М етоды тактического планирования в сочетании с м етодами стратегического планирования м огут бы ть использованы для реш ения задач парам етрического синтеза. П ри анализе чувствительности исследуем ы х характеристик модели в зависим ости от варьируем ы х парам етров часто прим еняю тся линейны е регрессионны е м одели [17, 23]. О днако априорное предполож ение об описании объекта регрессионной м оделью , зависящ ей от парам етра, редко приводит к линейной м одели. В нелинейны х регрессионны х м оделях [105] численны й поиск оценок парам етров значительно слож нее, чем в линейны х. В работе [18] отм ечается, что если стоим ость получения одной оценки велика, а их допустим ое количество невелико, то целесообразнее м ож ет оказаться стратегический план. Если оценка деш евле, то рационально использовать тактический план. Это обстоятельство, а такж е итерационны й характер вы числений делаю т целесообразны м прим енение м етодов последовательного планирования [51] соответствую щ их эксперим ентов и рекуррентного вы числения оценок парам етров, что значительно эконом ит объем вы числений. О бзор показал, что в больш инстве работ проводится раздельны й анализ процессов поиска и им итации. С овм ещ ение этих процессов порож дает управляем ы й им итационны й процесс, анализ которого значительно услож няется в силу появления нестационарного реж им а ф ункционирования модели. О днако именно в этом направлении леж и т реш ение задачи сущ ественной эконом ии вы числительны х затрат в ходе проведения им итационного м оделирования и расш ирения сф еры прим енения самого метода. П остроение им итационны х програм м ны х м оделей процессов транспортировки слож ная и трудоем кая задача, реш аем ая, как правило, с использованием специализированны х алгоритм ических язы ков [91]. Эти язы ки имели с самого начала различны е средства, уп рощ аю щ ие составление им итационны х программ. Я зы ки м оделирования обы чно сконструированы 33 |
использования. Различают стратегическое и тактическое планирование эксперимента [83]. Цели тактического планирования: • использование эффективных способов проведения испытаний; • определение начальных условий моделирования и их влияния на достижение установившегося режима; • определение объема выборки для достижения заданной точности. • Цели стратегического планирования: • обеспечить экономию компьютерного времени путем уменьшения числа "прогонов" имитационной модели; • создать структуру процесса исследования. В существующей литературе [7, 26] предлагаются следующие рекомендации: • последовательное отсечение результатов, пока первое из оставшихся не будет ни минимальным, ни максимальным; • для автокоррелированных данных вычисление максимального промежутка времени, на концах которого данные еще заметно коррелируют; • вычисление плавающего среднего и определение момента времени, когда это среднее перестает изменяться; • представление результатов в виде совокупности серий такой длины, чтобы можно было бы пренебречь сериальной корреляцией. При тактическом планировании в целях повышения эффективности разрабатываются методы понижения дисперсии [67[. Они построены, в основном, на замене простой случайной выборки более совершенной. Методы тактического планирования в сочетании с методами стратегического планирования Moiyr быть использованы для решения задач параметрического синтеза. При анализе чувствительности исследуемых характеристик модели в зависимости от варьируемых параметров часто применяются линейные регрессионные модели [17, 23]. Однако априорное 33 предположение об описании объекта регрессионной моделью, зависящей от параметра, редко приводит к линейной модели. В нелинейных регрессионных моделях [105] численный поиск оценок параметров значительно сложнее, чем в линейных. В работе [18] отмечается, что если стоимость получения одной оценки велика, а их допустимое количество невелико, то целесообразнее может оказаться стратегический план. Если оценка дешевле, то рационально использовать тактический план. Это обстоятельство, а также итерационный характер вычислений делают целесообразным применение методов последовательного планирования [51] соответствующих экспериментов и рекуррентного вычисления оценок параметров, что значительно экономит объем вычислений. Обзор показал, что в большинстве работ проводится раздельный анализ процессов поиска и имитации. Совмещение этих процессов порождает управляемый имитационный процесс, анализ которого значительно усложняется в силу появления нестационарного режима функционирования модели. Однако именно в этом направлении лежит решение задачи существенной экономии вычислительных затрат в ходе проведения имитационного моделирования и расширения сферы применения самого метода. Построение имитационных программных моделей процессов транспортировки сложная и трудоемкая задача, решаемая, как правило, с использованием специализированных алгоритмических языков [110]. Эти языки имели с самого начала различные средства, упрощающие составление имитационных программ. Языки моделирования обычно сконструированы так, что позволяют описывать не только сам имитатор, но и вспомогательные действия, которые выполняются в течение эксперимента, прежде всего поступление входных данных и обработку результатов экспериментов. При большом разнообразии методов моделирования до сих пор отсутствует подход, который позволил бы на единой концептуальной основе |