Общая схема имитационного моделирования

Выделяя этапы процесса имитационного моделирования, следует помнить о его итеративной природе. Это означает, что последовательность этапов не является строго линейной: возможно одновременное выполнение различных этапов, их пересечение и неоднократный возврат к более ранним этапам.

Выделим следующие этапы имитационного моделирования. 1.

Определение целей, задач и возможностей имитации. 2.

Анализ УДС и построение ее концептуальной модели. 3.

Составление и структуризация имитационной модели. 4.

Програмная реализация имитационной модели. 5.

Анализ и коррекция имитационной модели. 6.

Планирование и проведение имитационных экспериментов. 7.

Обработка и анализ результатов имитации. 8.

Внедрение и сопровождение результатов имитации.

Дадим краткую характеристику перечисленных этапов: специальные вопросы обсуждаются более детально в главах 3 и 4. 1.

Определение целей, задач и возможностей имитации.

Одно из важнейших положений системного анализа заключается в том, что невозможно изучать сложную систему в целом, во всем многообразии ее элементов и связей между ними. Изучение всегда направлено на определенную проблему, связанную с целостной системой.

Цель исследования является внешней по отношению к рассматриваемой системе и определяется текущими или долговременными интересами самого исследователя либо лица (группы лиц), по заказу которого проводится исследование. Основной интерес представляет вторая ситуация, когда ЛПР, распоряжающееся средствами (предприниматель, администратор, государственный служащий и т.п.), обращается к системному аналитику с заказом на решение некоторой практической задачи. Будем в дальнейшем рассматри вать именно такую ситуацию взаимодействия между системным аналитиком и ЛПР.

Как правило, лишь в редких случаях удается ограничиться единственной целью. В результате внимательного анализа почти всегда выявляется несколько целей (например, получить наибольшую прибыль от продажи изделий как можно лучшего качества; добиться выполнения условий природоохранного и социального законодательства с наименьшими затратами; построить дом в кратчайшие сроки с наименьшими затратами и высоким качеством квартир, не нарушая в то же время действующей системы жизнеобеспечения микрорайона, и т.п.). Конечно, цели не должны быть полностью взаимоисключающими (иначе проблема просто не имеет решения), но и возможность строгой постановки проблемы с единственным критерием оптимальности далеко не всегда реальна.

Правильная формулировка цели исследования играет важнейшую роль во всем процессе прикладного системного анализа. Для каждой системы можно потребовать достижения самых различных целей, поэтому уже в начале исследования системный аналитик и Л ГІР должны четко договориться, о какой именно цели (или наборе целей) идет речь, и письменно зафиксировать эту цель в задании на исследование (договоре). В противном случае по окончании исследования может оказаться (и нередко оказывается), что системный аналитик решал не ту задачу, которую имело в виду ЛПР.

Цель исследования (или каждая из набора целей) конкретизируется в виде множества задач, решение которых необходимо и достаточно для достижения цели. Как правило, множество задач имеет иерархическую структуру, и его удобно изображать в виде дерева целей и задач (см., например, рис. 2.2.1).

Другим фактором, обусловливающим выделение рассматриваемой проблемы из всего многообразия связанных с системой аспектов, служат возможности исследователя. К ним относятся теоретические, финансовые, временные и другие возможности.

Теоретические возможности обусловливают те данные и методы исследования, которые исследователь может применить для решения проблемы, опираясь на свои профессиональные знания и опыт. Поскольку никто не может быть специалистом во всех областях деятельности, при анализе сложных разнородных систем приходится формировать междисциплинарный коллектив исследо- CJ

Я

К

а s о я в и ь о

2 4 н о 2

я 3

*

о- г

Ф ^

0

О

U

о

е*

о

я

СО

Я

О

си

а

з

&

%>

&

з

2

&

3

3

ГУ

а

р>

3

*

3

о

м

=5

3

«t

3*

4

3

%

3

Є

о

о

*

5

у

о

а

«

?*,

я

н

о

о

Ф a

* Й ш ч

s S

й CQ О м

с S

о

Q.

*

о.

Достижение наибольшей прибыли предприятия

о

я

я

а>

Я

се

СХ

*

О

О

С

К

О

ЕС

О

о.

а

н

о

а

о

tt

о

X

о

«

о

в

я

ш

a

2

pa

о

С

S

%

V

a?

