значения z, соответствующих накопителей , i= 1, 2; подмассив H, в который записывается время поступления очередной заявки из источника (H).

Процедура моделирования процесса обслуживания каждым эле­ментарным каналом сводится к следующему. Путем обращения к генератору случайных чисел с законом распределения, соответст­вующим обслуживанию данных, получается длительность вре­мени обслуживания и вычисляется время окончания обслуживания, а затем фиксируется состояние, при освобождении =0; в случае блокировки записывается =2. При поступ­лении заявки в Н, к его содержимому добавляется единица, т. е. , а при уходе заявки из Н, на обслуживание вычитается единица, т. е. , i=l, 2.

Возможности модификации моделирующих алгоритмов Q - схемы. В плане усложнения машинных моделей при исследовании вариантов системы S можно рассмот­реть следующие модифика­ции: наличие потоков за­явок нескольких типов. В этом случае необходимо иметь несколько источников (генераторов) заявок и фикси­ровать признак принадлежно­сти заявки к тому или иному потоку тогда, когда накопите­ли и каналы рассматрива­емой Q -схемы критичны к этому признаку или требу­ется определить характери­стики обслуживания заявок каждого из потоков в отдель­ности.

Наличие приоритетов при постановке заявок в оче­редь в накопитель. В зависимости от класса приоритета заявок может быть рассмотрен случай, когда заявки одного класса имеют приоритет по записи в накопи­тель (при отсутствии свободных мест вытесняют из накопителя заявки с более низким классом приоритета, которые при этом считаются потерянными). Этот фактор может быть учтен в модели­рующем алгоритме соответствующей Q -схемы путем фиксации для каждого накопителя признаков заявок, которые в нем находятся (путем организации соответствующего массива признаков).

1. Наличие приоритетов при выборе заявок на обслуживание каналов. По отношению к каналу могут быть рассмотрены заявки с абсолютным и относительным приоритетами. Заявки с абсолют­ным приоритетом при выборе из очереди в накопитель вытесняют из канала заявки с более низким классом приоритета, которые при этом снова поступают в накопитель (в начало или конец очереди) или считаются потерянными, а заявки с относительным приорите­том дожидаются окончания обслуживания каналом предыдущей заявки. Эти особенности учитываются в моделирующих алгорит­мах приоритетных

Q -схем, при определении времени освобождения канала и выборе претендентов на его занятие. Если наличие аб­солютных приоритетов приводит к потере заявок, то необходимо организовать фиксацию потерянных заявок.

2. Ограничение по времени пребывания заявок в системе. В этом случае возможно ограничение как по времени ожидания заявок в накопителях, так и по времени обслуживания заявок каналами, а также ограничение по сумме этих времен, т. е. по времени пребы­вания заявок в обслуживающем приборе. Причем эти ограничения могут рассматриваться как применительно к каждой фазе, так и к Q -схеме в целом. При этом необходимо в качестве особых состояний Q -схемы рассматривать не только моменты поступления новых заявок и моменты окончания обслуживания заявок, но и моменты окончания допустимого времени пребывания (ожидания, об­служивания) заявок в Q -схеме.

3. Выход элементов системы из строя и их дальнейшее вос­становление. Такие события могут быть рассмотрены в Q -схеме, как потоки событий с абсолютными приоритетами, приводящими к потере заявок, находящихся в обслуживании в канале или ожида­ющих начала обслуживания в накопителе в момент выхода соответ­ствующего элемента из строя. В этом случае в моделирующем алгоритме Q -схемы должны быть предусмотрены датчики (генера­торы) отказов и восстановлений, а также должны присутствовать операторы для фиксации и обработки необходимой статистики.

Рассмотренные моделирующие алгоритмы и способы их моди­фикации могут быть использованы для моделирования широкого класса систем. Однако эти алгоритмы будут отличаться по сложно­сти реализации, затратам машинного времени и необходимого объема памяти ЭВМ.

Детерминированный и асинхронный циклический алгоритмы наиболее просты с точ­ки зрения логики их построения, так как при этом использует­ся перебор всех элементов Q -схемы на каждом шаге. Трудности возникают с машинной реализацией этих алгоритмов вследствие увеличения затрат машинного времени на моделирование, так как просматриваются все состояния элементов Q -схемы. Затраты машинного времени на моделирование существенно увеличиваются при построении детерминированных моделирующих алгоритмов Q -схем, элементы которых функционируют в различных масштабах времени, напри­мер когда длительности обслуживания заявок каналами многока­нальной Q -схемы значительно отличаются друг от друга.

Действия операторов блок-диаграммы моделирующего алгоритма

В стохастическом синхронном алгоритме рассматриваются про­шлые изменения состояний элементов Q -схемы, которые произош­ли с момента предыдущего просмотра состояний, что несколько усложняет логику этих алгоритмов.

Асинхронный спорадический алгоритм позволяет просматри­вать при моделировании только те элементы Q -схемы, изменения состояний которых могли иметь место на данном интервале систем­ного времени, что приводит к некоторому упрощению этих модели­рующих алгоритмов по сравнению с синхронными алгоритмами и существенному уменьшению затрат машинного времени по срав­нению с детерминированными и циклическими алгоритмами.

Затраты необходимой оперативной памяти ЭВМ на проведение имитации могут быть значительно уменьшены при построении блочных моделей, когда отдельные блоки (модули) Q -схемы ре­ализуются в виде процедур (подпрограмм).

Рассмотренные моделирующие алгоритмы позволяют практически отразить всевозможные варианты много­фазных и многоканальных Q -схем, а также провести исследование всего спектра их вероятностно-временных характеристик, различ­ных выходных характеристик, интересующих исследователя или разработчика системы S.

При моделировании систем, формализуе­мых в виде Q -схем, с использованием языка имитационного моде­лирования GPSS , отпадает необходимость выбора принципа построения моделирующего алгоритма, так как механизм системного времени и просмотра состояний уже заложен в систему имитации дискретных систем, т. е. в язык GPSS .

В качестве примера приведена программа на языке GPSS. Для трехфазной системы массового обслуживания, для блок-диаграммы, приведенной ранее..

SIMULATE Программа имитации многофазной Q -схемы

1 STORAGE 10

2 STORAGE 10
EXPON FUNCTION RN1.C24

0 0 .1 .104 .2 .222 .3 .355 .4 .509 .5 .69

6 .915 .7 .12 .75 1.38 .8 1.6 .84 .83 .88 2.12

.9 2.3 .92 2.52 .94 2.81 .95 2.99 .96 3.2 .97 3.5

.98 3.9 .99 4.6 .995 5.3 .998 6.2 .999 7.0 .9997 8.0

GENERATE 10.FN#EXPON

ЗАТЕ SNF 1.OTK

ENTER 1

TRANSFER BOTH.KAN11.KAN12

KAN 11 SEIZE 1

LEAVE 1

ADVANCE 20. FN#EXPON

GATE SNF 2

RELEASE 1

TRANSFER .NAK2

KAN12 SEIZE 2

LEAVE 1

ADVANCE 20.FN#EXPON

GATE SNF 2

RELEASE 2

NAK2 ENTER 2

TRANSFER BOTH.KAN21.KAN22

KAN21 SEIZE 3

LEAVE 2

ADVANCE 20. FN#EXPON

GATE NU 5

RELEASE 3

TRANSFER .KAN31

KAN22 SEIZE 4

LEAVE 2

ADVANCE 20. FN#EXPON

GATE NU 5

RELEASE 4

KAN31 SEIZE 5

ADVANCE 10.FN#EXPON

RELEASE 5

TRANSFER .END

OTK SAVEVALVE 1+.K1

END TERMINATE 1

Программа реализации многофазного моделирующего алгоритма на языке GPSS

При моделировании систем, формализуе­мых в виде Q -схем, с использованием языка имитационного моде­лирования GPSS , отпадает необходимость выбора принципа построения моделирующего алгоритма, так как механизм системного времени и просмотра состояний уже заложен в систему имитации дискретных систем, т. е. в язык GPSS .

ПЛАНИРОВАНИЕ МАШИННЫХ ЭКСПЕРИМЕНТОВ С МОДЕЛЯМИ

СИСТЕМ

Имитационное моделирование является по своей сути машинным экспери­ментом с моделью исследуемой или проектируемой системы. План имитацион­ного эксперимента на ЭВМ представляет собой метод получения с помощью эксперимента необходимой пользователю информации. Эффективность исполь­зования экспериментальных ресурсов существенным образом зависит от выбора плана эксперимента. Основная цель экспериментальных исследований с помо­щью имитационных моделей состоит в наиболее глубоком изучении поведения моделируемой системы. Для этого необходимо планировать и проектировать не только саму модель, но и процесс ее использования, т. е. проведение с ней экспериментов на ЭВМ.

