Uddannelseskonsortium
CENTRAL RUSSISK UNIVERSITET
NOU VPO Tula Institute of Management and Business
Institut for Informationsteknologi
SIMULATIONSMODELLING AF ØKONOMISKE PROCESSER
Forelæsningsnotater til studerende
speciale 080801 - "Anvendt datalogi i økonomi"
Professor ved IT-afdelingen Anatoly Aleksandrovich Ilyin
FOREDRAG 1. EN KORT UDflugt I
SYSTEMANALYSE.
1 COMPUTER KONCEPT
SIMULATIONER 5
1.1 Egenskaber ved komplekse systemer. Kompleks system som objekt for modellering. Anvendt systemanalyse - metode til at studere komplekse systemer 5
1.2 Modeldefinition. Generel klassificering af hovedtyperne af modellering. Computermodellering. Simuleringsmetode 7
1.3 Proceduremæssigt og teknologisk skema til konstruktion og undersøgelse af modeller af komplekse systemer. Grundlæggende modelleringskoncepter 9
1.4 Metode til statistisk modellering på en computer (Monte Carlo-metoden) 12
1.5 Konklusioner. Karakteristiske træk ved modeller af forskellige klasser 13
FOREDRAG 2. METODENS ESSENS
SIMULERING
SIMULATIONER 15
2.1 Simuleringsmodelleringsmetode og dens funktioner. Statisk og dynamisk repræsentation af det simulerede system 15
2.2 Begrebet modeltid. Modeltidsfremmemekanisme. Diskrete og kontinuerlige simuleringsmodeller 17
2.3 Modelleringsalgoritme. Simuleringsmodel 18
2.4 Problemer med strategisk og taktisk planlægning af et simulationseksperiment. Styret beregningseksperiment på en simuleringsmodel 18
2.5 Generelt teknologisk skema for simuleringsmodellering 21
2.6 Muligheder, omfang af simuleringsmodellering 21
FOREDRAG 3. TEKNOLOGISKE TRIN OM OPRETTELSE OG BRUG AF SIMULATIONSMODELLER 23
3.1 Hovedstadier af simuleringsmodellering. Generel teknologisk ordning 23
3.2 Formulering af problemstilling og fastlæggelse af målene for simuleringsundersøgelsen 24
3.3 Udvikling af en konceptuel model af modelleringsobjektet 27
3.4 Formalisering af simuleringsmodellen 29
3.5 Programmering af simuleringsmodellen 31
3.6 Indsamling og analyse af indledende data 31
3.7 Test og undersøgelse af simuleringsmodellens egenskaber 32
3.8 Direkte beregningseksperiment på en simuleringsmodel. Analyse af simuleringsresultater og beslutningstagning 33
FOREDRAG 4. GRUNDLÆGGENDE KONCEPT FOR STRUKTURISERING OG FORMALISERING AF SIMULATIONSSYSTEMER 34
4.1 Metodiske tilgange til at konstruere diskrete simuleringsmodeller 34
4.2 GPSS 35-modelleringssprog
4.2.1 40 år i informationsteknologiens verden 35
4.2.3 Køsystemer 36
4.2.4 GPSS - transaktionsorienteret modelleringssystem 38
4.2.5 Funktionel struktur af GPSS 38
4.3 Samlede modeller 41
4.3.1 Stykkevis lineær enhed 41
4.3.2 Interfacediagram. Aggregationssystem 43
4.3.3 Vurdering af aggregerede systemer som modeller for komplekse systemer 45
4.4 Petri-net og deres forlængelser 45
4.4.1 Beskrivelse af strukturerne i simulerede problemsituationer i form af petrinet 45
4.4.2 Formel og grafisk repræsentation af petrinet 47
4.4.3 Petri-nets dynamik 48
4.4.4 Forskellige generaliseringer og udvidelser af petrinet 50
4.4.5 Modeludviklingsteknologi 51
4.5 Systemdynamikmodeller 52
4.5.1 Generel struktur af systemdynamikmodeller. Indhold af det grundlæggende begreb om strukturering 53
4.5.2 Årsag-og-virkning-diagrammer 59
4.5.3 Modelsystemflowdiagrammer 59
FOREDRAG 5. INSTRUMENTALT
AUTOMATISK VÆRKTØJ
SIMULATIONER 67
5.1 Formål med sprog og modelleringssystemer 67
5.2 Klassificering af sprog og modelleringssystemer, deres vigtigste egenskaber 69
5.3 Modelleringssystemers teknologiske muligheder 70
5.4 Udvikling af systemmodelleringsteknologi 73
5.5 Valg af modelleringssystem 76
FOREDRAG 6. TEST OG FORSKNING AF EN SIMULATIONSMODELS EGENSKABER 77
6.1 En integreret tilgang til afprøvning af en simuleringsmodel 77
6.2 Kontrol af egnetheden af modellen 79
6.3 Verifikation af simuleringsmodellen 81
6.4 Validering af simuleringsmodeldata 82
6.5 Vurdering af nøjagtigheden af simuleringsresultater 83
6.6 Vurdering af stabiliteten af modelleringsresultater 83
6.7 Følsomhedsanalyse af simuleringsmodellen 84
6.8 Taktisk planlægning af et simuleringseksperiment 85
FOREDRAG 7. TEKNOLOGI TIL OPSÆTNING OG UDFØRELSE AF ET DIREKTERET COMPUTINGEXPERIMENT PÅ EN SIMULATIONSMODEL 89
7.2 Hovedformål og typer af databehandling
eksperimenter i simuleringsmodellering 91
7.3 Grundlæggende om teorien om planlægning af eksperimenter.
Grundlæggende begreber: strukturelle, funktionelle og eksperimentelle modeller 93
7.4 Enkeltfaktorforsøgsplan og procedurer til behandling af forsøgsresultater 98
7.5 Faktoranalyse, komplet og fraktioneret faktoreksperiment og matematisk model 100
7.6 Hovedklasser af planer brugt i et beregningseksperiment 108
7.7 Metode for responsoverfladeanalyse. Teknikker til beregning af stejle stigninger 111
REFERENCER 119
FOREDRAG 1. EN KORT UDflugt I
SYSTEMANALYSE.
1 COMPUTER KONCEPT
SIMULERING
1.1 Egenskaber ved komplekse systemer. Kompleks system som objekt for modellering. Anvendt systemanalyse - metode til at studere komplekse systemer
I øjeblikket er begrebet "system" i videnskaben ikke fuldt defineret. Forskere er begyndt at studere komplekse systemer (CS).
I talrige litteratur om systemanalyse og systemteknik er følgende hovedprincipper noteret: ejendommekomplekse systemer:
1 Ejendom: Integritet og delelighed
Et komplekst system betragtes som et integreret sæt af elementer, kendetegnet ved tilstedeværelsen af et stort antal indbyrdes forbundne og interagerende elementer.
Forskeren har den subjektive mulighed for at opdele systemet i delsystemer, hvis funktionsmål er underordnet det generelle mål om hele systemets funktion. (fokussystemer).Fokus tolkes som et systems evne til at udføre adfærd (valg af adfærd) for at opnå et bestemt mål under forhold med usikkerhed og påvirkning af tilfældige faktorer.