•s»

f к я сб а *

н 3 сО

СО о ж о ю © о* л н S о, о t- т

сб я

о Рч X

я *- о * а н Я о К « ш г Я сб X а. Я о

>> К

со

? вателей или, по крайней мере, обращаться за консультацией к экспертам.

Финансовые возможности ограничивают использование оборудования, объем экспериментов и наблюдений, количество специалистов и вспомогательного персонала. Легко понять, что стесненность в материальных средствах не способствует энтузиазму исполнителей и успеху исследования, хотя иногда может приводить к неожиданным экономичным решениям.

Любое исследование должно быть выполнено в определенные сроки, от которых существенно зависят масштаб постановки проблемы и глубина ее исследования.

Совокупность всех ограничений может значительно повлиять на реальность достижения цели прикладного системного исследования (и потребовать изменения ее первоначальной формулировки), поэтому имеющиеся в наличии возможности обеих сторон также должны детально обсуждаться перед началом работы и фиксироваться в договоре.

Цели исследования можно подразделить следующим образом: —

описание функционирования системы; —

прогноз функционирования при различных воздействиях; —

поиск наилучшего варианта функционирования.

Описание функционирования системы является базовой целью

любого исследования, в том числе необходимым элементом для достижения целей более высокого порядка (прогноз, оптимизация). Конечно, здесь подразумевается не исчерпывающее описание УДС в целом (что для сложных систем зачастую принципиально невозможно), а описание в рамках уже сформулированной проблемы, т.е. некоторого аспекта функционирования системы. Описание позволяет представить существующее состояние системы (возможно, с учетом прошлых состояний), а также изменение состояния со временем. Описание может быть чисто формальным, например статистическим, а может объяснять механизм функционирования системы (например, стремление к самосохранению или экспансии).

Целью прогноза функционирования является предсказание состояния системы в будущем при различных вариантах внутренних и внешних воздействий на систему. К внутренним воздействиям относятся решения по управлению системой, а к внешним — влияние окружающей систему среды. Например, для предприятия внутренними воздействиями являются решения руководства о распределении полученной прибыли, установлении штатного расписания и найме работников, закупке сырья, организации сбыта и ре кламы и т.д.; внешними воздействиями выступают официальные постановления, действия поставщиков и конкурентов, политическая ситуация и др. Внутренние воздействия всегда являются целенаправленными, так как управление предполагает наличие некоторой цели, а внешние могут быть как целенаправленными (действия поставщиков или конкурентов), так и нецеленаправленными (природные явления). Таким образом, кратко цель прогноза можно еще раз сформулировать как получение ответа на вопрос: «Что будет с системой, если совокупность внутренних и внешних воздействий на нее примет определенные значения?»

Набор значений внутренних (точно известных исследователю) и внешних (известных или некоторым образом оцениваемых) воздействий принято называть сценарием. Множество всех рассматриваемых сценариев образует входные данные для прогноза: каждый сценарий порождает свою траекторию и соответствующее конечное состояние системы.

Поиск наилучшего варианта функционирования прежде всего предполагает указание критерия, в смысле которого можно сказать, что один вариант лучше другого (критерия оптимальности). Как уже отмечалось, для сложных систем редко удается ограничиться единственным критерием оптимальности. Так, к числу критериев оценки функционирования производственного предприятия относятся доход, качество выпускаемой продукции (а с ним и репутация предприятия), условия работы персонала, хорошие отношения с населением и контролирующими органами и многие другие. Иногда один из критериев можно считать основным (например, прибыль предприятия), а остальные рассматривать как ограничения.

Далеко не всегда можно трактовать изучаемую систему как единственный монолитный субъект, с которым связан критерий оптимальности (либо набор таких критериев). В большинстве случаев сложная система содержит множество субъектов, каждый из которых имеет свои интересы и предпочтения, выражаемые различными критериями оптимальности. Так, для предприятия, помимо глобального представления об оптимальности (носителем которого является индивидуальный или коллективный владелец предприятия), существуют представления производственных подразделений, отдельных работников и их групп. Поэтому цель выбора оптимального варианта функционирования системы может включать учет и согласование интересов различных связанных с ней субъектов.