МЕТОДЫ ТЕОРИИ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ

Машинный эксперимент с моделью системы S при ее исследова­нии и проектировании проводится с целью получения информации о характеристиках процесса функционирования рассматриваемого объекта. Эта информация может быть получена как для анализа характеристик, так и для их оптимизации при заданных ограничени­ях, т. е. для синтеза структуры, алгоритмов и параметров системы S . В зависимости от поставленных целей моделирования системы S на ЭВМ имеются различные подходы к организации имитацион­ного эксперимента с машинной моделью . Основная задача планирования машинных экспериментов — получение необходимой информации об исследуемой системе S при ограничениях на ресур­сы (затраты машинного времени, памяти и т. п.). К числу частных задач, решаемых при планировании машинных экспериментов, от­носятся задачи уменьшения затрат машинного времени на модели­рование, увеличения точности и достоверности результатов модели­рования, проверки адекватности модели и т. д.

Машинный эксперимент. Эффективность машинных эксперимен­тов с моделями существенно зависит от выбора плана экс­перимента, так как именно план определяет объем и порядок про­ведения вычислений на ЭВМ, приемы накопления и статистической обработки результатов моделирования системы S. Поэтому основная задача планирования машинных экспериментов с моделью формулируется следующим образом: необходимо получить ин­формацию об объекте моделирования, заданном в виде моделиру­ющего алгоритма (программы), при минимальных или ограничен­ных затратах машинных ресурсов на реализацию процесса модели­рования.

Таким образом, при машинном моделировании рационально планировать и проектировать не только саму модель системы S , но и процесс ее использования, т. е. проведение с ней эксперимен­тов с использованием инструментальной ЭВМ.

Для планирования эксперимента наиболее важ­ное значение имеет следующее:

1) простота повторения условий эксперимента на ЭВМ с моделью системы S ;

2) возможность управления экспериментом с моделью, включая его прерывание и возобновление;

3) легкость варьирования условий проведения эксперимента ( воздействии внешней среды Е);

4) наличие корреля­ции между последовательностью точек в процессе моделирования;

5) трудности, связанные с определением интервала моделирования.

Преимуществом машинных экспериментов яв­ляется возможность полного воспроизведения условий эксперимен­та с моделью исследуемой системы S . Сравнивать две альтер­нативы возможно при одинаковых условиях, что достигается, на­пример, выбором одной и той же последовательности случайных чисел для каждой из альтернатив. Существенным достоинством является простота прерывания и возобновления машинных экспериментов, что позволяет применять последователь­ные и эвристические приемы планирования, которые могут оказать­ся нереализуемыми в экспериментах с реальными объектами. При работе с машинной моделью всегда возможно прерывание эксперимента на время, необходимое для анализа результатов и принятия решений об его дальнейшем ходе (например, о необ­ходимости изменения значений параметров модели ).

Недостатком машинных экспериментов является то, что часто возникают трудности, связанные с наличием корреляции в выход­ных последовательностях, т. е. результаты одних наблюдений зави­сят от результатов одного или нескольких предыдущих, и поэтому

в них содержится меньше информации, чем в независимых наблюде­ниях. Так как в большинстве существующих методов планирования экспериментов предполагается независимость наблюдений, то мно­гие из этих методов нельзя непосредственно применять для машин­ных экспериментов при наличии корреляции.

Основные понятия планирования экспериментов. В связи с тем что математические методы планирования экспериментов основаны на кибернетическом представлении процесса проведения экспериме­нта, наиболее подходящей моделью последнего является абстракт­ная схема, называемая «черным ящиком». При таком кибернетичес­ком подходе различают входные и выходные переменные: . В зависимости от того, какую роль играет каждая переменная в проводимом эксперименте, она может являться либо фактором, либо реакцией. Пусть, например, имеют место только две переменные: х и у. Тогда если цель эксперимента — изучение влияния переменной х на переменную у, то х — фактор, а у — ре­акция. В экспериментах с машинными моделями системы S фак­тор является экзогенной или управляемой (входной) переменной, а реакция — эндогенной (выходной) переменной.

Каждый фактор , i=l,2,… k , может принимать в эксперименте одно из нескольких значений, называемых уровнями. Фиксирован­ный набор уровней факторов определяет одно из возможных состо­яний рассматриваемой системы. Одновременно этот набор пред­ставляет собой условия проведения одного из возможных экспери­ментов.

Каждому фиксированному набору уровней факторов соответ­ствует определенная точка в многомерном пространстве, называ­емом факторным пространством. Эксперименты не могут быть реализованы во всех точках факторного пространства, а лишь в принадлежащих допустимой области, как, например, это показано для случая двух факторов и на рисунке (плоскость ).

Существует вполне определенная связь между уровнями фак­торов и реакцией (откликом) системы, которую можно представить в виде соотношения

Функцию связывающую реакцию с факторами, называют функцией реакции, а геометрический образ, соответствующий функ­ции реакции,— поверхностью реакции. Исследователю заранее не известен вид зависимостей , i =1,2,… т, поэтому используют прибли­женные соотношения:

Зависимости находятся по данным эксперимента. Последний необходимо поставить так, чтобы при минимальных затратах ре­сурсов (например, минимальном числе испытаний), варьируя по специально сформулированным правилам значения входных пере­менных, построить математическую модель системы и оценить ее характеристики.

При планировании экспериментов необходимо определить ос­новные свойства факторов. Факторы при проведении экспериментов могут быть управляемыми и неуправляемыми, наблюдаемыми и не­наблюдаемыми, изучаемыми и не изучаемыми, количественными и качественными, фиксированными и случайными.

Фактор называется управляемым, если его уровни целенаправ­ленно выбираются исследователем в процессе эксперимента. При машинной реализации модели исследователь принимает реше­ния, управляя изменением в допустимых пределах различных фак­торов.

Фактор называется наблюдаемым, если его значения наблюда­ются и регистрируются. Обычно в машинном эксперименте с моде­лью наблюдаемые факторы совпадают с управляемыми, так как нерационально управлять фактором, не наблюдая его. Но неуправ­ляемый фактор также можно наблюдать. Например, на этапе проек­тирования конкретной системы S нельзя управлять заданными воз­действиями внешней среды Е, но можно наблюдать их в машинном эксперименте. Наблюдаемые неуправляемые факторы получили на­звание сопутствующих. Обычно при машинном эксперименте с мо­делью число сопутствующих факторов велико, поэтому рацио­нально учитывать влияние лишь тех из них, которые наиболее существенно воздействуют на интересующую исследователя реак­цию.

Фактор относится к изучаемым, если он включен в модель для изучения свойств системы S , а не для вспомогательных целей, например для увеличения точности эксперимента.

Фактор будет количественным, если его значения — числовые величины, влияющие на реакцию, а в противном случае фактор называется качественным. Например, в модели системы, формали­зуемой в виде схемы массового обслуживания ( Q -схемы), количест­венными факторами являются интенсивности входящих потоков заявок, интенсивности потоков обслуживания, емкости накопите­лей, количество обслуживающих каналов и т. д., а качественными факторами — дисциплины постановки в очередь, выбора из очере­ди, обслуживания заявок каналами и т. д. Качественным факторам в отличие от количественных не соответствует числовая шкала. Однако и для них можно построить условную порядковую шкалу, с помощью которой производится кодирование, устанавливая соот­ветствие между условиями качественного фактора и числами нату­рального ряда.

Ф актор называется фиксированным, если в эксперименте иссле­дуются все интересующие экспериментатора значения фактора, а ес­ли экспериментатор исследует только некоторую случайную выбор­ку из совокупности интересующих значений факторов, то фактор называется случайным. На основании случайных факторов могут быть сделаны вероятностные выводы и о тех значениях факторов, которые в эксперименте не исследовались.

В машинных экспериментах с моделями не бывает неуправ­ляемых или ненаблюдаемых факторов применительно к исследу­емой системе S . В качестве воздействий внешней среды Е, т. е. неуправляемых и ненаблюдаемых факторов, в машинной имитаци­онной модели выступают стохастические экзогенные переменные. Если имитационная модель сформулирована, то все факторы опре­делены и нельзя во время проведения данного эксперимента (ис­пытания) с моделью вводить дополнительные факторы.

