Имитационное моднлирование

Содержание

Введение……………………………………………………………………..……2

1.Определение понятия «имитационное моделирование»……………………..3

2. Классификационные признаки моделирования……………………………...3

2.1 По характеру процессов…………………………………………………….4

2. По форме представления………………………………………………….…5

3. классификации языков моделирования……………………………………10

4. Достоинства и недостатки языков имитационного моделирования……..12

5. Языки имитационного  моделирования………………………………….…13

5.1 Язык моделирования  Симула………………………………………………14

5.2 Язык моделирования SIMSCRIPT………………………………………….15

5.3 Унифицированный язык  моделирования UML…………………………..16

5.4 Язык моделирования  DYNAMO…………………………………………..19

Заключение……………………………………………………………………...22

Список литературы……………………………………………………………..23

Введение

Имитационное моделирование на цифровых вычислительных машинах является одним из наиболее мощных средств исследования, в частности, сложных динамических систем. Как и любое компьютерное моделирование, оно дает возможность проводить вычислительные эксперименты с еще только проектируемыми системами и изучать системы, натурные эксперименты с которыми, из-за соображений безопасности или дороговизны, не целесообразны. В тоже время, благодаря своей близости по форме к физическому моделированию, это метод исследования доступен более широкому кругу пользователей.

В настоящее время, когда компьютерная промышленность предлагает разнообразнейшие средства моделирования, любой квалифицированный инженер, технолог или менеджер должен уметь уже не просто моделировать сложные объекты, а моделировать их с помощью современных технологий, реализованных в форме графических сред или пакетов визуального моделирования.

1. Определение понятия «имитационное моделирование»

В современной литературе не существует единой точки зрения по вопросу о том, что понимать под имитационным моделированием. Так существуют различные трактовки:

• в первой – под имитационной моделью понимается математическая модель в классическом смысле;
• во второй – этот термин сохраняется лишь за теми моделями, в которых тем или иным способом разыгрываются (имитируются) случайные воздействия;
• в третьей – предполагают, что имитационная модель отличается от обычной математической более детальным описанием, но критерий, по которому можно сказать, когда кончается математическая модель и начинается имитационная, не вводится.

Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться пользователь ЭВМ. Пользователь, руководящий операцией, может в зависимости от сложившейся обстановки принимать те или иные решения. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки в ответ на это решение, и к каким последствиям оно приведет спустя некоторое время. Следующее решение принимается уже с учетом реальной новой обстановки и т. д.

2. Классификационные признаки моделирования

В основе моделирования  лежит теория подобия, которая утверждает, что абсолютное подобие может  иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места, но стремится к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта.

В качестве одного из первых признаков классификации видов  моделирования можно выбрать  степень полноты модели и разделить  модели в соответствии с этим признаком на:

• полные;
• неполные;
• приближенные.

В основе полного моделирования  лежит полное подобие, которое проявляется  как во времени, так и в пространстве.

Для неполного моделирования  характерно неполное подобие модели изучаемому объекту.

В основе приближенного  моделирования лежит приближенное подобие, при котором некоторые  стороны функционирования реального  объекта не моделируются совсем.

Классификационные признаки моделирования систем S приведены  на рис. 1.

Рис. 1. Классификация видов моделирования систем

1. По характеру процессов

В зависимости от характера  изучаемых процессов в системе S все виды моделирования могут  быть разделены на:

• детерминированные;
• стохастические;
• статические и динамические;
• дискретные;
• непрерывные;
• дискретно-непрерывные.

Детерминированное моделирование  отображает детерминированные процессы, т.е. процессы, в которых предполагается отсутствие всяких случайных воздействий.

Стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса, и оцениваются средние характеристики, т. е. набор однородных реализаций.

Статическое моделирование  служит для описания поведения объекта  в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени.

Дискретное моделирование  служит для описания процессов, которые  предполагаются дискретными, соответственно непрерывное моделирование позволяет  отразить непрерывные процессы в  системах, а дискретно-непрерывное  моделирование используется для случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

2. По форме представления

В зависимости от формы  представления объекта (системы S) можно  выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту.

Мысленное моделирование  может быть реализовано в виде:

• наглядного;
• символического;
• математического.

При наглядном моделировании  на базе представлений человека о  реальных объектах создаются различные наглядные модели, отображающие явления и процессы, протекающие в объекте.

В основу гипотетического моделирования  исследователем закладывается некоторая  гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Гипотетическое моделирование используется, когда знаний об объекте недостаточно для построения формальных моделей.