В случае, когда удается сформулировать единственный критерий оптимальности, цель исследования заключается в нахождении множества управляющих воздействий, при котором критерий достигает экстремального значения. Если критериев несколько, то приходится договариваться о том, что понимать под оптимальным решением (проблема принципа оптимальности).

Следует отметить, что при постановке цели прогноза также часто формулируются оценочные показатели качества функционирования системы, значения которых вычисляются для каждого сценария. В этом случае как бы частично решается задача выбора оптимального варианта функционирования (для подмножества вариантов, ограниченного рассматриваемыми сценариями). 2.

Анализ УДС и построение ее концептуальной модели.

Формулировка проблемы исследования позволяет очертить границы объекта, выделив его тем самым из окружающей среды. Следует подчеркнуть, что такое выделение возможно именно в рамках изучаемой проблемы; для иной формулировки проблемы разделение на рассматриваемую систему и окружающую среду также будет иным.

Например, можно взять в качестве изучаемой системы некоторое предприятие в целом (скажем, завод); тогда границы системы определяются территорией завоДїі (возможно, и другими объектами, такими, как филиалы, фирменные магазины и т.п.), а в окружающую среду войдут поставщики, конкуренты, клиенты, местная администрация и т.д. Однако легко представить себе цель исследования, требующую рассмотрения не завода в целом, а некоторой его подсистемы (например, сборочного производства). Тогда сборочное производство становится изучаемой системой, а остальные производства и службы завода — внешней средой.

В соответствии с принципом системной относительности любой элемент сложной системы сам может рассматриваться как система, включающая подсистемы более низких уровней и входящая в состав системы более высокого уровня (надсистемы); выделение конкретного элемента в качестве системы зависит от уровня рассмотрения. Для каждого выбранного уровня, определяемого целью и возможностями исследования, соответствующие внутрисистемные связи считаются более сильными, чем связи системы с окружающей средой.

Роль взаимодействия с окружающей средой также меняется в зависимости от ситуации. В некоторых случаях систему можно считать практически замкнутой и пренебрегать ее связями с внеш ним миром, тогда как в других случаях эти связи имеют существенное значение. Конечно, предположение о замкнутости является более сильным, чем рассмотрение открытой системы, и приводит к более простой модели.

Дальнейший анализ системы в выделенных границах должен привести к формированию списков образующих систему элементов с указанием их состава, связей между элементами, а также процессов, в которых изменяются элементы и связи между ними. Наборы элементов и связей характеризуют структуру системы, а изменение системных показателей в структурных рамках — ее функции.

Возвращаясь к модели водохранилища, можно сказать, что основной характеристикой здесь является величина запаса воды в каждый момент времени t. Границей объекта служит естественная граница водохранилища. Взаимодействие с внешней средой характеризуется величиной притока воды по реке, боковой приточно- стью, осадками, испарением, фильтрацией, водопотреблением и расходом воды через плотину. В качестве входных данных выступают метеорологические и гидрологические данные, а также величины потребностей в воде. В качестве выходных — объемы воды, предназначенной для потребления. Взаимосвязь всех элементов модели описывается логической схемой, приведенной на рис. 2.1.1.

Результатом системного подхода к проблеме является так называемая концептуальная модель. Как следует из названия, концептуальная модель отражает концепцию исследования и определяется его целями и возможностями.

Концептуальная модель содержит: —

описание границ рассматриваемой системы; —

набор элементов системы; —

множество показателей состояния для каждого элемента; —

набор связей между элементами системы (при необходимости — с указанием интенсивностей потоков вещества и энергии); —

перечень происходящих в системе процессов; —

список внутренних и внешних воздействий на систему.

Подчеркнем еще раз, что каждый пункт концептуальной модели включает те и только те элементы, которые соответствуют целям и возможностям исследования. Изучение литературы и беседы со специалистами в данной предметной области позволяют значительно расширить содержание любого из пунктов (причем обычно специалисты активно настаивают на необходимости такого расши рения), но здесь нужно соблюдать меру и оставить часть материала для продолжения исследований, не пытаясь объять необъятное.

Концептуальная модель может быть описана различными средствами: строгих правил и ограничений здесь нет, требуется лишь максимальная ясность изложения. По-видимому, наиболее распространены вербальные (словесные) описания; широко используются различные изобразительные средства (схемы, графики, таблицы, диаграммы и т.п.), позволяющие в наглядной и сжатой форме представить требуемую информацию. Концептуальная модель может включать формализованные элементы (блок-схемы, потоковые модели, математические соотношения и т.п.), что облегчает последующий этап формализации.