Каждый фактор может принимать в ис­пытании одно или несколько значений, называемых уровнями, при­чем фактор будет управляемым, если его уровни целенаправленно выбираются экспериментатором. Для полного определения фак­тора необходимо указать последовательность операций, с помо­щью которых устанавливаются его конкретные уровни. Такое опре­деление фактора называется операциональным и обеспечивает одно­значность понимания фактора.

Основными требованиями, предъявляемыми к факторам, явля­ются требование управляемости фактора и требование непосредст­венного воздействия на объект. Под управляемостью фактора пони­мается возможность установки и поддержания выбранного нужного уровня фактора постоянным в течение всего испытания или изменя­ющимся в соответствии с заданной программой. Требование непо­средственного воздействия на объект имеет большое значение в свя­зи с тем, что трудно управлять фактором, если он является функци­ей других факторов.

При планировании эксперимента обычно одновременно изменя­ются несколько факторов. Определим требования, которые предъ­являются к совокупности факторов. Основные из них — совмести­мость и независимость. Совместимость факторов означает, что все их комбинации осуществимы, а независимость соответствует воз­можности установления фактора на любом уровне независимо от уровней других.

При проведении машинного эксперимента с моделью для оценки некоторых характеристик процесса функционирования ис­следуемой системы S экспериментатор стремится создать такие условия, которые способствуют выявлению влияния факторов, на­ходящихся в функциональной связи с искомой характеристикой.

Для этого необходимо: отобрать факторы , влияющие на искомую характеристику, и описать функциональную зависимость; установить диапазон изме­нения факторов ; определить координаты то­чек факторного пространст­ва , в которых следует проводить экспери­мент; оценить необходимое число реализаций и их поря­док в эксперименте.

Свойства объекта иссле­дования, т. е. процесса ма­шинного моделирования си­стемы S , можно описывать с помощью различных мето­дов (моделей планирова­ния). Для выбора конкрет­ной модели необходимо сформулировать такие ее особенности, как адекватность, содержательность, простота и т. д. Под содержательностью модели планирования понимается ее способность объяснять множе­ство уже известных фактов, выявлять новые и предсказывать их дальнейшее развитие. Простота — одно из главных достоинств мо­дели планирования, выражающееся в реализуемости эксперимента на ЭВМ, но при этом имеет место противоречие с требованиями адекватности и содержательности.

Для экстремального планирования экспериментов наибольшее применение нашли модели в виде алгебраических полиномов. Пред­полагаем, что изучается влияние k количественных факторов , на некоторую реакцию η в отведенной для эксперимен­тирования локальной области факторного пространства G , ограни­ченной, (рисунок для случая k =2). Допустим, что функцию реакции можно с некоторой степенью точности представить в виде полинома степени d от k переменных

,

который содержит коэффициентов.

В рамках выбранной модели планирования в виде алгебраичес­ких полиномов строится план эксперимента путем варьирования каждого из факторов на нескольких уровнях q относи­тельно исходной точки, представляющей центр экспери­мента.

Виды планов экспериментов. Эксперимент, в котором реализуют­ся все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПФЭ). Если выбранная модель плани­рования включает в себя только линейные члены полинома и их произведения, то для оценки коэффициентов модели используется план эксперимента с варьированием всех k факторов на двух уровнях, т. е. д=2. Такие планы называются планами типа 2, где N=2 — число всех возможных испытаний.

Начальный этап планирования эксперимента для получения ко­эффициентов линейной модели основан на варьировании факторов на двух уровнях: нижнем и верхнем — симметрично расположенных относительно основного уровня ,. Геомет­рическая интерпретация показана на рисунке а.

Так как каждый фактор принимает лишь два значения то для стандартизации и упрощения записи условий каждого ис­пытания и обработки выборочных данных эксперимента масштабы по осям факторов выбираются так, чтобы нижний уровень соответ­ствовал -1, верхний +1, а основной — нулю. Это легко до­стигается с помощью преобразования вида

, где ,

где — кодированное значение i-гo фактора; — натуральное зна­чение фактора; — нулевой уровень; — интервал варьирования фактора.

Расположение точек для ПФЭ типа показано на рисунке б. Выписывая комбинации уровней факторов для каждой экспериментальной точки квадрата, получим план D полно­го факторного эксперимента типа .

При этом планы можно записывать сокращенно с помощью условных буквенных обозначений строк. Для этого порядковый номер фактора ставится в соответствие строчной букве латинского алфавита: и т. д.

Таблица 3.1

Номер испытания

1

2

3

4

-1

+1

-1

+1

-1

-1

+1

+1

Обозначения строк

(1)

a

b

ab

Затем для каждой строки плана выписываются латинские буквы только для факторов, находящихся на верхних уровнях; испытание со всеми факторами на нижних уровнях обозначается как (1). Запись плана в буквенных обозначениях показана в последней строчке.

Геометрическая интерпретация ПФЭ приведена на рисунке, а его план ниже:

Таблица 3.2

Номер испытания

1

2

3

4

5

6

7

8

-1

-1

-1

-1

+1

+1

+1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

+1

-1

+1

-1

+1

-1

+1

Обозначения строк

(1)

c

b

bc

a

ac

ab

abc

Полный факторный эксперимент дает возможность определить не только коэф­фициенты регрессии, соответствующие линейным эффектам, но и коэффициенты регрессии, соответствующие всем эффектам взаимодействия. Эффект взаимодейст­вия двух (или более) факторов появляется при одновременном варьировании этих факторов, когда действие каждого из них на выход зависит от уровня, на которых находятся другие факторы.

Для оценки свободного члена и определения эффектов вза­имодействия план эксперимента D расширяют до матрицы планирования X путем добавления соответствующей «фик­тивной переменной»: единичного столбца и столбцов произведе­ний, как показано, например, для ПФЭ типа в таблице 3.2

Таблица 3.3

Номер испытания

План ПФЭ

*

*

*

**

Реакция У

1

+1

-1

-1

-1

+1

+1

+1

-1

2

+1

-1

-1

+1

+1

-1

-1

+1

3

+1

-1

+1

-1

-1

+1

-1

+1

4

+1

-1

+1

+1

-1

-1

+1

-1

5

+1

+1

-1

-1

-1

-1

+1

+1

6

+1

+1

-1

+1

-1

+1

-1

-1

7

+1

+1

+1

-1

+1

-1

-1

-1

8

+1

+1

+1

+1

+1

+1

+1

+1

Как видно из рассмотренных планов экспериментов типов и, количество испытаний в ПФЭ значительно превосходит число определяемых коэффициентов линейной модели плана эксперимен­та, т. е. ПФЭ обладает большой избыточностью и поэтому возника­ет проблема сокращения их количества.

Рассмотрим построение планов так называемого дробного фак­торного эксперимента. Пусть имеется простейший полный факторньй эксперимент типа . Используя матрицу планирования, приве­денную в табл. 3.4, можно вычислить коэффициенты и представить результаты в виде уравнения

Таблица 3.4

Номер испытания

План ПФЭ

()*

Реакция У

1

+1

-1

-1

+1

2

+1

-1

-1

+1

3

+1

-1

+1

-1

4

+1

-1

+1

-1

Если в выбранных интервалах варьирования уровня процесс можно описать линейной моделью, то достаточно определить три коэффициента:и . Таким образом, остается одна степень свободы, которую можно использовать для минимизации числа испытаний. При линейном приближении и вектор-столбец (табл. 3.4) можно использовать для нового фактора . Поста­вим в табл. 3.4 этот фактор в скобках над взаимодействием . В этом случае раздельных оценок, которые имели место в ПФЭ типа 2, уже не будет и оценки смещаются следующим образом: при постулировании линейной модели все парные взаимодейст­вия не учитывают. Таким образом, вместо восьми испытаний в пол­ном факторном эксперименте типа необходимо провести только четыре. Правило проведения дробного факторного эксперимента формулируется так: для сокращения числа испытаний новому фак­тору присваивается значение вектор-столбца матрицы, принадлежа­щего взаимодействию, которым можно пренебречь.

При проведении эксперимента из четырех испытаний для оценки влияния трех факторов пользуются половиной ПФЭ типа , так называемой «полурепликой». Если приравнять и , то мож­но получить вторую «полуреплику». Для обозначения дробных реплик, в которых d линейных эффектов приравнены к эффектам взаимодействия, пользуются условным обозначением . Напри­мер, «полуреплика» от записывается в виде , а «четвертьреплика» — .

