Образовательный стандарт дисциплины "Системное моделирование"

Что такое идеальное воспроизведение?

В чем заключается принцип информационной достаточности?

В чем заключается принцип агрегатирования?

В чем заключается принцип последовательного наращивания моделей?

В чем заключается принцип параметризации?

В чем заключается принцип направленного эксперимента?

Какие требования предъявляются к математическим моделям?

Раздел 2. Числе

нные методы системного моделирования

Введение

В данном разделе рассматриваются численные методы системного моделирования, проведен анализ процессов в системах, состоящих из многих подсистем, стационарных состояний больших систем, рассмотрены методы Монте-Карло и метод инверсии, а также прикладные задачи системного моделирования.

После изучения данного раздела рекомендуется ответить на вопросы для самопроверки и на вопросы теста 2.

В случае если ответы на какие-либо вопросы вызовут затруднение или неуверенность, рекомендуется прочитать учебное пособие Голик, Е.С. Системное моделирование. Ч.1. Имитационное моделирование. Факторный эксперимент: учебно-методический комплекс (учебное пособие) /Е.С. Голик, О.В. Афанасьева. – СПб.: Изд-во СЗТУ, 2007. – 211 с., (с. 53 – 129).

1. Моделирование больших систем методом статистических испытаний. Сущность метода статистических испытаний. Точность метода

Решение вопросов управления невозможно без всестороннего применения методов прикладной математики. Также невозможны, как невозможен, например, полет космического аппарата без предварительного детального «проигрывания» этого полета на ПЭВМ.

В современных условиях, условиях все убыстряющегося «взрывного» развития человечества, решение управленческих вопросов не может быть отложено на неопределенный срок, счет в настоящее время идет не на десятилетия, а на годы, а то и месяцы. При этом жизненно важен комплексный подход, учет на основе научного прогноза всех ближайших и отдаленных последствий совершаемых действий. Поэтому вопросы развития и применения прикладной математики, которая на современном этапе переходит к непосредственному моделированию и, следовательно, прогнозированию и оптимизации самых разнообразных и сложных процессов, явлений, технических систем и управлению ими, приобретают громадное значение.

За последние десятилетия в прикладной математике произошли существенные сдвиги, коренным образом изменившие ее облик и подготовившие ее к решению крупных современных научно-технических и военных проблем. Эти изменения стали возможны благодаря внешне случайному, а в действительности закономерному сочетанию двух факторов: появление быстродействующих ПЭВМ и выдвижение практикой перед наукой, в частности перед математикой, качественно новых задач невиданной до сих пор сложности. Речь идет об овладении ядерной и термоядерной энергией и о создании летательных аппаратов, способных осваивать космическое пространство. Впервые за всю историю науки специалисты, владевшие ранее лишь пером и бумагой, получили в свои руки совершенный инструмент, отвечающий требованиям научно-технического прогресса. Недаром современную прикладную математику часто (и справедливо) отождествляют с вычислительной математикой. Вычислительная математика обеспечила теоретическую основу для создания ракетно-ядерного щита нашей страны.

Возникновение таких ПЭВМ позволило колоссально расширить интеллектуальные возможности человека, раскрепостить его умственные силы.

Однако необходимо постоянно помнить, что ПЭВМ – всего лишь инструменты и сами по себе не являются панацеей. Чрезвычайно важно придерживаться правильной концепции их использования.

Возможности ПЭВМ раскрываются только в сочетании со всеми существующими методами исследования, с учетом всего накопленного опыта. Многолетние и трудные поиски привели прикладную математику к формированию нового научного метода, получившего название – вычислительный эксперимент (или, как еще говорят, математический эксперимент, математическое моделирование).

Вопрос 1

Что понимается под названием вычислительный эксперимент?

Коротко говоря – создание и изучение математических моделей исследуемых объектов с помощью ПЭВМ

Уместно ли здесь слово «эксперимент». Безусловно. При математическом моделировании мы имеем дело не с самим явлением, а с некоторым теоретическим «слепком» с него, с моделью, выражающей в математической форме основные закономерности, которым она подчиняется. В результате исследователь, проводя вычислительный эксперимент, испытывает как бы саму природу (конструкцию, технологический процесс, объект вооружения, операцию), задавая ей вопросы и получая строгие и относительно полные ответы.

Возможность замены исходного объекта его математической «концепцией» и дальнейшего «диалога» с нею таит в себе большие преимущества и означает серьезное изменение методологии и технологии военно-научных исследований. Становится все более ясной неизбежность широкого использования математического моделирования для реализации государственных комплексных научно-технических программ вообще и программ развития отраслей в частности.

Концепция вычислительного эксперимента (его также называют методом статистических испытаний) в настоящее время детально разработана и очерчена сфера его приложения.

Он имеет свои особенности в различных областях науки и предназначен для изучения, прогнозирования, оптимизации сложных многопараметрических стохастических нелинейных процессов, теоретическое и экспериментальное исследование которых традиционными методами затруднено или невозможно (например, прогнозирование хода и исхода боевых действий, задачи баллистики, эргономики и т.д.).

Метод статистических испытаний – один из основных методов моделирования больших систем. Широкое применение метода объясняется тем, что он позволяет заменить эксперимент с реальной системой экспериментом с моделью этой системы на ПЭВМ. При моделировании методом статистических испытаний не требуется строгого математического описания системы: достаточно знать в общих чертах алгоритм ее функционирования. Этот алгоритм может быть задан описательно и переведен в машинную программу.

Во многих практических задачах построение математической модели функционирования системы в целом трудно осуществимо, но можно аналитически описать поведение отдельных элементов и построить моделирующий алгоритм функционирования системы, реализуемый на ПЭВМ. В этих случаях статистическое моделирование оказывается единственно приемлемым средством исследования.

Статистическое моделирование представляет собой численный метод исследования модели системы. Строго говоря, ПЭВМ не является принципиально обязательным инструментом метода. Однако огромное количество вычислений, которое при этом требуется выполнить, делает возможным практическое применение метода только с помощью ПЭВМ.

Сущность метода состоит в имитации на ПЭВМ случайных процессов, протекающих в реальной системе, с учетом структуры системы, связей и взаимовлияний между ее элементами. Имитация осуществляется реализацией соответствующего моделирующего алгоритма.