Для очень сложных объектов исследования концептуальная модель может строиться в виде многоуровневой системы, верхний уровень которой дает общее представление об объекте, а последующие уровни уточняют и детализируют это представление в различных аспектах. 3.

Составление и структуризация имитационной модели.

Следующим этапом имитационного моделирования является формализация полученной концептуальной модели, ведущая к построению формальной модели. Будем понимать под формальной моделью такую, над которой можно выполнять преобразования по определенным формальным правилам. Общий вид формальной имитационной модели дается соотношениями (1.1.1) —(1.1.2).

Исходным пунктом формализации является задание вектора состояния модели, компоненты которого — это характеристики УДС, выделенные при построении концепутальной модели как базовые, несущие необходимую и достаточную информацию для решения поставленной проблемы.

В модели водохранилища вектор состояния содержит одну компоненту — запас воды в водохранилище в момент времени t. Включение других показателей в вектор состояния излишне, поскольку возможность следить за динамикой этой переменной достаточна для решения поставленной задачи.

В зависимости от цели моделирования вводится так называемое системное время, моделирующее ход времени в реальной УДС.

Различают два типа шкал модельного (системного) времени: равномерную и событийную. Для первого типа характерно введение некоторого постоянного шага Д t изменения времени. В этом случае вектор состояния модели рассматривается в моменты t + kAt, где к — натуральное число. Именно так устроена модель (1.1.1) — (1.1.2).

Можно сказать, что в этом случае каждому моменту реального времени ставится в соответствие момент модельного времени I

”, причем

где А — масштабирующий коэффициент.

Если моделируемый объект изменяется лишь при наступлении некоторого события, а в остальные моменты времени остается без изменений, то пользоваться равномерной шкалой неудобно, поскольку вектор состояния на отрезке времени между двумя событиями остается постоянным. В этом случае отстчет времени в модели лучше вести «по событиям», т.е. каждый последующий момент времени в модели наступает только тогда, когда в ней моделируется наступление некоторого события.

Поясним различие между двумя способами моделирования времени простым примером — моделью процесса окрашивания раствора. В случае, если краситель поступает в раствор непрерывно, интенсивность окраски также изменяется непрерывно и для описания динамики процесса следует использовать равномерную временную шкалу. Если же краситель попадает в раствор отдельными порциями в случайные моменты времени, то интенсивность окраски будет меняться только при поступлении очередной порции и нет смысла рассматривать систему в промежуточные моменты времени, т.е. более удобна событийная шкала времени.

В практике имитационного моделирования существуют типичные случаи, для которых удобный способ моделирования реального времени ясен. Например, для систем массового обслуживания традиционен событийный подход, тогда как в экологических системах изменение времени считается равномерным. При моделировании динамики запаса воды в водохранилище также удобно принять равномерную шкалу времени, причем интервал времени можно выбрать различным: 1 сутки, 5 суток, 10 суток, месяц, год и т.д. Величина временного шага определяется целями и возможностями исследования.

После, а иногда и параллельно с заданием вектора состояния системы и выбором временного шага производится декомпозиция модели и выявление ее блочной конструкции. С этой целью множество переменных модели делится на непересекающиеся подмно жества, в каждое из которых входит группа «однородных» переменных. Чаще всего в один блок включаются переменные, описывающие отдельный процесс, какую-либо подсистему или элемент исходного объекта, группу факторов, имеющих одну и ту же природу (например, климатообусловленные или антропогенные факторы)- В результате декомпозиции модель представляется в виде комплекса взаимосвязанных показателей — блоков, которые взаимодействуют по определенным правилам и в итоге позволяют провести имитационное исследование УДС.

Блочный принцип построения модели имеет целый ряд преимуществ, особенно ощутимых при создании сложных имитационных моделей. Прежде всего, если модель требует значительного объема памяти и машинного времени, то возможности использования такой модели для имитационного эксперимента оказываются весьма ограниченными. Хорошим выходом в этом случае оказывается декомпозиция модели, с тем чтобы программы, реализующие отдельные блоки, работали последовательно и обменивались информацией по тем или иным правилам.