Когда модель планирования анализируется методами дисперси­онного анализа, применяют планы дисперсионного анализа. Если при постановке эксперимента реализуются все возможные совокуп­ности условий, то говорят о полных классификациях дисперсион­ного анализа. Если проводится сокращение перебора вариантов — это неполная классификация дисперсионного анализа. Сокращение перебора может проводиться случайным образом (без ограничения на рандомизацию) или в соответствии с некоторыми правилами (с ограничениями на рандомизацию). Чаще всего в качестве таких планов используют блочные планы и планы типа латинского квад­рата.

ОБРАБОТКА МАШИННЫХ ЭКСПЕРИМЕНТОВ С МОДЕЛЯМИ СИСТЕМ

Для экстремального планирования экспериментов наибольшее применение нашли модели в виде алгебраических полиномов. Пред­полагаем, что изучается влияние k количественных факторов , на некоторую реакцию η в отведенной для эксперимен­тирования локальной области факторного пространства G , ограни­ченной, . Допустим, что функцию реакции можно с некоторой степенью точности представить в виде полинома степени d от k переменных

, (4.1)

который содержит коэффициентов.

Соотношение (4.1) может быть представлено как

, (4.2)

где — вектор с элементами , входящими в исходный полином;

— вектор коэффициентов, которые соответственно имеют такой вид:

.

Введем фиктивную переменную , а также переменные

,

.

Тогда (4.1) запишется как однородное линейное уравнение вида

, (4.3)

где .

Для оценки коэффициентов в (4.3) можно применить методы линейной регрессии.

Аппроксимация полиномов второго порядка функции реакции в однофакторной модели планирования может быть представлена в виде:

.

Более сложные объекты требуют применения полиномиальных моделей плани­рования большего порядка. Так, модель второго порядка в k-факторном эксперимен­те будет иметь вид:

.

На практике часто стремятся к использованию линейной модели планирования, преобразуя исходные полиномиальные модели. Например, модель второго порядка

может быть преобразована к линейному виду путем введения фиктивных переменных . Тогда в результате получается модель множественной линейной регрессии вида

.

Функция реакции может иметь и более сложную зависимость от факторов. В этом случае некоторые из них удается привести к ли­нейному виду. Такими моделями являются мультипликативная, регрессионная, экспоненциальная и др.

Если выбрана модель планирования, т. е. выбран вид функции и записано ее уравнение, то остается в отведенной для исследования области факторного пространства G спланиро­вать и провести эксперимент для оценки числовых значений кон­стант (коэффициентов) этого уравнения.

Так как полином (4.2) или (4.3) содержит коэффициентов, подлежащих определению, то план эксперимента D должен содержать по крайней мере различных экспериментальных точек:

,

где — значения, которые принимает i переменная в u-м испыта­нии,, .

Реализовав испытания в N точках области факторного простран­ства, отведенной для экспериментирования, получим вектор наблю­дений, имеющий следующий вид:

где — реакция, соответствующая u-й точке плана , .

При незначительном влиянии неуправляемых входных перемен­ных и параметров по сравнению с вводимыми возмущениями упра­вляемых переменных в планировании эксперимента предполагается верной следующая модель:

,

где — ошибка (шум, флуктуация) испытания, которая предпола­гается независимой нормально распределенной случайной величи­ной с математическим ожиданием и постоянной диспер­сией .

Выписав аналогичные соотношения для всех точек плана получим матрицу планирования

размерностью .

Рассмотрим особенности планирования эксперимента для линей­ного приближения поверхности реакции, причем построению плана предшествует проведение ряда неформализованных действий (при­нятие решений), направленных на выбор локальной области фак­торного пространства G (рис. 4.1).

Вначале следует выбрать границы и области определе­ния факторов, задаваемые исходя из свойств исследуемого объекта, т. е. на основе анализа априорной информации о системе S и вне­шней среде Е. Например, такая переменная, как температура, при термобарических экспериментах принципиально не может быть ни­же абсолютного нуля и выше температуры плавления материала, из которого изготовлена термобарокамера.

После определения области G необходимо найти локальную подобласть для планирования эксперимента путем выбора основ­ного (нулевого) уровня и интервалов варьирования .

В качестве исходной точки выбирают такую, которая соот­ветствует наилучшим условиям, определенным на основе анализа априорной информации о системе S, причем эта точка не должна лежать близко к границам области определения факторов и . На выбор интервала варьирования , накладываются естественные ограничения снизу (интервал не может быть меньше ошибки фиксирования уровня фактора, так как в противном случае верхний и нижний уровни окажутся неразличимыми) и сверху (верхний и нижний уровни не должны выходить за область опре­деления G).

В рамках выбранной модели планирования в виде алгебраичес­ких полиномов строится план эксперимента путем варьирования каждого из факторов на нескольких уровнях q относи­тельно исходной точки , представляющей центр экспери­мента.

После проведения машинного эксперимента необходимо определить коэффициенты

алгебраического полинома, представляющего собой модель планирования. Для достижения этой цели можно воспользоваться методами матричной алгебры. Матрица- столбец коэффициентов полинома определяется по формуле:

,

где В – матрица-столбец коэффициентов полинома; Х – матрица планирования эксперимента; – транспонированная матрица планирования эксперимента; У – матрица-столбец реакции исследуемой системы.

Если принять во внимание, что матрица планирования двухуровневого плана первого порядка с эффектами взаимодействия является ортогональной, что говорит о независимости всех факторов, то коэффициенты полинома могут быть определены по формуле: .

Полученный полином позволяет определить оптимальные области значений факторов исследуемого объекта. Для этой цели могут быть использованы как аналитические так и поисковые методы. Из аналитических методов можно воспользоваться определением частных производных по всем факторам и приравнивания их к нулю. Из решения полученной системы уравнений определятся оптимальные значения факторов.

Из поисковых методов можно воспользоваться одним из градиентных методов, позволяющих с помощью ЭВМ достаточно быстро определить область оптимальных значений факторов

ПРИЛОЖЕНИ Е 1

ЯЗЫК ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ GPSS

1 ФУНКЦИОНАЛЬНАЯ СТРУКТУРА GPSS

Система GPSS ориентирована на класс объектов, процесс функционирования которых можно представить в виде множества состояний и правил перехода из одного состояния в другое, определяемых в дискретной пространственно-временной области. Примерами таких объектов являются вычислительные системы, сети ЭВМ, системы передачи сообщений, транспортные объекты, склады, магазины, предприятия и т.п. В качестве формальных моделей таких объектов используют системы массового обслуживания, автоматы, стохастические сети, сети Петри и макросети, агрегаты и т.п.

В состав GPSS входят следующие типы объектов: транзакты, блоки, списки, устройства, памяти, логические ключи, очереди, таблицы, ячейки, функции, переменные. Любую модель на языке GPSS можно представить в виде комбинации компонентов, взятых из числа названных объектов. Модель имеет три уровня представления:

— верхний уровень, определяемый комбинацией основных функциональных объектов:
устройств, памятей, ключей, очередей;

средний уровень, представляемый схемой из типовых блоков, между которыми
перемещаются транзакты;

— нижний уровень — уровень физической реализации языка GPSS в виде программ и наборов данных, составляющих основу моделирующей системы.

1.1 БЛОКИ

Разработчик конструирует модель из блоков, прибегая, как правило, к наглядной форме ее отображения в виде блок-схемы. Для удобства графического представления модели каждый блок GPSS имеет принятое стандартное обозначение. Построенная схема является одновременно программой на языке GPSS. Для ее ввода в ЭВМ необходимо последовательность блоков представить в виде списка операций, добавив к названиям блоков требуемые операнды.

Каждый блок GPSS имеет входы и выходы, с помощью которых осуществляется их связь в модели. Существуют два особых блока: GENERATE, имеющий только выход, и TERMINATE, имеющий только вход. Через блок GENERATE транзакты вводятся в модель. Блок TERMINATE удаляет транзакты из модели. Любую модель на языке GPSS можно представить в виде совокупности блоков (рис. 1.1).

Ниже дано описание основных функциональных объектов GPSS. GENERATE

Блоки модели

TERMINATE

1.2 ТРАНЗАКТЫ

Функционирование объекта отображается в модели в виде перемещения транзактов от блока GENERATE в блок TERMINATE через промежуточные блоки. Транзакты, или сообщения являются абстрактными подвижными элементами, которые могут моделировать различные объекты реального мира: сообщения, программы, транспортные средства, людей и т.п. Перемещаясь между блоками модели, транзакты вызывают (и испытывают) различные действия. Возможны их задержки в некоторых точках модели, изменения маршрутов и направлений движения, расщепление транзактов на несколько копий и т.п. С каждым транзактом связан упорядоченный набор данных. Он включает номер транзакта; номер блока, в котором в данный момент находится транзакт; номер следующего блока; время перехода в следующий блок; приоритет, характеризующий очередность обработки транзактов в определенных случаях; а также набор параметров, с помощью которых каждому транзакту можно присвоить числовые значения, выражающие желаемые свойства или характеристики моделируемых объектов: вес, скорость, объем, цвет, время обработки и т.п.