Аналоговое моделирование основывается на применении аналогий различных уровней. Наивысшим уровнем является полная аналогия, имеющая место только для  достаточно простых объектов. С усложнением  объекта используют аналогии последующих  уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

Существенное место при мысленном  наглядном моделировании занимает макетирование. Мысленный макет  может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшествовать проведению других видов моделирования.

В основе построения мысленных макетов  также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условное обозначение отдельных понятий, т. е. знаки, а также определенные операции между этими знаками, то можно реализовать знаковое моделирование и с помощью знаков отображать набор понятий — составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

В основе языкового моделирования  лежит некоторый тезаурус. Последний  образуется из набора входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные различия.

Тезаурус — словарь, который  очищен от неоднозначности, т. е. в нем  каждому слову может соответствовать  лишь единственное понятие, хотя в обычном словаре одному слову могут соответствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс  создания логического объекта, который  замещает реальный и выражает основные свойства его отношений с помощью определенной системы знаков или символов.

Математическое моделирование. Для  исследования характеристик процесса функционирования любой системы S математическими  методами, включая и машинные, должна быть проведена формализация этого  процесса, т. е. построена математическая модель.

Под математическим моделированием понимается процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на:

• аналитическое;
• имитационное;
• комбинированное.

Для аналитического моделирования  характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений или логических условий. Аналитическая модель может быть исследована следующими методами:

• аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик;
• численным, когда, не умея решать уравнений в общем виде, стремятся получить числовые результаты при конкретных начальных данных;
• качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения.

При имитационном моделировании  реализующий модель алгоритм воспроизводит  процесс функционирования системы S во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением  их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы S.

Основным преимуществом  имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.

Комбинированное (аналитико-имитационное) моделирование при анализе и  синтезе систем позволяет объединить достоинства аналитического и имитационного  моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.

При реальном моделировании  используется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик. Реальное моделирование является наиболее адекватным, но при этом его возможности с учетом особенностей реальных объектов ограничены.

Натурным моделированием называют проведение исследования на реальном объекте с последующей  обработкой результатов эксперимента на основе теории подобия.

С развитием техники и проникновением вглубь процессов, протекающих в реальных системах, возрастает техническая оснащенность современного научного эксперимента. Он характеризуется широким использованием средств автоматизации проведения, применением весьма разнообразных средств обработки информации, возможностью вмешательства человека в процесс проведения эксперимента. И в соответствии с этим появилось новое научное направление — автоматизация научных экспериментов.

Отличие эксперимента от реального протекания процесса заключается  в том, что в нем могут появиться  отдельные критические  ситуации и определяться границы устойчивости процесса.

Другим видом реального  моделирования является физическое, отличающееся от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием. В процессе физического моделирования задаются некоторые характеристики внешней среды, и исследуется поведение либо реального объекта, либо его модели при заданных или создаваемых искусственно воздействиях внешней среды. Физическое моделирование может протекать в реальном и нереальном (псевдореальном) масштабах времени, а также может рассматриваться без учета времени. В последнем случае изучению подлежат так называемые «замороженные» процессы, которые фиксируются в некоторый момент времени. Наибольшие сложность и интерес с точки зрения верности получаемых результатов представляет физическое моделирование в реальном масштабе времени.

С точки зрения математического  описания объекта и в зависимости  от его характера модели можно  разделить на:

• аналоговые (непрерывные);
• цифровые (дискретные);
• аналого-цифровые (комбинированные).

Под аналоговой моделью  понимается модель, которая описывается уравнениями, связывающими непрерывные величины.

Под цифровой понимают модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде.

Под аналого-цифровой понимается модель, которая может быть описана  уравнениями, связывающими непрерывные и дискретные величины.

Особое место в моделировании  занимает кибернетическое моделирование, в котором отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В  этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позволяет 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.

3. классификации языков моделирования

Для машинного моделирования системы S пригодны три способа проведения вычислений, в основе которых лежит применение цифровой, аналоговой и гибридной вычислительной техники рис. 1.

Рис. 1. Классификация языков моделирования

Для моделирования систем используются как универсальные  и процедурно-ориентированные ЯОН, так и специализированные ЯИМ. При  этом ЯОН предоставляют программисту-разработчику модели больше возможностей в смысле гибкости разработки, отладки и использования модели. Но гибкость приобретается ценой больших усилий, затрачиваемых на программирование модели, так как организация выполнения операций, отсчет системного времени и контроль хода вычислений существенно усложняются.