Однако блочная структура имитационных моделей обусловливается не только возможностями вычислительной техники. Создание моделей требует регулярных контактов разработчика со специали- стами-экспертами в соответствующих предметных областях. Блочная структура позволяет полнее использовать знания специалистов в узких областях, не затрудняя взаимопонимания частными проблемами, не имеющими отношения к данному блоку. Кроме того, именно блочный принцип дает возможность при построении имитационной модели устанавливать необходимые пропорции между подробностью моделирования и обеспеченностью информацией. Дело в том, что при исследовании УДС часто отдельные аспекты оказываются менее изученными по сравнению с остальными. Им соответствует меньшее количество информации, худшее качество данных и т.п. В этом случае не имеет смысла особенно скрупулезно разрабатывать «благополучный» блок, т.е. тот, для которого имеются обширные и точные знания; ведь при работе имитационной модели в целом точность и подробность результатов работы такого блока нейтрализуется грубостью расчетов в «неблагополучном» блоке. Поэтому всегда следует соблюдать принцип равноточ- ности блоков в имитационной модели.

Поскольку блоки описывают различные подсистемы, процессы, факторы, то системное время для каждого из них может быть различным. Оно определяется внутренними потребностями блока. Ес ли в блоке описываются «быстрые» изменения, то время исчисляется секундами, часами, сутками (инфильтрация воды в почву, накопление автомобилей перед светофором); если же изменение УДС во времени происходит достаточно медленно (рост дерева, старение оборудования, глобальные изменения климата), то время исчисляется месяцами, годами, десятилетиями и даже столетиями. Однако необходимо позаботиться о том, чтобы в итоге все результаты по отдельным блокам были сведены к единому системному времени, принятому для модели в целом.

Иллюстративная модель водохранилища не настолько сложна, чтобы возникла необходимость ее декомпозиции. Тем не менее возможно отдельно моделировать внешние факторы, определяющие интенсивность потоков формирования запаса воды, поскольку моделирование природных факторов — это достаточно трудоемкая и сложная задача, которая сама по себе представляет интерес и может рассматриваться вне зависимости от проблем управления запасом воды в водохранилище.

После завершения декомпозиции модели следует приступить к разработке отдельных блоков. Для каждого из них: —

уточняются и конкретизируются те гипотезы, которые непосредственно относятся к процессам, аспектам, элементам, формирующим данный блок; —

определяется соответствующее подмножество входных и выходных данных, причем эти данные могут принадлежать как ко множествам «входов» и «выходов» общей модели, так и ко множествам локальных входных и выходных данных других блоков; —

формируется множество параметров; —

формализуются основные законы взаимодействия элементов

блока.

При этом происходит переход от качественных зависимостей концептуальной модели к точным количественным зависимостям и логическим схемам взаимодействия элементов внутри каждого блока. Отметим, что в практике имитации далеко не всегда удается отразить все связи концептуальной модели в виде аналитических функций. Часто приходится вводить эмпирические зависимости, полученные на основе данных натурных наблюдений, в результате обобщения опыта моделирования подобных объектов и т.п. Неоценимую роль на этапе формализации играет экспертная оценка полученных эмпирических зависимостей и параметров. 4.

Программная реализация имитационной модели.

Поскольку неотъемлемым этапом прикладного системного исследования является проведение компьютерных имитационных экспериментов с моделью, то построенная формальная модель должна быть представлена в виде программы для ЭВМ. Программа реализует соответствующий алгоритм исследования: численное решение системы алгебраических или дифференциальных уравнений, задачи оптимизации, переход системы из начального состояния в конечное и т.п.

Программная реализация модели подразумевает решение следующих проблем: —

выбор аппаратных средств; —

выбор программного обеспечения; —

выбор технологии программирования.

Выбор аппаратных средств на практике ограничен в основном наличными возможностями проводящей исследование организации или отдельного исследователя. Существуют задачи, решение которых возможно лишь с использованием мощных супер-ЭВМ (расчет траектории космического корабля, глобальные метеорологические прогнозы, описание процессов в ядерных реакторах и т.п.), однако очень большое число задач, в том числе и связанных со сложными объектами, могут быть решены с помощью мини-ЭВМ или даже персональных компьютеров (особенно рабочих станций). Конечно, приятнее иметь в своем распоряжении более мощный компьютер, и это позволяет решать более широкие классы задач, но иногда ограниченность аппаратных возможностей может оказать благотворное влияние, побуждая глубже вникнуть в задачу и найти более тонкий алгоритм.