Все объекты GPSS имеют числовые характеристики, называемые стандартными числовыми атрибутами (СЧА). Транзакты имеют четыре СЧА:

PR1 — приоритет;

Р$j — параметр с номером j;

M$l — время прохождения транзактом участка модели;

MP$j — промежуточное время, записываемое в параметре ;

X$j — номер транзакта.

Блоки, влияющие на атрибуты транзактов и на их движение в модели:

В GPSS/PC существует ряд блоков, с помощью которых можно изменить значение параметров транзактов. Блок ASSIGN модифицирует значение параметра транзакта, входящего в этот блок. Блок INDEX изменяет значение параметра номер 1. Блок INCREMENT увеличивает значение параметра, блок DECREMENT уменьшает величину параметра.

Блок MARK записывает в указанный им параметр текущее значение таймера абсолютного времени или, если параметр не указан, заменяет значение отметки времени на текущее значение таймера.

С помощью блока USING осуществляется доступ текущего транзакта к параметрам другого транзакта модели. Блок LOCATE определяет и записывает в параметр текущего транзакта номер блока, в который должен войти определенный транзакт. Пересылка транзакта в требуемую точку модели осуществляется блоком TRANSFER. Блок TEST, проверяя выполнение определенного условия, может также направлять транзакты в заданную точку модели, если условие не выполняется. В этом его действия аналогичны блоку GATE. Для организации в модели циклов используют блок LOOP, с помощью которого можно предусмотреть многократное прохождение транзактом заданной цепочки блоков.

Изменение приоритета транзакта осуществляет блок PRIORITY. Блок BUFFER возобновляет просмотр списка текущих событий и используется, как правило, в качестве режима блока PRIORITY.

С помощью блоков TRACE и UNTRACE осуществляют трассировку движения транзактов в модели.

При этом по каждому транзакту выводятся данные следующего вида:

ТРАНЗ 1 ИЗ 2 В 3 ВРЕМЯ 54 TERMINATIONS TO GО 1, которые означают: транзакт номер 1 выходит из блока 2 в блок 3 в момент времени 54 единиц, значение счетчика завершений равно I (см. 2.1.32, 2.3.6)

1.3 СПИСКИ

Списки относятся к элементам внутренней организации системы GPSS. Они представляют собой структуры данных, в которых размещается полная информация о транзактах. С помощью списков обеспечивается внутренняя логика работы моделирующей системы.

Список будущих событий содержит транзакты, которые смогут начать движение в модели в будущие моменты времени. Это те транзакты, для которых моменты начала движения определены в блоках GENERATE и ADVANCE.

В список текущих событий входят транзакты, которые должны перемещаться в модели в текущий момент модельного времени. Если при этом транзакт входит в блок ADVANCE с ненулевым временем задержки, то он перемещается в список будущих событий.

В список прерываний помещаются транзакты, обслуживание которых прервано блоком PREEMPT. После снятия прерывания в блоке RETURN транзакты вновь возвращаются в список будущих событий. На рис. 1.2 представлена структура списка GPSS/PC.

В список синхронизации помещаются транзакты, ожидающие объединения с другими транзактами в блоках GATHER и ASSEMBLE или находящиеся в блоках MATCH. После выполнения условий синхронизации транзакты возвращаются в список текущих событий. Кроме рассмотренных списков, обработка которых происходит без участия программиста, в GPSS/PC существуют списки пользователя, управление которыми осуществляется с помощью блоков LINK и UNLINK. Списки пользователя имеют стандартные числовые атрибуты, к которым можно обращаться внутри модели:

CH$j — текущее число транзактов в списке j;

CA$j — среднее число транзактов в списке j;

CM$j — максимальное число транзактов в списке];

CC$j — общее число входов транзактов в список];

CT$j — среднее время пребывания транзакта в списке j.

Процедура просмотра списка текущих событий :

Процесс движения транзактов в модели сопровождается просмотром содержимого списков, внесением в них изменений, а также перемещением транзактов из одного списка в другой.

Транзакты, находящиеся в списке текущих событий, расположены в порядке убывания приоритетов. Когда транзакт вводится в список текущих событий, он становится последним среди транзактов, имеющих тот же приоритет. Процедура просмотра списка текущих событий выполняет три основные действия:

2. 1. Изменение момента условного времени. При этом момент времени устанавливается равным наименьшему времени выхода из блока для транзактов. находящихся в списке будущих событий. Все транзакты, имеющие такое время выхода, переводятся из списка будущих событий в список текущих событий;

3. Последовательный просмотр транзактов от начала списка к его концу
с целью определения возможностей движения их в модели;

4. Попытка продвижения транзакта в последующие блоки. Если транзакт
может войти в следующий блок, выполняется программа, соответствующая данному
блоку. Если дальнейшее движение транзакта невозможно в силу тех или иных
условий, процедура переходит к обработке следующего транзакта. Так до тех пор, пока дальнейшее продвижение любого транзакта станет невозможным. Тогда осуществляется изменение момента условного времени, и процедура повторяется сначала.

1.4 УСТРОЙСТВА

Устройства моделируют объекты, в которых может происходить обработка транзактов. Как правило, она связана с затратами времени. Особенность устройств состоит в том, что каждое из них в данный момент времени может быть занято лишь одним транзактом. Существует аналогия между устройствами GPSS и каналами систем массового обслуживания. В GPSS имеется возможность моделировать прерывания устройств. Существуют средства логической проверки состояния устройств. Каждое из действий с устройством отображается в модели определенным блоком.

Захват и освобождение устройства моделируются соответственно блоками SEIZE и RELEASE. Для проверки состояния устройств используют GATE. Прерывание моделирует блок PREEMPT, снятие прерывания — блок RETURN.

С устройствами связаны следующие СЧА:

F$j — состояние устройства с номером j: 0 — если устройство свободно, и 1 — если устройство занято;

FR$j — коэффициент использования устройства];

FC$j — число входов в устройство j;

FT$j — среднее время использования устройства] одним транзактом.

Устройства имеют также стандартные логические атрибуты (СЛА), каждый из которых может принимать одно из двух значений: „ИСТИНА“ или „ЛОЖЬ“.

U — устройство занято;

NU — устройство свободно;

I — устройство прервано;

N1 — не прервано.

Проверка состояния устройства осуществляется блоком GATE, который в зависимости от значения проверяемого СЛА либо беспрепятственно пропускает транзакты (если СЛА = „истина“), либо задерживает их или направляет по другому маршруту (если СЛА = „ложь“).

1.5 ПАМЯТИ

Памяти служат для моделирования объектов, обладающих определенной емкостью. Памяти моделируются блоками ENTER и LEAVE. Входящий в блок ENTER транзакт занимает определенную часть памяти. При входе транзакта в блок LEAVE память освобождается. Емкость памяти задают с помощью оператора STORAGE, который не является блоком GPSS и относится к числу служебных карт.

Памяти имеют следующие стандартные числовые атрибуты:

S$j — емкость памяти j;

R$j — свободный объем памяти j;

SR$j — коэффициент использования памяти];

SM$j — максимальное заполнение памяти];

SA$j — среднее заполнение памяти j;

SC$j — число входов в память j;

ST$j — среднее время пребывания транзакта в памяти j.

Памяти имеют также стандартные логические атрибуты, которые используются для проверки состояния памяти:

SE$j — память j пуста;

SNE$j — память j не пуста;

SF$j — память j заполнена;

SNF$j — память j не заполнена.

Проверка состояния памяти осуществляется блоком GATE.

1.6 ЛОГИЧЕСКИЕ КЛЮЧИ

Для представления в модели коммутируемых объектов с двумя состояниями (»ВКЛЮЧЕНО" — «ВЫКЛЮЧЕНО») используют логические ключи, моделируемые блоками LOGIC и GATE. При входе транзакта в блок LOGIC происходит срабатывание соответствующего ключа. Ключ может быть включен (S), выключен (R) или переключен (I). Ключи не имеют СЧА. Их состояние определяется стандартными логическими атрибутами:

LS$j — ключ] включен;

LR$j — ключ j выключен.