Ejendom 2: Tilslutninger.
Tilstedeværelsen af betydelige stabile forbindelser (relationer) mellem elementer og/eller deres egenskaber, der i kraft (styrke) overstiger forbindelserne (relationer) mellem disse elementer og elementer, der ikke er inkluderet i det givne system (eksternt miljø).
Med "forbindelser" mener vi en vis virtuel kanal, hvorigennem stof, energi og information udveksles mellem elementer og det ydre miljø.
3 ejendom: Organisation.
Ejendommen er karakteriseret ved tilstedeværelsen af en bestemt organisation - dannelsen af væsentlige forbindelser af elementer, den ordnede fordeling af forbindelser og elementer i tid og rum. Når der dannes forbindelser, en vis struktur systemer, og grundstoffernes egenskaber omdannes til funktioner(handlinger, adfærd). Når man studerer komplekse systemer, bemærkes normalt følgende: Kompleksiteten af den funktion, som systemet udfører og sigter mod at opnå et givet fungerende mål;
Tilgængelighed af ledelse, et omfattende informationsnetværk og intensive informationsstrømme;
Tilstedeværelsen af interaktion med det ydre miljø og funktion under forhold med usikkerhed og påvirkning af tilfældige faktorer af forskellig karakter.
4. egenskab: Integrative egenskaber.
Eksistensen af integrerende kvaliteter (egenskaber), dvs. sådanne kvaliteter, der er iboende i systemet som helhed, men som ikke er karakteristiske for nogen af dets elementer separat. Tilstedeværelsen af integrative kvaliteter viser, at systemets egenskaber, selvom de afhænger af elementernes egenskaber, ikke er fuldstændigt bestemt af dem.
Eksempler på SS i den økonomiske sfære er talrige: organisatorisk - produktionssystem, virksomhed; socioøkonomisk system, for eksempel region; og osv.
SS som et modelleringsobjekt, har følgende karakteristiske træk:
SS er normalt unikke. Eksisterende analoger af sådanne genstande adskiller sig markant fra hinanden. Den praktiske konsekvens af dette er behovet for at bygge nye modeller.
Svag struktur af teoretisk og faktuel viden om systemet. Da de systemer, der undersøges, er unikke, er processen med at akkumulere og systematisere viden om dem vanskelig. Selve processerne er dårligt undersøgt. Ved identifikation af komplekse systemer er der en stor andel subjektiv ekspertviden om systemet. SS er svagt forudsigelige eller kontraintuitive, som Forrester skrev.
De integrerende kvaliteter af SS diskuteret ovenfor forudbestemmer en vigtig metodologisk konklusion: SS kan ikke reduceres til et simpelt sæt af elementer, der deler SS i separate dele, studerer hver af dem separat, det er umuligt at kende systemets egenskaber som; et hele. Derfor beskrivelse af de enkelte delsystemer skal gøres med under hensyntagen til deres plads i hele systemet som helhed og omvendt,systemet som helhed studeres ud fra individets egenskaberdelsystemer Et af hovedtræk ved komplekse systemer er samspillet mellem udvalgte delsystemer. Det er nødvendigt at tage hensyn til virkningen af et delsystem på et andet og deres interaktion med det eksterne miljø. Forskere bemærker tilstedeværelsen af et stort antal indbyrdes forbundne delsystemer, multidimensionaliteten af SS, på grund af det store antal forbindelser mellem delsystemer, hvilket gør det vanskeligt at identificere de simulerede objekter. Vi bemærker også, at opdelingen af systemet i delsystemer afhænger af målene med at skabe systemet og forskerens syn på det.
Heterogenitet af delsystemer og elementer, der udgør systemet. Dette bestemmes af både naturens mangfoldighed (fysisk heterogenitet af delsystemer med forskellig natur) og heterogenitet af matematiske skemaer, beskriver funktionen af forskellige elementer, samt de samme elementer på forskellige studieniveauer.
Der er behov for at undersøge systemet i dynamik, under hensyntagen til adfærdsmæssige aspekter.
Tilfældighed og usikkerhed af faktorer, opererer i det undersøgte system. At tage disse faktorer i betragtning fører til en skarp komplikation af problemer og øger forskningens kompleksitet (behovet for at opnå et repræsentativt datasæt). Der er behov for at tage højde for en lang række faktorer, der virker i systemet.
Multikriterier vurderinger af processer, der foregår i systemet. Umuligheden af en entydig vurdering (valg af et enkelt generaliseret kriterium) er dikteret af følgende omstændigheder:
tilstedeværelsen af mange delsystemer, som hver især generelt har sine egne mål og vurderes efter sine egne lokale kriterier;
mangfoldighed af indikatorer(med en systematisk tilgang, nogle gange modstridende, i i dette tilfælde vælges en kompromismulighed), der karakteriserer driften af hele systemet;
tilstedeværelsen af uformelle kriterier, der anvendes ved beslutningstagning baseret på beslutningstageres praktiske erfaringer.
Med en systematisk tilgang SS-forskningsprocessen eriterativ karakter. Den originale model er gjort mere kompleks ved at tilføje flere detaljer. Men at skabe en komplet SS-model (supermodel) er ubrugelig, fordi det vil være lige så svært at lære som systemet. Konsekvensen af dette er behovet for at bruge ensemble(sæt) af modeller ved analyse af systemet. Forskellige modeller kan afspejle både forskellige aspekter af systemets funktion og forskellige niveauer af forskerens refleksion af de samme processer.
De overvejede træk ved studiet af komplekse systemer bestemmer behovet for specielle metoder til at konstruere og analysere modeller af komplekse systemer. Traditionelle analytiske modeller er hjælpeløse her.
Metodikken for SS-forskning er systemanalyse. Et af de vigtigste værktøjer til anvendt systemanalyse er computermodellering. Simuleringsmodellering er den mest effektive og alsidige mulighed for computermodellering inden for forskning og kontrol af komplekse systemer.
1.2 Modeldefinition. Generel klassificering af hovedtyperne af modellering. Computermodellering. Simuleringsmetode
Definition 1.Model er en abstrakt beskrivelse af et system (objekt, proces, problem, koncept) i en eller anden form, der er forskellig fra formen for deres virkelige eksistens.
Definition 2.Modellering er en af hovedmetoderne til erkendelse, er en form for refleksion af virkeligheden og består i at tydeliggøre eller gengive visse egenskaber ved virkelige objekter, objekter og fænomener ved hjælp af andre objekter, processer, fænomener eller ved hjælp af en abstrakt beskrivelse i form af et billede, plan, kort, et sæt ligninger, algoritmer og programmer.
Så i modelleringsprocessen er der altid original(objekt) og model, som gengiver (modellerer, beskriver, imiterer) nogle træk ved et objekt.
Modellering er baseret på tilstedeværelsen af en række naturlige og kunstige systemer, der adskiller sig både i formål og fysisk udførelsesform, af lighed eller lighed mellem visse egenskaber: geometriske, strukturelle, funktionelle, adfærdsmæssige. Denne lighed kan være fuldstændig (isomorfi) og delvist (homomorfi).