В этом смысле ограниченность аппаратных средств можно рассматривать как дополнительное условие задачи, причем оно возникает не только в силу простой нехватки денег, но и для некоторых целей исследования, например разработки обучающих систем для школьников или игр для домашнего пользования, когда нельзя рассчитывать на наличие у пользователя мощных компьютеров.

В состав программного обеспечения входят операционные системы, языки программирования, системы управления базами данных, пакеты прикладных программ и другие инструментальные средства. Выбор инструментального средства в большей мере определяется вкусами и возможностями исследователя, нежели целью исследования, поскольку одна и та же цель может быть достигнута использованием различных инструментальных средств.

С точки зрения моделирования систем языки программирования можно подразделить на две большие группы: универсальные и специализированные. Универсальные языки программирования (Ада, Си, Паскаль, Форт и т.д.) предназначены для реализации произвольных алгоритмов, в то время как специализированные языки (GPSS, Simula, SLAM и др.) ориентированы на исследование определенных классов систем (систем массового обслуживания, управления процессами, динамических систем и т.д.). Этим объясняются преимущества и недостатки обеих групп языков: универсальные языки позволяют написать любую программу, но для некоторых классов задач более эффективны специализированные языки. Выбор специализированного языка моделирования связан с большим числом технических трудностей (необходимость наличия транслятора с этого языка, знания языка программистами и т.п.), поэтому он может быть рекомендован в случаях, когда предполагается исследовать только один четко определенный класс задач и высоки требования к эффективности; в остальных случаях, видимо, целесообразнее использовать универсальный язык.

Большую пользу могут принести пакеты прикладных программ, предлагающие готовые решения распространенных классов задач (решения систем уравнений и оптимизационных задач различного вида разными численными методами, графического вывода, обработки данных при вводе и т.д.). Правда, бывают ситуации, в которых проще написать программу самому, чем применить существующий пакет, но для сложных систем они все же скорее являются исключением.

При проведении прикладных системных исследований наиболее распространенной и опробованной является структурная технология программирования в ее различных модификациях. Основными принципами структурной технологии являются нисходящее проектирование, пошаговая детализация и сквозной структурный контроль программ [31]. Одной из особенностей структурной технологии выступает модульное (блочное) построение программы, важность которого подчеркивалась выше.

В последнее время завоевывает популярность технология объектно-ориентированного программирования. Разрабатываются специальные объектно-ориентированные языки программирования (C++, Object Pascal, CLOS и др.). Объектно-ориентированная технология также поддерживает модульный принцип построения программы.

Здесь опять-таки выбор технологии является в значительной степени делом вкуса исследователя: плохо только, когда технология вовсе отсутствует. Уверенное владение технологией и последовательное ее применение позволяет существенно упростить и как бы «автоматизировать» решение многих важных технических про блем программирования (тестирование и отладка программ, составление спецификаций, сопровождение и т.д.). 5.

Анализ и коррекция имитационной модели.

Прежде чем использовать построенную имитационную модель, необходимо решить следующие задачи: —

выбрать значения структурных и числовых параметров модели (идентификация); —

убедиться в том, что при этих значениях параметров модель хорошо соответствует моделируемой УДС, адекватно ее описывает (верификация, проверка адекватности).

Проблемы идентификации и верификации имитационных моделей рассматриваются в пункте 3.1. Здесь подчеркнем еще раз, что процесс имитационного моделирования носит итеративный характер. Ситуация, в которой построенная имитационная модель с первого раза удовлетворяет всем требованиям и позволяет сразу решить поставленные перед ней задачи, является исключительной и при решении практических задач практически не встречается. Обычным делом следует считать неоднократные модификации и корректировки модели, лишь «в пределе» приводящие к успеху. 6.

Планирование и проведение имитационных экспериментов.

По сути дела, в имитационном моделировании ЭВМ играет

роль экспериментальной установки, выдающей в ответ на заданные значения управляющих переменных, неконтролируемых факторов и начальных условий траекторию УДС. Поскольку число возможных сочетаний внешних воздействий на УДС даже для конечных множеств U и Е огромно и зачастую просто необозримо, то становится ясной роль планирования имитационных экспериментов. Оно осуществляется на базе общей теории планирования эксперимента с учетом специфики компьютерной имитации [10, 21, 26, 27, 38, 48, 50]; в настоящей работе этой теме посвящен пункт 3.4. 7.