Проверка состояния ключа осуществляется блоком GATE.

1.7 ОЧЕРЕДИ

Транзакты в процессе движения могут задерживаться перед блоками, вход в которые в данных условиях невозможен. Примерами таких блоков из числа рассмотренных выше являются SEIZE (если ранее вошедший в этот блок транзакт не вошел в блок RELEASE), ENTER (если текущий объем памяти равен первоначально заданному), GATE (если в этом блоке не указан альтернативный выход и проверяемое условие не выполняется). При поступлении транзактов на вход задерживающих блоков образуются очереди. Для сбора статистики об очередях в местах задержки ставят блоки QUEUE. Эти блоки сами по себе не создают очередь, а лишь являются средством ее регистрации. При входе транзакта в блок QUEUE текущая длина очереди получает приращение. Уход из очереди отображается блоком DEPART.

Очереди имеют следующие стандартные числовые атрибуты:

Q$j — текущая длина очереди j;

QM$j — максимальная длина очереди j;

QA$j — средняя длина очереди j;

QC$j — число входов в очередь j;

QZ$j — число входов в очередь с нулевым временем пребывания (транзакт

прошел через блок QUEUE, не задерживаясь в очереди);

QT$j — среднее время пребывания в очереди], включая нулевые входы;

QX$j — среднее время пребывания в очереди], без нулевых входов.

1.8 ТАБЛИЦЫ

Для сбора статистических данных о различных отчетах модели и их представления в стандартной табличной форме используют таблицы. Занесение информации в таблицу осуществляется блоком TABULATE в момент входа очередного транзакта в этот блок. Описание структуры таблицы и типа заносимых данных (СЧА) осуществляется картой TABLE.

Стандартные числовые атрибуты таблиц:

TB$j — среднее значение фиксируемой в таблице переменной;

TC$j — число входов в таблицу];

TD$j — стандартное среднеквадратическое отклонение табулируемой переменной.

1.9 ЯЧЕЙКИ

Для записи в процессе моделирования текущих значений СЧА используют ячейки. Занесение информации в ячейку осуществляет блок SAVEVALUE. При входе транзакта в этот блок требуемое значение СЧА фиксируется в ячейке, номер которой определяется операндом блока SAVEVALUE. Ячейки имеют различные форматы (слово, полуслово, с плавающей точкой), которым соответствуют следующие СЧА:

Х$] — текущее значение, записанное в ячейке j формата слово;

XH$j — текущее значение, записанное в ячейке j формата полуслова;

XL$j — содержимое ячейки с плавающей точкой.

Изменение содержимого ячеек может осуществляться блоками SDECREMENT и SINCREMENT. Блок SDECREMENT вычитает заданное значение из величины, содержащейся в ячейке. Блок SINCREMENT добавляет требуемое приращение к содержимому ячейки.

1.10 ФУНКЦИИ И ПЕРЕМЕННЫЕ

Функции служат для отображения зависимостей между двумя (СЧА. В GPSS/PC имеется два типа функций: непрерывные (С) и дискретные (D). Функцию задают набором пар точек — координат. Непрерывная функция воспроизводится в виде ломаной кривой, отрезки которой соединяют соседние точечные значения.

Дискретная функция имеет вид ступенчатой кривой. На рис. 1.3 представлены непрерывная (а) и дискретная (б) функции, соответствующие одному и тому же набору точек ,; ,; ,; ,, где X означает аргумент, а Y — значение функции.

Функцию описывают картой FUNCTION. За ней помещают одну или несколько карт, содержащих координатные точки.

Карта описания функции задает ее тип, количество пар точек (,) и СЧА, используемый в качестве аргумента. Формат этой карты имеет следующий вид:

НОМЕР FW[CTION] A,B

Где: НОМЕР — номер функции, задаваемый программистом;

А — аргумент (любой СЧА);

В — тип функции.

Тип функции указывают как — для непрерывной и — для дискретной функции, где n — число пар точек (,).

Карты, содержащие точки (,), имеют следующий вид:

,/,/.../,/.../, причем обязательно < <… <...<.

В GPSS/PC существуют также операторы для описания переменных, составляемых из стандартных числовых атрибутов. Целочисленные переменные, а также булевы переменные описывают оператором VARIABLE. Переменные с плавающей точкой

описывают оператором FVARIABLE.

Операторы переменной имеют следующий формат:

ИМЯ VARIABLE SNA(oper)SNA(oper)… (FVARIABLE)

где:

SNA — допустимые стандартные числовые атрибуты;

(орег) — арифметические и логические операции:

"+" — сложить;

"-" — вычесть;

"/" — разделить;

"@" — разделить по модулю;

"()" -скобки;

«1» — логическое «И»;

" " — логическое «ИЛИ»;

"=" — равенство;

«о» — не равно;

"<" — меньше;

">=" — больше чем или равно;

"<=" — меньше чем или равно;

">" — больше.

2 ФОРМАТЫ ОПЕРАТОРОВ GPSS/ PC

Операторы GPSS/PC имеют следующий формат:

Метка______ Операция__ Операнды__; Комментарии

Знак "_" указывает пробел, знак ";" объявляет начало поля комментариев.

Метка, если она имеется, должна начинаться с первой колонки и содержать не более пяти алфавитно-цифровых символов, начинающихся с буквы.

Звездочка (*) в первой колонке означает строку комментариев.

Поле операции содержит название блока или служебного оператора (карты). Это поле может начинаться со второй колонки и должно быть отделено от метки пробелом. Длина поля операции не менее четырех символов (начальные символы блоков или карт).

Поле операндов отделяют от поля операции пробелом. Между операндами должны стоять запятые.

Пример:

^FACILITY DESCRIPTION

FAC SEIZE 1 ;CPU

ADVAN 10,5 ;MSEC

RELEASE 1

MAC TRANSFER 3,FAC

Карты описания таблиц, функций, переменных и памятей должны иметь в поле метки число от 1 до 32767 (2Л 15 — 1) или предварительно определенный символ.

Примеры:

^ ENTITIES DESCRIPTION

1 STORAGE 1280 ;MAIN

4 TABL М1Д10ДО

В полях операндов могут быть использованы следующие обозначения.

Константа — целое число от 1 до 32767 или предварительно определенная последовательность символов.

СЧА $ const -стандартный числовой атрибут, номер которого определяется

константой const.

* const -значение параметра, номер которого определяется константой const

СЧА1*СЧА2 $ const — косвенная адресация с использованием стандартного -числового атрибута 1 (СЧА1), номер которого задан значением стандартного числового атрибута 2 (СЧА2), определяемого константой const.

СЧА%СЧА $ const — косвенная адресация через стандартные числовые атрибуты.

Примеры:

XF*V$2

Содержимое полнословной ячейки, номер которой определяется значением переменной 2.

FN*P$1 Значение функции, номер которой определяется содержимым параметра 1.

ХЩ2 Содержимое полусловной ячейки номер два.

*TERM

Значение параметра, номер которого определен константой TERM. В описательной части программы значение константы TERM должно быть определено оператором EQU, например: TERM EQU 10 при этом *TERM означает содержимое десятого параметра.

Ниже дано полное описание форматов блоков, а также служебных и управляющих операторов GPSS/PC.

2.1 БЛОКИ

2.1.1 ADVANCE (ЗАДЕРЖАТЬ)

ADVANCE — задерживает транзакт.

Формат: ADVA[NCE] A,B

А — среднее время задержки (константа, если В не задано);

В — разброс относительно среднего значения, должен быть меньше или равен А.

Блок ADVANCE моделирует временную задержку транзакта в течение определенного интервала. Значение задержки по умолчанию равно нулю. Если поле В не является FN$, то время задержки является случайным числом, распределенным равномерно на интервале от (А+В) до (А-В). Если поле В является функцией FN$, то время задержки определяется произведением поля А на значение функции в поле В. Функция может быть использована для задания времени задержки с определенным средним значением и отклонением, зависящими от А.

Примеры:

ADVANCE 75

Транзакт будет оставаться в блоке ADVANCE в течение 75 единиц модельного времени.

ADVANCE 12,5

Транзакт будет оставаться в блоке от 7 до 17 единиц времени.

ADVANCE 5,FN$1

Время задержки равно произведению значения функции FN$1 на число пять.

См.также:

GENERATE

2.1.2 ASSEMBLE (СОЕДИНИТЬ )

ASSEMBLE — объединение транзактов, принадлежащих одному семейству (или ансамблю).