Modellering har optrådt i menneskelig aktivitet siden klippemaleriets tid og konstruktionen af idoler, dvs. så snart menneskeheden begyndte at stræbe efter at forstå den omgivende virkelighed; -og nu finder videnskabens og teknologiens fremskridt sit mest præcise udtryk i udviklingen af menneskets evne til at skabe modeller af objekter og koncepter.
Mens de udforskede moderne SS, fandt menneskeheden på forskellige modelklasser. Udviklingen af informationsteknologi kan i en vis forstand tolkes som muligheden for at implementere modeller af forskellige typer inden for informationssystemer til forskellige formål: Informationssystemer, Mønstergenkendelsessystemer, Kunstige intelligenssystemer, Beslutningsstøttesystemer. Disse systemer er baseret på modeller af forskellige typer: semantiske, logiske, matematiske osv.
Lad os give en general klassificering af hovedtyper af modellering: konceptuel modellering-repræsentation af systemet ved hjælp af særlige tegn, symboler, operationer på dem eller ved brug af naturlige eller kunstige sprog
fysisk modellering- den modellerede genstand eller proces er reproduceret baseret på lighedsforholdet, der er et resultat af ligheden mellem fysiske fænomener;
strukturel - funktionel modeller er diagrammer (blokdiagrammer), grafer, diagrammer, tabeller, tegninger med særlige regler for deres kombination og transformation;
matematisk (logisk-matematisk) modellering- konstruktionen af modellen udføres ved hjælp af matematik og logik;
simulering (software) modellering- hvor den logisk-matematiske model af det undersøgte system er en algoritme for systemets funktion, implementeret i software på en computer.
Disse typer modellering kan bruges uafhængigt eller samtidigt, i en eller anden kombination (for eksempel i simuleringsmodellering anvendes næsten alle de anførte modelleringstyper eller individuelle teknikker).
Den dominerende tendens i dag er indtrængen af alle typer modellering, symbiosen mellem forskellige informationsteknologier inden for modellering, især til komplekse applikationer og komplekse modelleringsprojekter. For eksempel omfatter simuleringsmodellering konceptuel modellering (i de tidlige stadier af dannelsen af en simuleringsmodel) og logisk-matematisk (herunder kunstig intelligens metoder) - med det formål at beskrive individuelle delsystemer af modellen, samt i procedurer for behandling og analysere resultaterne af et beregningseksperiment og beslutningstagning. Teknologien til at udføre og planlægge et beregningseksperiment med passende matematiske metoder blev introduceret i simulering fra fysisk (fuldskala) modellering. Endelig bruges strukturel-funktionel modellering både til at skabe en stratificeret beskrivelse af multi-modelkomplekser og til at danne forskellige diagrammatiske repræsentationer ved oprettelse af simuleringsmodeller.
Begrebet computermodellering i dag fortolkes bredere end det traditionelle begreb "computermodellering", og har derfor behov for afklaring.
Computer modellering-en metode til at løse problemer med analyse eller syntese af et komplekst system baseret på brugen af dets computermodel.
Computermodellering inkluderer: strukturelt funktionelt,efterligning.
Begrebet "computermodel" forstås oftest som: Et konventionelt billede af et objekt eller et system af objekter (eller processer), beskrevet ved hjælp af indbyrdes forbundne computertabeller, flowcharts, diagrammer, grafer, tegninger, animationsfragmenter, hypertekster osv. og visning af strukturen og relationerne mellem elementerne i objektet. Vi vil kalde computermodeller af denne type strukturel og funktionel; Et separat program (et sæt programmer, en softwarepakke), der gør det muligt ved hjælp af en sekvens af beregninger og grafisk visning af deres resultater at reproducere (simulere) funktionsprocesserne for et objekt, et system af objekter, underlagt påvirkning af forskellige, normalt tilfældige, faktorer på objektet. Vi vil kalde sådanne modeller efterligning.
Essensen af computermodellering er at opnå kvantitative og kvalitative resultater ved hjælp af den eksisterende model. Kvalitative resultater af analysen afslører hidtil ukendte egenskaber ved et komplekst system: dets struktur, udviklingsdynamik, stabilitet, integritet osv. Kvantitative konklusioner har hovedsageligt karakter af en analyse af et eksisterende system eller en prognose for fremtidige værdier af nogle variabler. Muligheden for at opnå ikke kun kvalitative, men også kvantitative resultater er i øvrigt en væsentlig forskel mellem simuleringsmodellering og strukturel-funktionel modellering. Udviklingen af computermodellering er forbundet med simuleringsmodellering. Simuleringsmodellering var historisk set den første i sammenligning med strukturel-funktionel modellering, den eksisterede aldrig uden en computer. Simuleringsmodellering har en række specifikke funktioner.
Computermodelleringsmetoden er systemanalyse(kybernetikkens retning, generel systemteori). Derfor spiller systemanalytikere en dominerende rolle i at mestre denne metode. Lad os sammenligne det med computermodellering (for eksempel matematisk). Det metodiske grundlag her er oftest: Operationsforskning, teorien om matematiske modeller, beslutningsteori, spilteori og mange andre.
Den centrale procedure for systemanalyse er konstruktionenen generaliseret model, der afspejler alle faktorer og sammenhænge i det virkeligesystemer. Emnet for computermodellering kan være ethvert komplekst system, enhver genstand eller proces. Kategorierne af mål kan være meget forskellige. Computermodellen skal afspejle alle egenskaber, hovedfaktorer og sammenhænge i et reelt komplekst system, kriterier og begrænsninger.
Computermodellering tilbyder i dag et sæt metodiske tilgange og udviklede teknologiske værktøjer, der bruges til at forberede og træffe beslutninger af økonomisk, organisatorisk, social eller teknisk karakter.
: Lærebog. godtgørelse / A. ... efterligning modelleringøkonomiskprocesser; kender: teorien om hovedafsnittene efterligningmodelleringøkonomiskprocesser: klassifikation efterligning modeller, generelt...
Simuleringsmodellering er en metode, der giver dig mulighed for at bygge modeller, der beskriver processer, som de ville forekomme i virkeligheden. En sådan model kan "spilles" over tid for både én test og et givet sæt af dem. I dette tilfælde vil resultaterne blive bestemt af processernes tilfældige karakter. Ud fra disse data kan du få nogenlunde stabil statistik.
Relevansen af dette emne ligger i det faktum, at simuleringsmodellering på digitale computere er et af de mest kraftfulde midler til at studere, især komplekse dynamiske systemer. Som enhver computermodellering gør det det muligt at udføre beregningsmæssige eksperimenter med systemer, der stadig er under udformning, og at studere systemer, med hvilke fuldskalaforsøg, på grund af sikkerhedshensyn eller høje omkostninger, ikke er tilrådelige. Samtidig er denne forskningsmetode, på grund af sin formmæssig nærhed til fysisk modellering, tilgængelig for en bredere vifte af brugere.
Simuleringsmodellering er en forskningsmetode, hvor det undersøgte system erstattes af en model, der beskriver det virkelige system med tilstrækkelig nøjagtighed, og der udføres eksperimenter med det for at få information om dette system.