Обработка и анализ результатов имитации.

Как правило, непосредственно получаемые результаты имитации еще не пригодны для решения поставленных задач. Их следует систематизировать, представить в более удобном для последующего анализа виде, предъявить ЛПР и вместе с ним проанализировать. На этой стадии вполне возможно получение отрицательных в смысле адекватности модели результатов, означающее необходимость коррекции модели и возврата к более ранним этапам.

К статистическим методам обработки результатов моделирования относятся: —

фиксация и накопление статистики моделирования; —

определение доверительных интервалов для выходных величин модели; —

выявление функциональной связи между переменными С ПОМОЩЬЮ регрессионного анализа; —

идентификация закона распределения по гистограмме.

Анализ результатов моделирования включает: —

оценку точности имитационного эксперимента; —

уменьшение числа параметров модели; —

определение интервалов изменения параметров; —

определение источников ошибок; —

исключение резко отклоняющихся значений; —

выбор системы координат для представления результатов; —

анализ функции отклика и др. [26]. 8.

Внедрение и сопровождение результатов имитации.

Основным назначением имитационного моделирования УДС является решение практических задач. Поэтому даже после того, как результаты имитации получены, обработаны и успешно интерпретированы ЛПР и экспертами, процесс имитационного моделирования не завершается. Следует обеспечить практическое использование полученных результатов в управлении соответствующей динамической системой, причем нужно позаботиться о том, чтобы полученные результаты: —

могли быть использованы не только для единовременного решения поставленной задачи, но и для многократного решения комплекса проблем, связанных с данной УДС; —

допускали бы распространение на более широкое множество УДС, сходных с данной (тиражирование).

Такая постановка приводит к необходимости обеспечения развития и сопровождения построенной имитационной модели, а также решения ряда организационно-технических задач. Этим вопросам посвящены пункты 3.6 и 4.1 настоящей работы.

<< | >>
Источник: Угольницкий ГЛ.. Управление эколого-экономическими системами. — М.: Вузовская книга. — 132 с.. 1999

Еще по теме Общая схема имитационного моделирования:

  1. 3.4. Основы организации имитационного моделирования Этапы имитационного моделирования
  2. Имитационные модели экономических информационных систем Методологические основы применения метода имитационного моделирования
  3. ГЛАВА 2. ПРОЦЕСС ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
  4. ГЛАВА 3. СПЕЦИАЛЬНЫЕ ВОПРОСЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
  5. § 40.11. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ
  6. Алгоритм имитационного моделирования
  7. Организационные аспекты имитационного моделирования
  8. Информационное обеспечение имитационного моделирования
  9. Раздел IV ПРИМЕР ПРИКЛАДНОГО ИСПОЛЬЗОВАНИЯ МОДЕЛИ СИСТЕМЫ МАРКЕТИНГА В ИМИТАЦИОННОМ МОДЕЛИРОВАНИИ
  10. Структура модели и основные принципы имитационного моделирования
  11. Построение модели водохранилища как пример имитационного моделирования
- Регулирование и развитие инновационной деятельности - Антикризисное управление - Аудит - Банковское дело - Бизнес-курс MBA - Биржевая торговля - Бухгалтерский и финансовый учет - Бухучет в отраслях экономики - Бюджетная система - Государственное регулирование экономики - Государственные и муниципальные финансы - Инновации - Институциональная экономика - Информационные системы в экономике - Исследования в экономике - История экономики - Коммерческая деятельность предприятия - Лизинг - Логистика - Макроэкономика - Международная экономика - Микроэкономика - Мировая экономика - Налоги - Оценка и оценочная деятельность - Планирование и контроль на предприятии - Прогнозирование социально-экономических процессов - Региональная экономика - Статистика - Страхование - Транспортное право - Управление финасами - Финансовый анализ - Финансовый менеджмент - Финансы и кредит - Экономика в отрасли - Экономика общественного сектора - Экономика отраслевых рынков - Экономика предприятия - Экономика природопользования - Экономика труда - Экономическая теория - Экономический анализ -