Формат: ASSE[MBLE] A

А — число объединяемых транзактов.

Первый транзакт семейства, достигнув блока ASSEMBLE, задерживается в нем до тех пор, пока остальные члены семейства не поступят в этот блок. Когда транзакты, число которых указано в поле А, поступят в этот блок, они будут удалены из модели, а первый прибывший транзакт продолжит движение.

Пример:

ASSEMBLE 3

После того, как 3 транзакта одного семейства войдут в блок, один (первый) выйдет из блока и продолжит движение, остальные будут уничтожены.

См.также:

GATHER

MATCH

SPLIT

2 .1.3 ASSIGN (ПРИСВОИТЬ)

ASSIGN — изменяет значение параметра транзакта.

Формат: ASSI[GN] A,B

А — номер изменяемого параметра (+, -);

В — новое значение параметра.

Если за полем А следует знак "+" или "-", то значение поля В соответственно добавляется или вычитается из А. Если знаки "-" или "+" не указаны, то значение поля В становится текущим значением параметра.

Примеры:

ASSIGN 2,8

Присваивает параметру 2 значение 8.

ASSIGN 3+,V$5

Добавляет значение переменной 5 к параметру 3.

См.также:

DECREMENT INCREMENT

2.1.4 BUFFER (ВОЗОБНОВИТЬ ПРОСМОТР СПИСКА)

BUFFER — возобновляет просмотр списка текущих событий.

Формат: BUFF[ER]

Не имеет операндов.

Останавливает процесс движения транзакта и заново начинает просмотр списка текущих событий. Не связан с временем задержки.

Пример:

BUFFER Возобновляет просмотр списка текущих событий.

См.также:

PRIORITY

2.1.5 DECREMENT (УМЕНЬШИТЬ ЗНАЧЕНИЕ)

DECREMENT — уменьшает значение параметра транзакта.

Формат: DECREMENT] A,B

А — номер изменяемого параметра;

В — значение для вычитания.

Величина, указанная в поле В, вычитается из значения параметра, номер

которого указан в поле А.

Примеры:

DECREMENT 3,7

Вычитается число 7 из значения третьего параметра текущего транзакта.

DECREMENT XH$6,V$4

Значение переменной 4 вычитается из параметра, номер которого задан ячейкой 6 формата полуслово.

См.также:

ASSIGN INCREMENT

2.1.6 DEPART (ПОКИНУТЬ ОЧЕРЕДЬ) DEPART — удаляет транзакт из очереди.

Формат: DEPA[RT] A,B

А — номер (имя) очереди;

В — число удаляемых из очереди элементов.

Удаляет текущий транзакт из очереди, указанной в поле А, и уменьшает содержимое очереди на значение поля В. Транзакт может находиться одновременно в двух различных очередях.

Примеры:

DEPART 5

Текущий транзакт удаляется из очереди 5, а длина очереди уменьшается на единицу.

DEPART P$3,7

Транзакт удаляется из очереди, номер которой определен параметром 3, длина очереди уменьшается на 7 элементов.

См.также:

QUEUE

2.1.7 ENTER (ВОЙТИ В ПАМЯТЬ) ENTER — помещает транзакт в память.

Формат: ENTE[R] A,B

А — имя памяти символическое или числовое;

В — число занимаемых единиц памяти (по умолчанию единица).

Проверяется наличие свободного объема памяти, номер которой определен в поле А. Если имеется свободная память, то транзакт входит в блок ENTER. При этом занятый объем памяти увеличивается на значение поля В. Если транзакт не может войти в блок ENTER, он задерживается в предыдущем блоке.

Примеры:

ЕNTER 1

Войти в память 1, занимая единицу ее объема.

ENTER Р$1ДО

Войти в память, номер которой определяется параметром 1, занимая 10 единиц памяти.

См.также:

LEAVE STORAGE

2.1.8 GATE (ВПУСТИТЬ )

GATE — вспомогательный блок, проверяющий состояния устройств, памятей, логических ключей.

Формат: GATE_R A,B

Внутренний операнд R определяет проверяемое условие в виде стандартного

логического атрибута и может принимать следующие значения:

U — устройство занято;

NU — устройство не занято;

I — устройство прервано;

N1 — устройство не прервано;

SF — память заполнена;

SNF — память не заполнена;

SE — память пустая;

SNE — память не пустая;

LR — ключ выключен;

LS — ключ включен;

М — транзакт находится в состоянии синхронизации;

MN — транзакт не находится в состоянии синхронизации.

Если проверяемое условие для объекта, номер которого определяется полем А, выполняется (СЛА «ИСТИНА»), то транзакт входит в блок GATE. Если условие «ЛОЖЬ», то возможны два случая:

— если поле В задано, то транзакт идет в блок, номер которого указан в поле В;

— если в поле В пробел, то транзакт ждет в предыдущем блоке, пока не
выполнится условие.

Примеры:

GATE_SF 1

Если память номер 1 полна, то транзакт входит в блок GATE, в противном случае ждет ее заполнения.

GATE_NU P$2,MET

Если устройство, номер которого определен параметром Р$2, не занято, то транзакт входит в блок GATE, в противном случае он идет в блок с именем МЕТ.

2.1.9 GATHER (СОБИРАТЬ)

GATHER — накапливает транзакты, являющиеся

членами семейства.

Формат: GATHER_A

А — счетчик транзактов, которые должны быть накоплены.

Транзакты одного семейства задерживаются в блоке GATHER до тех пор, пока их число не станет равным значению поля А. Когда последний транзакт войдет в блок GATHER, все они одновременно выходят из него в том порядке, в котором поступили. Состояние блока GATHER может быть проверено блоком GATE.

Пример:

GATHER 6

Транзакты накапливаются в этом блоке до тех пор, пока в нем не соберутся шесть транзактов из одного семейства, после чего все они смогут продолжать движение.

См.также:

ASSEMBLE

MATCH

SPLIT

2.1.10 GENERATE (ГЕНЕРИРОВАТЬ)

GENERATE — вводит транзакты в модель.

Формат: GENE[RATE] A,B,C,D,E,F,G

А — среднее значение интервала времени;

В — разброс или модификатор среднего значения (по умолчанию ноль);

С — время появления первого транзакта;

D — общее число генерируемых транзактов;

Е — уровень приоритета каждого транзакта; (от 0 до 127, знач. по умолчанию 0);

F — число параметров (по умолчанию 12);

G — тип параметра (F -полнословный,

Н -полусловный -по умолчанию).

Вводит транзакты в модель, посылая их в следующий по порядку блок. Если в поле В не указана функция, то интервал между поступлением транзактов определяется случайным числом, равномерно распределенным в диапазоне от (А-В) до (А+В). Если поле В является функцией (FN$), то этот интервал определяется произведением поля А на значение функции, заданной в поле В.

Примеры:

GENERATE 15,3,25

Генерируются транзакты с интервалом прихода от 12 до 18 единиц времени, первый из которых поступает в момент времени 25 единиц.

GENERATE 5,FN$2,,15

Генерируются транзакты с приоритетом 15, интервалы времени между ними определяются произведением числа 5 на значение функции FN$2.

См.также:

ADVANCE TERMINATE

2.1.11 PREEMPT (ПРЕРВАТЬ )

PREEMPT — переводит устройство в прерванное состояние.

Формат: PREE[MPT] A

А — номер прерываемого устройства.

Транзакт получает в пользование устройство, указанное в поле А, если это устройство не было прервано другим транзактом. Если предьщущий транзакт захватил устройство через блок PREEMPT, текущий транзакт блокируется.

Пример:

PREEMPT P$l

Если устройство, номер которого задан параметром Р1, не было переведено в состояние прерывания, то транзакт, входящий в этот блок, захватывает его.

См.также:

SEIZE

RELEASE

RETURN

2.1.12 PRINT (НАПЕЧАТАТЬ)
PRINT — печатать до семи значений СЧА.

Формат: PRIN[T] SNAI,SNA2,...,SNA7

SNA — любые допустимые стандартные числовые атрибуты.

Печатается список от 1 до 7 СЧА при каждом входе транзакта в этот блок. Значения СЧА не изменяются.

Примеры:

PRINT P$1,P$2,P$3,P$4

Печать значений параметров 1,2,3,4.

PRINT XH$3,XH$4,V$2,FR$8,P$9,P$10

Печать значений ячеек 3 и 4, переменной 2, коэффициента использования прибора 8 и содержимого параметров 9 и 10.