Målene med at udføre sådanne eksperimenter kan være meget forskellige - fra at identificere egenskaberne og mønstrene for det undersøgte system til at løse specifikke praktiske problemer. Med udviklingen af computerteknologi og software er rækken af anvendelser af simulering inden for økonomi udvidet betydeligt. I øjeblikket bruges det både til at løse problemer med intern virksomhedsledelse og til at modellere ledelse på makroøkonomisk niveau. Lad os overveje de vigtigste fordele ved at bruge simuleringsmodellering i processen med at løse problemer med finansiel analyse.
I simuleringsprocessen beskæftiger forskeren sig med fire hovedelementer:
Rigtigt system;
Logisk-matematisk model af det simulerede objekt;
Simulering (maskine) model;
Computeren, som simuleringen udføres på, er et rettet beregningseksperiment.
For at beskrive dynamikken i de simulerede processer i simulering implementeres en mekanisme til indstilling af modeltiden. Disse mekanismer er indbygget i kontrolprogrammerne i ethvert modelleringssystem.
Hvis opførselen af en komponent i systemet blev simuleret på en computer, så kunne udførelsen af handlinger i simuleringsmodellen udføres sekventielt ved at genberegne tidskoordinaten.
For at sikre simulering af parallelle hændelser i et virkeligt system, introduceres en vis global variabel (som sikrer synkronisering af alle hændelser i systemet) t0, som kaldes model- (eller system) tid.
Der er to hovedmåder at ændre t0:
Trin-for-trin (faste skiftintervaller anvendes)
modeltid);
Hændelsesbaseret (anvendes variable ændringsintervaller
modeltid, mens trinstørrelsen måles ved intervallet
indtil næste arrangement).
Ved trin-for-trin-metoden går tiden frem med den mindst mulige konstante trinlængde (t-princippet). Disse algoritmer er ikke særlig effektive med hensyn til at bruge computertid til deres implementering.
Hændelsesbaseret metode (princippet om "særlige tilstande"). I den ændres tidskoordinaterne kun, når systemets tilstand ændres. I hændelsesbaserede metoder er længden af time shift-trinnet den maksimalt mulige. Modeltiden ændres fra det aktuelle øjeblik til det nærmeste øjeblik for den næste begivenhed. Brugen af hændelses-for-hændelse metoden er at foretrække, hvis hyppigheden af forekomst af hændelser er lav, så vil en stor trinlængde fremskynde modeltidens fremskridt.
Ved løsning af mange problemer med finansiel analyse bruges modeller, der indeholder tilfældige variabler, hvis adfærd ikke kan kontrolleres af beslutningstagere. Sådanne modeller kaldes stokastiske. Brugen af simulering giver mulighed for at drage konklusioner om mulige resultater baseret på sandsynlighedsfordelingerne af tilfældige faktorer (variabler). Stokastisk simulering kaldes ofte Monte Carlo-metoden.
Ud fra alt ovenstående kan vi konkludere, at simulering giver os mulighed for at tage højde for det maksimalt mulige antal miljøfaktorer for at understøtte ledelsens beslutningstagning og er det mest kraftfulde værktøj til at analysere investeringsrisici. Behovet for dets anvendelse i indenlandsk finansiel praksis skyldes det russiske markeds særegenheder, kendetegnet ved subjektivitet, afhængighed af ikke-økonomiske faktorer og en høj grad af usikkerhed.
Simuleringsresultaterne kan suppleres med probabilistiske og statistiske analyser og i det hele taget give lederen den mest fuldstændige information om nøglefaktorers indflydelse på de forventede resultater og mulige scenarier for udviklingen af begivenheder.
BELCOOPSOYUZUDDANNELSESINSTITUTION
"BELARUSISK HANDEL OG ØKONOMISK
UNIVERSITET FOR FORBRUGERSAMARBEJDE"
________________________________________________
Institut for Informations- og Computersystemer
Simuleringsmodellering af økonomiske processer
Forelæsninger for korrespondancestuderende
Gomel 2007
Emne 1. Introduktion til
1.1. Simuleringsmodellering som metode til at studere komplekse systemer
Den vigtigste metode til at studere komplekse systemer er modelleringsmetoden. Modellering er en måde at studere en genstand på gennem betragtning af en lignende og enklere genstand, dvs. hans modeller. Model er et billede af et virkeligt objekt, der afspejler dets grundlæggende egenskaber og erstatter objektet under forskning. (Det vil sige, vi kan kun tale om modellering, når man bruger en model til at forstå originalen: når et barn leger med en model af et damplokomotiv, fødes der ikke ny viden om damplokomotivet).
Modeller kan være materielle (fysiske) og matematiske. Blandt matematiske modeller er der to typer: analytisk og simulering (fig. 1).
Modeller
Fysisk
Matematisk
Analytisk
Efterligning
Fig1.Model klassificering
I analytiske modeller beskrives et komplekst systems adfærd i form af algebraiske, integrale, differentielle og andre sammenhænge og logiske forhold. Det enkleste eksempel på en analytisk model er relationen 
, Hvor S- afstand, v- bevægelseshastighed, t
- tid.
Den analytiske model kræver, at der indføres en række forenklinger. Ofte viser en sådan forenkling sig at være en for grov tilnærmelse af virkeligheden, og resultaterne kan ikke anvendes i praksis. For eksempel den samme formel 
ville være anvendelig for et fly, der når en specificeret hastighed, men ville ikke være passende til at beskrive myldretidstrafik på en motorvej. I disse tilfælde er forskeren tvunget bruge simuleringsmodellering.
Simuleringsmodel et komplekst system er et program (eller algoritme), der giver dig mulighed for på en computer at simulere adfærden af individuelle elementer i systemet og forbindelserne mellem dem i en given simuleringstid.
Under udførelsen af dette program kan værdierne af visse variable fortolkes som systemets tilstand på det tilsvarende tidspunkt, dvs. simulering betragtes som at observere et systems karakteristika over tid.
Simuleringsmodellering består i at studere systemet ved hjælp af computer (beregningsmæssige) eksperimenter på en simuleringsmodel. Denne metode er mest effektiv til at studere komplekse systemer, hvis funktion er væsentligt påvirket af tilfældige faktorer (stokastiske systemer). I dette tilfælde kan resultatet af et eksperiment på en simuleringsmodel kun betragtes som en vurdering af systemets sande karakteristika. Et stort antal eksperimenter og statistisk behandling af deres resultater er påkrævet. Derfor kaldes simuleringsmodellering nogle gange også statistisk modelleringsmetode.
TIL fortjenester simuleringsmodellering kan omfatte:
1) frihed fra enhver begrænsning af klassen af problemer, der skal løses;
2) synlighed;
3) evnen til at studere systemet på forskellige detaljeringsniveauer;
4) evnen til at kontrollere systemets egenskaber over tid.
Fejl simuleringsmodellering:
høj omkostning;
højt forbrug af computertid;
forskningsresultaterne har en lavere grad af generalitet sammenlignet med analytiske modeller;
Der er ingen pålidelige metoder til at vurdere tilstrækkeligheden af en simuleringsmodel.
i tilfælde af "håbløshed", når kompleksiteten af situationen overstiger analytiske metoders evner;
hvis der ikke er nogen klar redegørelse for forskningsproblemet, og processen med erkendelse af objektet for modellering er i gang (modellen tjener som et middel til at studere fænomenet);
når det er nødvendigt at kontrollere flowet af processer i systemet ved at bremse eller accelerere fænomener under simuleringen;
når man uddanner specialister og tilegner sig færdigheder i at betjene nyt udstyr.
