|
самостоятельных устройств. Поведение таких систем становится весьма сложным и недетерминированным. При этом моделируются не столько функция системы, сколько ее структурные характеристики и свойства. Модель системы должна быть структурно подобна объекту и строится по частям, как и система. Сетевые методы, предназначенные для этой цели, позволяют изучать явления в сложных параллельных системах. Один из классов таких моделей, получил название сетей Петри. Экспериментальные методы моделирования базируются на измерении характеристик вычислительных процессов, происходящих в реальных системах, и на их обработке с целью определения интересующих исследователя зависимостей. Этот класс моделей может быть отнесен к физическим моделям. ВЫВОДЫ ПО ГЛАВЕ В настоящее время создано большое количество методологий моделирования систем. В основе компьютерных моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. В главе рассмотрены: 1. основы теории моделирования; 2. принципы системного подхода в моделировании систем; 3. классификация видов моделирования; 4. жизненный цикл модели. Для создания динамических моделей широкого круга процессов большое распространение в настоящее время получили методы, основанные на применении сетей Петри и конечных автоматов. В отличие от конечных автоматов, в терминах которых описываются глобальные состояния систем, сети Петри концентрируют внимание на локальных событиях (переходах), локальных условиях (позициях) и локальных связях между событиями и условиями. Поэтому в терминах сетей Петри более адекватно, чем с помощью автоматов, моделируется поведение распределенных асинхронных систем. 75 |
екта при различных воздействиях внешней среды [11, 25, 27, 44]. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позво ляет оценить поведение реального объекта. Для построения имитационной модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса. 1.4. ВОЗМОЖНОСТИ И ЭФФЕКТИВНОСТЬ МОДЕЛИРОВАНИЯ СИСТЕМ НА ВЫЧИСЛИТЕЛЬНЫХ МАШИНАХ Обеспечение требуемых показателей качества функционирования больших систем, связанное с необходимостью изучения протекания стохастических процессов в исследуемых и проектируемых системах S, позволяет проводить комплекс теоретических и экспериментальных исследований, взаимно дополняющих друг друга. Эффективность экспериментальных исследований сложных систем оказывается крайне низкой, поскольку проведение натурных экспериментов с реальной системой либо требует больших материальных затрат и значительного времени, либо вообще практически невозможно (например, на этапе проектирования, когда реальная система отсутствует). Эффективность теоретических исследований с практической точки зрения в полной мере проявляется лишь тогда, когда их результаты с требуемой степенью точности и достоверности могут быть представлены в виде аналитических соотношений или моделирующих алгоритмов, пригодных для получения соответствующих характеристик процесса функционирования исследуемых систем. Средства моделирования систем. Появление современных ЭВМ было решающим условием широкого внедрения аналитических методов в исследование сложных систем. Стало казаться, что модели и методы, например математического программирования, станут практическим инструментом решения задач управления в больших системах. Действительно, были достигнуты значительные успехи в создании новых математических методов решения этих задач, однако математическое программирование так и не стало практическим инструментом исследования процесса функционирования сложных систем, так как модели математического программирования оказались слишком грубыми и несовершенными для их эффективного использования. Необходимость учета стохастических свойств системы, недетерминированности исходной информации, наличия корреляционных связей между большим числом переменных и параметров, характеризующих процессы в системах, приводят к построению сложных математических моделей, которые не 38 |