2.1.22. PRIORITY (НАЗНАЧИТЬ ПРИОРИТЕТ)

PRIORITY — изменяет уровень приоритета транзакта.

Формат: PRIOfRITY] A,BUFFER

А — новый приоритет (целое число в диапазоне от 0 до 127); [BUFFER] — указывает возобновление процедуры просмотра списка текущих событий.

Устанавливает приоритет входящему транзакту в соответствии со значением поля А. Если операнд BUFFER отсутствует, продолжается обработка текущего транзакта. Если операнд BUFFER указан, то текущий транзакт помещается в список текущих событий и возобновляется просмотр списка.

Примеры:

PRIORITY 4

Назначить транзакту уровень приоритета 4, попытка продвинуть транзакт в следующий блок.

PRIORITY XF$1,BUFFER

Назначить транзакту приоритет, равный значению ячейки 1, поместить транзакт в список текущих событий и возобновить его просмотр.

См.также:

BUFFER GENERATE

2.1.13 QUEUE (СТАТЬ В ОЧЕРЕДЬ) QUEUE — помещает транзакт в конец очереди.

Формат: QUEU[E] А, В

А — номер очереди (числовое или символьное имя очереди); В — число добавляемых к очереди элементов (по умолчанию 1).

Увеличивает текущее содержимое очереди, указанной в поле А, на значение в поле В. Если поле В не определено, увеличивает содержимое очереди на единицу. Транзакт может находиться в двух различных очередях одновременно.

Примеры:

QUEUE 5

Присоединить транзакт к очереди 5, увеличив ее длину на единицу.

QUEUE P$l,3

Стать в очередь, указанную в параметре 1, и увеличить ее длину на 3.

См.также:

DEPART

2.1.14 RELEASE (ОСВОБОДИТЬ )

RELEASE — освобождает устройство.

Формат: RELE[ASE] A

А — номер устройства (числовое или символьное имя освобождаемого устройства).

Устройство, указанное в поле А, освобождается и становится доступным для других транзактов. Освобождать устройство должен тот же транзакт, который его занимал.

Примеры:

RELEASE 10

Освободить устройство 10.

RELEASE P$2

Освободить устройство, указанное в параметре 2.

См.также:

PREEMPT

RETURN

SEIZE

2.1.15 TABULATE (ЗАНЕСТИ В ТАБЛИЦУ)
TABULATE — заносит значение в таблицу.

Формат: TABULATE] A,B А -номер таблицы;

В — вес, указывающий сколько раз значение должно быть занесено в таблицу (по умолчанию 1).

Транзакты, входящие в блок TABULATE, осуществляют занесение данных в таблицу, указанную в поле А. Поле В определяет весовой фактор, который используется, если данные заносятся во взвешенную таблицу. Описание структуры таблицы осуществляется картой TABLE.

Примеры:

TABULATE 4 Занести значение в таблицу 4 с весом 1 (т.е один раз).

TABULATE P$3,5

Занести наблюдаемую величину с весом 5, т.е 5 раз, во взвешенную таблицу, указанную в параметре.

2.1.16 TERMINATE (ЗАВЕРШИТЬ )
TERMINATE — удаляет транзакт.

Формат: TERMINATE] A

А — величина, вычитаемая из содержимого счетчика завершений (поле А карты

Транзакт удаляется из модели и поступает в пассивный буфер. Если в поле А пробел, воздействия на счетчик завершений не происходит, в противном случае его значение уменьшается на величину, указанную в поле А.

Примеры:

TERMINATE Транзакт удален, но значение счетчика завершений не изменяется.

TERMINATE 2 Значение счетчика завершений уменьшается на 2.

См.также:

GENERATE

2.1.17 TEST (ПРОВЕРИТЬ) TEST — сравнивает два стандартных числовых атрибута.

Формат: TESTj A,B,C

г — внутренний операнд, принимающий значения:

Е — равно;

NE — не равно;

L — меньше чем;

LE — меньше чем или равно;

G — больше чем;

GE — больше чем или равно;

А — стандартный числовой атрибут;

В — стандартный числовой атрибут;

С — номер альтернативного блока.

Значения стандартных числовых атрибутов, указанных в поле А и В, сравниваются отношением, определяемым операндом г. Если условие выполняется, транзакт вводится в блок. Если условие не выполняется и определено поле С, транзакт переходит в указанный блок, если же С не задано, транзакт задерживается в предыдущем блоке.

Примеры:

TEST_E P$1,2,LABEL

Если значение первого параметра равно двум, транзакт войдет в блок TEST и продолжит движение в следующий блок. Если значения не равны, транзакт перейдет в блок с меткой LABEL.

TEST_L FN$2,P$2

Если функция 2 меньше, чем параметр 2, транзакт входит в блок TEST, в противном случае он становится заблокированным.

2.1.18 TRANSFER (ПЕРЕДАТЬ)

TRANSFER - изменяет движение транзакта в модели.

Формат: TRANSFER] A,B,C,D

А — режим передачи (пробел,. ДЬЬЗОТН, Ж, Р, Р1СК,8ВК,81М);

В — следующий блок;

С — следующий блок;

D — значение индекса, используемое в режиме ALL.

Транзакт направляется в блок, определяемый в соответствии с режимом передачи, указанным в поле А.

Режимы передачи поля А:

1. Пробел — транзакт передается в блок, определяемый полем В.

2. "." — статистический режим: в поле А указано десятичное число,

выражающее вероятность перехода в блок С; его дополнение до единицы указывает вероятность перехода в блок В.

3. ALL — транзакт последовательно пытается перейти в блоки, определяемые

значениями В, B+D, B+2D,...,C.

4. BOTH — транзакт последовательно пытается войти в блок В, затем в блок С,

до тех пор, пока один из них станут доступным.

5. FN — функциональный режим: поле В является номером функции;

следующий блок определяется суммой значения этой функции поля С.

6. Р — параметрический режим: поле В является номером параметра;

следующий блок определяется суммой значения этого параметра и поля С.

7. PICK — выборочный режим: блок выбирается с равной вероятностью из

блоков с номерами: В, В+1,..., С.

8. SBR — режим перехода к подпрограмме: номер текущего блока помещается

в параметр, указанный в поле С, а транзакт передается в блок, номер которого указан в поле В.

9. SIM — одновременный режим: проверяется одновременное выполнение условий

беспрепятственного движения транзактов в задерживающих блоках. Если условие выполняется, транэакт передается в следующий блок, в противном случае транзакт переходит на блок С.

Примеры:

TRANSFER ,NEXT Безусловная передача в блок с меткой NEXT.

ТRANSFER .400,FACI,FAC2

С вероятностью 0.6 транзакты будут переданы в блок FACI и с вероятностью 0.4 в блок FAC2,

ПРИЛОЖЕНИЕ А

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Федеральное государственное образовательное учреждение высшего

профессионального образования

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

«МАМИ»

Кафедра автоматики и процессов управления

Курсовая работа защищена с оценкой

(подпись преподавателя, дата)

КУРСОВАЯ РАБОТА

но дисциплине «Моделирование систем»

Вариант №14

Тема: «Разработка модели объекта и оптимизация его функционирования»

Курсовая работа допущена к защите

(подпись преподавателя, дата)

Выполнила ст. группы 8УИ9

Апалькова Елена Александровна

(Ф.И.О.)

Руководитель:

доцент, к. т. н„ Мурачев Е.Г.

(звание, степень Ф.И.О.)

МОСКВА -2010

ПРИЛОЖЕНИЕ Б

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Федеральное государственное образовательное учреждение высшего

профессионального образования

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

«МАМИ»

Кафедра автоматики и процессов управления

ЗАДАНИЕ

на выполнение курсовой работы' по дисциплине

«Моделирование систем»

вариант № 1

Исходные данные:

№ варианта

А

В

1

6

2

0.2

0.8

3

1

Разработка структуры обекта исследования и имитационной модели в виде программы на языке программирования GPSS. Анализ результатов пассивного эксперимента. Расчет критерия для каждой экспериментальной точки. Анализ результатов и выбор оптимального оешения набазе пассивного эксперимента. Составление плана активного эксперимента. Проведение активного эксперимента. Расчет коэффициентов уравнения регрессии с помощью Ехсеl. Запись полученной модели. Разработка программы поиска оптимального решения на алгоритмическом языке Visual Basic. Оценка результатов поиска и результатов сравнительного анализа.

Задание выдано «___»_________2010 г. ___________________________

. (подпись преподавателя)

Задание получил _______________________ __________________

(подпись студента)

еще рефераты
Еще работы по остальным рефератам