Et af de første anvendelsesområder for simuleringsmodellering var også lagerstyring, hvilket skyldtes kompleksiteten af probabilistiske problemer af denne type og deres praktiske betydning. Værker, der skal nævnes her:
1957 – Robinson – om det hierarkiske system af olievarelagre;
1961 – Berman – om omfordeling af reserver;
1964 – Jisler – om udbuddet af luftbaser.
^ 1.2. Simuleringsstadier
Kompleksiteten af simuleringsmodellering gør spørgsmål om teknologi og arbejdsorganisering særligt vigtige. Ifølge amerikanske eksperter anslås udviklingen af selv simple modeller til 5-6 mandmåneder ($30 tusinde) og komplekse – to størrelsesordener mere
Typisk gennemgår modelleringsprocessen følgende faser:
1) Beskrivelse af systemet og udvikling af en konceptuel model.
2) Dataforberedelse.
3) Udvikling af en modelleringsalgoritme og opbygning af en simuleringsmodel.
4) Vurdering af tilstrækkelighed.
5) Planlægning af forsøg.
6) Planlægning kører.
7) Maskineksperiment.
8) Analyse og fortolkning af resultater.
9) At træffe beslutninger vedrørende det undersøgte objekt.
10) Dokumentation.
De anførte faser kan overlappe i tid (for eksempel bør dokumentation udføres fra de første dage af arbejdet med projektet) og er dækket af adskillige feedback-loops.
^ Systembeskrivelse omfatter afklaring af dets grænser til det ydre miljø, karakteristika ved ydre påvirkninger, sammensætningen af eksterne og interne forbindelser, udvælgelse af præstationsindikatorer og formulering af forskningsproblematikken. En konceptuel model er en forenklet matematisk eller algoritmisk beskrivelse af et komplekst system.
^ Udarbejdelse af indledende data består i at indsamle og bearbejde observationsdata fra det modellerede system. Bearbejdning i et typisk tilfælde består i at konstruere fordelingsfunktioner af de tilsvarende stokastiske variable eller at beregne de numeriske karakteristika for distributioner (gennemsnit, varians osv.). Udarbejdelse af indledende data omfatter også indsamling af information om forventede ændringer i systembelastningen (eller forudsagt belastning).
^ Udvikling af en simuleringsmodel består i at skrive det på et af programmeringssprogene (generelt eller specialiseret), oversætte og fejlfinde modelprogrammet. Du bør tilstræbe et blok (modulært) design af programmet, som giver dig mulighed for selvstændigt at foretage ændringer i individuelle moduler og genbruge tidligere oprettede moduler.
^ Tilstrækkelighedsvurdering modellen skal kontrollere:
fuldstændigheden af at tage højde for de vigtigste faktorer og begrænsninger, der påvirker driften af systemet;
aftale om de postulerede distributionslove med de primære data;
syntaktisk korrekthed af modelleringsprogrammet;
overensstemmelse mellem resultaterne af simuleringsmodellering og den kendte analytiske løsning (under betingelserne for eksistensen af denne løsning);
resultaternes meningsfuldhed under normale forhold og i ekstreme tilfælde.
^ Planlægning kører har til formål at opnå de bedst mulige statistiske estimater af de indikatorer, der undersøges: upartiske, med minimal varians. I dette tilfælde er mængden af beregningsarbejde normalt begrænset (tiden til opsætning af eksperimenter er begrænset). Adskille løbe igennem er en enkelt udførelse af et simuleringsmodelprogram, hvor simuleringstiden øges monotont.
Meget ofte sigter modellering efter at opnå stationær egenskaber, dvs. svarende til typiske driftsforhold. Derfor er spørgsmålet om at bestemme varigheden af accelerationsafsnittet og tidspunktet for at gå ind i den stationære tilstand under en kørsel vigtigt. Dette punkt bestemmes normalt eksperimentelt. Statistik akkumuleret under overclocking bør ikke tages i betragtning ved beregninger.
Det er vigtigt at indstille kriteriet for at stoppe kørslen korrekt (beregn f.eks. simuleringstiden, som er tilstrækkelig til at opnå tilstrækkelig nøjagtige karakteristika for systemet). Denne fase omfatter spørgsmål om at reducere eller eliminere korrelationen af resultater, reducere spredningen af resultater og indstille de indledende betingelser for simuleringen.
Trin 7-9 behøver ikke yderligere forklaring.
Dokumentation bør ledsage hele processen med modeludvikling og eksperimentering. Det letter samspillet mellem deltagere i modelleringsprocessen og sikrer muligheden for at bruge modellen i fremtiden i andre udviklinger.
^
1.3. Simuleringssoftware
En af de vigtigste beslutninger, en simulationsmodeludvikler skal træffe, vedrører valget af software. Hvis softwaren ikke er fleksibel eller vanskelig at betjene, kan simuleringen give forkerte resultater eller slet ikke være gennemførlig.
Softwaren, der bruges til at skabe simuleringsmodeller, kan klassificeres som følger (se fig. 2):
^
Simuleringssoftware
Universelle programmeringssprog
^
Simuleringssprog
Problemorienterede simuleringssystemer
Fig.2. Klassificering af simuleringssoftware
Universelle modelleringssprog give mulighed for fleksibilitet i modeludvikling, samt høj ydeevne. De fleste udviklere kender dem. Den tid og de penge, der bruges på at udvikle og fejlfinde modellen, er dog meget højere end ved brug af specielle simuleringssystemer. Typisk bruges universelle sprog til at skabe unikke modeller, når hastigheden af programudførelse (realtidsdrift) er vigtig, for eksempel i forsvarssektoren.
^ Simuleringssystemer De har flere fordele sammenlignet med universelle programmeringssprog:
De giver automatisk den funktionalitet, der kræves for at skabe simuleringsmodeller:
tilfældige tal generatorer;
fremme af modeltid;
tilføje og fjerne poster fra begivenhedslisten;
indsamling af outputstatistik og oprettelse af en rapport med resultaterne
etc.
De grundlæggende designs af simuleringssystemer er mere egnede til at skabe simuleringsmodeller end design af generelle programmeringssprog (naturlige modelleringsmiljøer).
Simuleringssystemer giver en bedre mekanisme til at opdage simuleringsfejl.
^ Modelleringssprog er universelle af natur, involverer de at skrive modelkode. Selvom nogle sprog kan være fokuseret på at løse en bestemt type problem (for eksempel modellering af en QS), er rækken af problemer, der skal løses, ret bred.
^ Problemorienterede modelleringssystemer designet til at løse et specifikt problem. I dem udvikles modellen ikke gennem programmering, men gennem brug af grafik, dialogbokse og rullemenuer. De er nemmere at lære, men giver ikke tilstrækkelig modelleringsfleksibilitet.
De mange forskellige simuleringssystemer (mere end 500 af dem er nu kendt) er forårsaget af brugen af simulering inden for forskellige fagområder, fokus på forskellige typer systemer (diskrete eller kontinuerlige), og brugen af forskellige typer computere og simuleringsmetoder .
Emne 2. Grundlæggende begreber i simuleringsmodellering
^
2.1. Eksempel på et simuleret system
Vi vil overveje de grundlæggende koncepter for modellering ved at bruge eksemplet med et simpelt køsystem med en serveringsenhed og en kø. En sådan serviceanordning kunne være en sælger i en lille butik, en betjent ved et teaterbokskontor, en lagerholder på et lager eller en central processor i et computersystem. I litteraturen kan en serviceenhed også kaldes en enhed eller en servicekanal. Lad os for bestemthed overveje en frisør med en stol. Serveringsapparatet er frisøren. Kunder kommer til frisøren på tilfældige tidspunkter og venter på deres tur til service (hvis behovet opstår). De serveres efter først til mølle-princippet. Efter det går de. Strukturen af dette system er vist skematisk i fig. 3.
Kommer
Hvis 1 time er valgt, og skalaen er sat til 7200, vil modellen køre langsommere end den reelle proces. Desuden vil 1 time af en rigtig proces blive simuleret på en computer i 2 timer, dvs. cirka 2 gange langsommere. Den relative skala i dette tilfælde er 2:1
(se tidsskala).
Simuleringsmodel(simuleringsmodel) er en speciel softwarepakke, der giver dig mulighed for at simulere aktiviteten af ethvert komplekst objekt. Det lancerer parallelt interagerende beregningsprocesser i computeren, som i deres tidsparametre (nøjagtige i forhold til tids- og rumskalaer) er analoger til de undersøgte processer. I lande, der indtager en førende position inden for skabelsen af nye computersystemer og teknologier, er den videnskabelige retning af Computer Science orienteret netop mod denne fortolkning af simuleringsmodellering, og masteruddannelser på dette område har en tilsvarende akademisk disciplin.
Simuleringsmodellering(simulering) er en almindelig type analog simulering implementeret ved hjælp af et sæt matematiske værktøjer, specielle simulerende computerprogrammer og programmeringsteknologier, der tillader, gennem analoge processer, at udføre en målrettet undersøgelse af strukturen og funktionerne af en virkelig kompleks proces i computerhukommelsen i "simulering"-tilstand, optimer nogle af dens parametre.
Simulering (computer) modellering af økonomiske processer - bruges normalt i to tilfælde:
1) at styre en kompleks forretningsproces, når en simuleringsmodel af en administreret økonomisk enhed bruges som et værktøj i konturen af et adaptivt styringssystem, der er skabt på basis af informations- (computer) teknologier;
2) når der udføres eksperimenter med diskrete-kontinuerlige modeller af komplekse økonomiske objekter for at opnå og "observere" deres dynamik i nødsituationer forbundet med risici, hvis naturlige modellering er uønsket eller umulig.
Ventil blokerer vejen for transaktioner - type af node af simuleringsmodellen. Den hedder nøgle. Hvis ventilen er påvirket af holdesignalet fra nogen node, lukker ventilen, og transaktioner kan ikke passere igennem den. Et rels-signal fra en anden knude åbner ventilen.
Kollektiv styring af modelleringsprocessen - en speciel type eksperiment med en simuleringsmodel, brugt i forretningsspil og uddannelse og træning virksomheder
Computer modellering simuleringsmodellering.
Maksimal accelereret tidsskala - skala angivet med tallet "nul". Simuleringstiden bestemmes af modellens rene processorkørselstid. Den relative skala i dette tilfælde har en meget lille værdi; det er næsten umuligt at bestemme(se tidsskala).
Tidsskala er et tal, der specificerer varigheden af simuleringen af en modeltidsenhed, omregnet til sekunder, i sekunder af astronomisk realtid, når modellen udføres. Den relative tidsskala er en brøkdel, der viser, hvor mange enheder modeltid, der passer ind i en enhed processortid, når en model udføres på en computer.
Leder (eller leder) af ressourcer - type af node af simuleringsmodellen. Den hedder administrere. Styrer betjeningen af knudepunkter af vedhæftningstype. For at modellen skal fungere korrekt, er det nok at have én nodemanager: den vil betjene alle varehuse uden at krænke modellens logik. For at skelne statistik for forskellige lagre af transporterede ressourcer kan du bruge flere lederknudepunkter.
Monte Carlo-metoden er en metode til statistiske test udført ved hjælp af en computer og programmer - sensorer af pseudo-tilfældige værdier. Nogle gange bruges navnet på denne metode fejlagtigt som et synonym simuleringsmodellering.
Simuleringssystem (simuleringssystem - simuleringssystem) - speciel software designet til at skabe simuleringsmodeller og har følgende egenskaber:
muligheden for at anvende simuleringsprogrammer i forbindelse med specielleøkonomiske og matematiske modeller og metoder baseret på ledelsesteori;
instrumentelle metoder til at udføre strukturelle analyser af en kompleks økonomisk proces;
evnen til at modellere materiale-, penge- og informationsprocesser og -strømme inden for en enkelt model i en fælles modeltid;
muligheden for at indføre et regime med konstant afklaring ved modtagelse af outputdata (vigtigste finansielle indikatorer, tid og rumlige karakteristika, risikoparametre osv.) og udførelse af et ekstremt eksperiment.
Normal lov- loven om fordeling af stokastiske variable, som har en symmetrisk form (Gauss funktion). I simuleringsmodeller af økonomiske processer bruges det til at modellere komplekst flertrinsarbejde.
Generaliserede Erlangs lov- loven om fordeling af stokastiske variable, som har en asymmetrisk form. Indtager en mellemposition mellem eksponentiel og normal. I simuleringsmodeller af økonomiske processer bruges det til at modellere komplekse gruppestrømme af applikationer (krav, ordrer).
Kø (med eller uden relative prioriteter) - type af node af simuleringsmodellen. Det kaldes kø. Hvis der ikke tages højde for prioriteringer, så bliver transaktioner bestilt i køen i den rækkefølge, de blev modtaget. Når der tages højde for prioriteringer, ender transaktionen ikke i "halen" af køen, men i slutningen af dens prioritetsgruppe. Når prioritetsgrupper er bestilt fra "hovedet" af køen til "halen" i rækkefølge efter faldende prioritet. Hvis en transaktion kommer i en kø og ikke har sin egen prioritetsgruppe, vil en gruppe med den prioritet straks dukke op: den vil indeholde en nyligt ankommet transaktion.
Rumbaseret prioritetskø - type af node af simuleringsmodellen. Det kaldes dynam. Transaktioner, der falder ind i en sådan kø, er bundet til punkter i rummet. Køen betjenes af en speciel rgos-enhed, der arbejder i den rumlige bevægelsestilstand. Pointen med at servicere transaktioner: det er nødvendigt at besøge alle punkter i rummet, som transaktioner er forbundet med (eller hvorfra de kom). Når hver ny transaktion ankommer, hvis den ikke er den eneste i køen, omorganiseres køen på en sådan måde, at den samlede vej for besøgspunkter er minimal (man skal ikke antage, at dette løser problemet med "rejsende sælger"). . Den overvejede regel for driften af dynamnoden kaldes "førstehjælpsalgoritmen" i litteraturen.
Gratis strukturel node - type af node af simuleringsmodellen. Har navnet nede. Det er nødvendigt at forenkle et meget komplekst lag af modellen - at "løse" et forvirrende kredsløb placeret på et lag i to forskellige niveauer (eller lag).
Proportionalt accelereret tidsskala - skala givet ved et tal udtrykt i sekunder. Dette tal er mindre end den valgte modeltidsenhed. For eksempel, hvis du vælger 1 time som enhed for modeltid, og indstiller tallet 0,1 som skala, så vil modellen køre hurtigere end den reelle proces. Desuden vil 1 time af en rigtig proces blive simuleret på en computer i 0,1 s (under hensyntagen til fejl), dvs. cirka 36.000 gange hurtigere. Den relative skala er 1:36.000(se tidsskala).
Rumlig dynamik- en type dynamik i procesudvikling, der gør det muligt at observere rumlige bevægelser af ressourcer over tid. Det studeres i simuleringsmodeller af økonomiske (logistiske) processer, såvel som transportsystemer.
Rummet er et modelobjekt, der simulerer geografisk rum (Jordens overflade), et kartesisk plan (du kan indtaste andre). Noder, transaktioner og ressourcer kan knyttes til punkter i rummet eller migrere inden for det.
Ensartet lov- loven om fordeling af stokastiske variable, som har en symmetrisk form (rektangel). I simuleringsmodeller af økonomiske processer bruges det nogle gange til at modellere simpelt (et-trins) arbejde i militære anliggender, til at modellere den tid det tager for enheder at rejse, tiden til at grave skyttegrave og bygge befæstninger.
Økonomichef- type af node for simuleringsmodellen "regnskabschef". Det kaldes direkte. Styrer driften af sendetypeknudepunkter. For at modellen skal fungere korrekt, er én direkte node nok: den vil servicere alle konti uden at krænke modellens logik. For at skelne statistik for forskellige dele af den modellerede regnskabsafdeling kan du bruge flere direkte noder.
Realtid- skala angivet ved et tal udtrykt i sekunder. Hvis du f.eks. vælger 1 time som modeltidsenhed og indstiller tallet 3600 som skala, vil modellen blive udført med hastigheden af den virkelige proces, og tidsintervallerne mellem hændelser i modellen vil være ens. til tidsintervallerne mellem virkelige hændelser i det simulerede objekt (med nøjagtighed op til korrektioner for fejl ved angivelse af de oprindelige data). Den relative tidsskala i dette tilfælde er 1:1 (se tidsskala).
En ressource er et typisk objekt i en simuleringsmodel. Uanset dens natur kan den under modelleringsprocessen karakteriseres af tre generelle parametre: kapacitet, rest og underskud. Typer af ressourcer: materiale (baseret, transportabelt), informativt og monetært.
Et signal er en speciel funktion, der udføres af en transaktion placeret i en knude i forhold til en anden knude for at ændre driftstilstanden for sidstnævnte.
Simuleringssystem - nogle gange brugt som en analog af udtrykketmodelleringssystem(ikke en særlig vellykket oversættelse til russisk af udtrykket simuleringssystem).
Lager af transportable ressourcer- type af node af simuleringsmodellen. Det kaldes vedhæfte. Repræsenterer opbevaringen af et vilkårligt antal
kvalitet af samme type ressource. Ressourceenheder i den nødvendige mængde allokeres til transaktioner, der ankommer til den vedhæftede node, hvis saldoen tillader en sådan servicering. Ellers opstår der en kø. Transaktioner, der modtager ressourceenheder, migrerer langs grafen sammen med dem og returnerer dem efter behov på forskellige måder: enten alle sammen eller i små partier eller i bulk. Den korrekte drift af lageret sikres af en speciel enhed - lederen.
En hændelse er et dynamisk modelobjekt, der repræsenterer det faktum, at en transaktion forlader en node. Begivenheder opstår altid på bestemte tidspunkter. De kan også forbindes til et punkt i rummet. Intervallerne mellem to nabohændelser i modellen er som udgangspunkt stokastiske variable. Det er praktisk talt umuligt for modeludvikleren at styre hændelser manuelt (f.eks. fra et program). Derfor er event management-funktionen givet til et særligt kontrolprogram - en koordinator, som automatisk integreres i modellen.
Processtrukturanalyse- formalisering af strukturen af en kompleks reel proces ved at dekomponere den i delprocesser, der udfører bestemte funktioner og har gensidige funktionelle forbindelser ifølge legenden udviklet af den arbejdende ekspertgruppe. De identificerede delprocesser kan til gengæld opdeles i andre funktionelle delprocesser. Strukturen af den generelle modellerede proces kan repræsenteres i form af en graf med en hierarkisk flerlagsstruktur. Som følge heraf fremkommer et formaliseret billede af simuleringsmodellen i grafisk form.
Strukturel ressourceallokeringsenhed - type af node af simuleringsmodellen. Det kaldes husleje. Designet til at forenkle den del af simuleringsmodellen, der er forbundet med driften af lageret. Lagerdriften er modelleret på et separat strukturelt lag af modellen. Kald til dette lag ved de nødvendige input sker fra andre lag fra lejenoden uden at flette dem.
Strukturel enhed for finansielle og økonomiske betalinger - type af node af simuleringsmodellen. Det har navnet pay. Designet til at forenkle den del af simuleringsmodellen, der er forbundet med regnskabsarbejdet. Regnskabsafdelingens arbejde er modelleret på et separat strukturelt lag af modellen. Kald til dette lag til de nødvendige inputs sker fra andre lag fra betalingsknudepunktet, uden at disse lag kombineres.
Regnskabskonto- type af node af simuleringsmodellen. Det kaldes send. Transaktionen, der kommer ind i en sådan node, er en anmodning om at overføre penge fra konto til konto eller til en regnskabspostering. Rigtigheden af at arbejde med regnskaber er reguleret af en særlig
direkte node, som simulerer regnskabsafdelingens arbejde. Hvis pengesaldoen i sendeknuden er tilstrækkelig til at overføre til en anden konto, så udføres overførslen. Ellers dannes en kø af ikke-servicerede transaktioner i sendeknuden.
Terminator er en type node i simuleringsmodellen. Det har navnet. En transaktion, der går ind i terminatoren, bliver ødelagt. Terminatoren registrerer transaktionens levetid.
En transaktion er et dynamisk objekt i en simuleringsmodel, der repræsenterer en formel anmodning om en tjeneste. I modsætning til almindelige anmodninger, som tages i betragtning ved analyse af kømodeller, har den et sæt dynamisk skiftende specielle egenskaber og parametre. Migrationsstierne for transaktioner langs modelgrafen bestemmes af logikken i funktionen af modelkomponenterne i netværksknuderne.
Trekantlov- loven om fordeling af stokastiske variable, der har en symmetrisk form (ligebenet trekant) eller ikke-symmetrisk form (en generel trekant). I simuleringsmodeller af informationsprocesser bruges det nogle gange til at modellere adgangstiden til databaser.
Servicenode med mange parallelle kanaler - type af node af simuleringsmodellen. Den hedder serv. Tjenesten kan være i den rækkefølge, som en transaktion kommer ind på den gratis kanal eller i henhold til reglen om absolutte prioriteter (med afbrydelse af tjenesten).
Noder er objekter i simuleringsmodellen, der repræsenterer transaktionsservicecentre i simuleringsmodellens graf (men ikke nødvendigvis i kø). Ved noder kan transaktioner forsinkes, serviceres, generere familier af nye transaktioner og ødelægge andre transaktioner. En uafhængig proces affødes ved hver node. Computerprocesser kører parallelt og koordinerer hinanden. De udføres i en enkelt modeltid, i ét rum, og tager højde for tidsmæssig, rumlig og økonomisk dynamik.
Administreret transaktionsgenerator (eller multiplikator) - type af node af simuleringsmodellen. Har navnet oprettet. Giver dig mulighed for at oprette nye familier af transaktioner.
Kontrolleret proces (kontinuerlig eller rumlig) - type af node af simuleringsmodellen. Den har navnet rgos. Denne node fungerer i tre gensidigt eksklusive tilstande:
modellering af en kontrolleret kontinuerlig proces (f.eks.
i reaktoren);
adgang til operationelle informationsressourcer;
rumlige bevægelser (for eksempel en helikopter).
Administreret transaktionsterminator - type simuleringsknudepunkt
modeller. Det kaldes slet. Det ødelægger (eller absorberer) et bestemt antal transaktioner, der tilhører en bestemt familie. Kravet til en sådan handling er indeholdt i den ødelæggende transaktion modtaget ved input af sletteknuden. Den venter på, at den specificerede families transaktioner ankommer til noden og ødelægger dem. Efter absorption forlader den destruktive transaktion noden.
Finansiel dynamik- en type dynamik i udviklingen af en proces, der gør det muligt at observere ændringer i ressourcer, midler og hovedresultaterne af en økonomisk enheds aktivitet over tid, og parametrene måles i monetære enheder. Det studeres i simuleringsmodeller af økonomiske processer.
Den eksponentielle lov er loven om fordelingen af stokastiske variable, som har et klart asymmetrisk udseende (henfaldende eksponentiel). I simuleringsmodeller af økonomiske processer bruges det til at modellere intervallerne for modtagelse af ordrer (applikationer), der kommer til virksomheden fra adskillige markedskunder. I pålidelighedsteori bruges det til at modellere tidsintervallet mellem to på hinanden følgende fejl. I kommunikation og datalogi - til modellering af informationsstrømme (Poisson-strømme).
LITTERATUR
1. Anfilatov V. S., Emelyanov A. A., Kukushkin A. A. Systemanalyse i ledelse / Red. A.A. Emelyanova. - M.: Finans og statistik, 2001. - 368 s.
2. Berlyant A. M. Kartografi. - M.; Aspect Press, 2001. - 336 s.
3. Buslenko N. P. Modellering af komplekse systemer. - M.: Nauka, 1978.-399 s.
4. Varfolomeev V.I. Algoritmisk modellering af elementer af økonomiske systemer. - M.: Finans og statistik, 2000. - 208 s.
5. Gadzhinsky A. M. Workshop om logistik. - M.: Marketing, 2001.-180 s.
b. Dijkstra E. Interaktion mellem sekventielle processer // Programmeringssprog / Red. F. Genuis. - M.: Mir, 1972. -
s. 9-86.
7. Dubrov A.M., Shitaryan V.S., Troshin L.I.Multivariate statistiske metoder. - M.: Finans og statistik, 2000. - 352 s.
^. Emelyanov A. A. Simuleringsmodellering i risikostyring. - Skt. Petersborg: Inzhekon, 2000. - 376 s.
9. Emelyanov A. A., Vlasova E. A. Simuleringsmodellering i økonomiske informationssystemer. - M.: Forlaget MESI, 1998.-108 s.
10. Emelyanov A. A., Moshkina N. L., Snykov V. P.Automatiseret kompilering af driftsplaner for opmåling af områder med ekstrem høj forurening // Jordforurening og tilstødende miljøer. W.T. 7. - St. Petersborg: Gidrometeoizdat, 1991. - P. 46-57.
11. Kalyanoe G. N. CASE strukturel systemanalyse (automatisering og anvendelse). - M.: Lori, 1996. - 241 s.
12. KleinrockL. Kommunikationsnetværk. Stokastiske strømme og beskedforsinkelser. - M.: Nauka, 1970. - 255 s.
13. Sztuglinski D, Wingo S, Shepherd J.Microsoft visuel programmering S-n- 6.0 for professionelle. - Skt. Petersborg: Peter, russisk udgave, 2001. - 864 s.
14. Kuzin L. T., Pluzhnikov L. K., Belov B. N.Matematiske metoder i økonomi og produktionsorganisation. - M.: Publishing House MEPhI, 1968.-220 s.
15. Nalimov V. D., Chernova I. A. Statistiske metoder til planlægning af ekstreme eksperimenter. - M.: Nauka, 1965. - 366 s.
16. Naylor T. Maskinsimuleringsforsøg med modeller af økonomiske systemer. - M.: Mir, 1975. - 392 s.
17. Oykhman E. G., Popov E. V. Forretningsomlægning. - M.: Finans og statistik, 1997. - 336 s.
18. Pritzker A. Introduktion til simuleringsmodellering og SLAM-P sproget. - M.: Mir, 1987. - 544 s.
19. Saati T. Elementer af køteori og dens anvendelser. - M.: Sov. radio, 1970. - 377 s.
20. Cheremnykh S.V., Semenov I.O., Ruchkin V.S.Strukturel analyse systemer: GOER-teknologi.- M.: Finans og statistik, 2001. - 208 s.
21. Chicherin I. N. Omkostninger ved retten til at leje en grund og interaktion med investorer // Økonomiske informationssystemer på tærsklen til det 21. århundrede. - M.: Forlaget MESI, 1999. - S. 229232.
22. Shannon R. E. Simuleringsmodellering af systemer: videnskab og kunst. - M: Mir, 1978. - 420 s.
23. Schreiber T. J. Modellering på GPSS. - M.: Maskinbygning, 1979. - 592 s.
FORORD | |
INTRODUKTION |
Kapitel 1 TEORETISK GRUNDLAG FOR SIMULERING
1.3. Brug af lovene for fordeling af stokastiske variable ved simulering af økonomisk
processer | ||
1.4. Ikke-traditionelle netværksmodeller og midlertidige | ||
aktivitetsintervaldiagrammer |
||
Selvtest spørgsmål | ||
KONCEPT OG FUNKTIONER | ||
OBJEKTORIENTERET | ||
MODELLERINGSSYSTEM |
||
Modellens hovedobjekter | ||
2.2. Modellering af arbejde med materielle ressourcer | ||
11imitation af informationsressourcer | ||
Monetære ressourcer | ||
Simulering af rumlig dynamik... | ||
2.6. Model tidsstyring | ||
Selvtest spørgsmål | ||