Имеющиеся ЯИМ можно  разбить на три основные группы, соответствующие трем типам математических схем:

• непрерывные;
• дискретные;
• комбинированные.

Языки каждой группы предназначены  для соответствующего представления системы S при создании ее машинной модели .

В основе рассматриваемой  классификации в некоторых ЯИМ  лежит принцип формирования системного времени. Так как «системные часы»  предназначены не только для продвижения  системного времени в модели , но также для синхронизации различных событий и операций в модели системы S, то при отнесении того или иного конкретного языка моделирования к определенному типу нельзя не считаться с типом механизма «системных часов».

Непрерывное представление системы S сводится к составлению уравнений, с помощью которых устанавливается связь между зависимыми и независимыми переменными модели. Примером такого непрерывного подхода является использование дифференциальных уравнений. Причем в дальнейшем дифференциальные уравнения могут быть применены для непосредственного получения характеристик системы.

Представление системы S в виде типовой схемы, в которой  участвуют как непрерывные, так  и дискретные величины, называется комбинированным. Состояние модели системы М(S) описывается набором переменных, некоторые из которых меняются во времени непрерывно. Законы изменения непрерывных компонент заложены в структуру, объединяющую дифференциальные уравнения и условия относительно переменных. Предполагается, что в системе могут наступать события двух типов:

• события, зависящие от состояния системы;
• события, зависящие от времени.

События первого типа наступают в результате выполнения условий, относящихся к законам  изменения непрерывных переменных.

Для событий второго типа процесс моделирования состоит в продвижении системного времени от момента наступления события до следующего аналогичного момента.

В рамках дискретного  подхода можно выделить несколько  принципиально различных групп  ЯИМ.

Первая группа ЯИМ  подразумевает наличие списка событий, отличающих моменты начала выполнения операций. Продвижение времени осуществляется по событиям, в моменты наступления которых производятся необходимые операции, включая операции пополнения списка событий.

При использовании ЯИМ второй группы после пересчета системного времени, в отличие от схемы языка событий, просмотр действий с целью проверки выполнения условий начала или окончания какого-либо действия производится непрерывно. Просмотр действий определяет очередность появления событий.

Третья группа ЯИМ  описывает системы, поведение которых  определяется процессами. В данном случае под процессом понимается последовательность событий, связь  между которыми устанавливается  с помощью набора специальных  отношений. Динамика заложена в независимо управляемых программах, которые в совокупности составляют программу процесса.

4. Достоинства и недостатки языков имитационного моделирования

Преимущества языков имитационного моделирования (ЯИМ) по сравнению с универсальными языками  общего назначения (ЯОН) следующие:

1. язык моделирования содержит абстрактные конструкции, непосредственно отражающие понятия, в которых представлена формализованная модель, и близкие концептуальному уровню описания моделируемой системы. Это упрощает программирование имитатора, позволяет автоматизировать выявление многих ошибок в программах;
2. языки моделирования имеют эффективный встроенный механизм продвижения модельного времени (календарь событий, методы интегрирования и др.), средства разрешения временных узлов;
3. языки моделирования, как правило, содержат встроенные датчики случайных чисел, генераторы других типовых воздействий;
4. в языках моделирования автоматизирован сбор стандартной статистики и других результатов моделирования, имеются средства автоматизации выдачи этих результатов в табличной или графической форме;
5. языки моделирования имеют средства, упрощающие программирование имитационных экспериментов, в частности, автоматизирующие установку начального состояния и перезапуск модели.

Недостатки языков имитационного моделирования:

1. используются только стандартные формы вывода результатов моделирования;
2. недостаточная распространенность языков моделирования, которые, как правило, не входят в штатное программное обеспечение операционных систем;
3. необходимость дополнительного обучения языкам моделирования и, как следствие, недостаток программистов, хорошо владеющих языками моделирования;
4. отсутствие гибкости и широких возможностей, присущих универсальным языкам программирования.

5. Языки имитационного моделирования

Разработан ряд моделирующих языков высокого уровня для моделирования дискретных систем, систем массового обслуживания. Таких, как SIMULA, SIMSCRIPT, GPSS, CSL и др.

SIMULA представляет собой расширение языка АЛГОЛ, SIMSCRIPT — расширение Фортрана. Наибольшее распространение из этих языков получил язык GPSS. В GPSS важное место занимает обработка таких объектов, как транзакты (сообщения, заявки, запросы).

Языки моделирования  цифровых систем в основном обеспечивают задачи разработки цифровой аппаратуры. Их называют HDL или на русском языке  — языки описания аппаратуры (ЯОА). Наиболее известным и эффективным  ЯОА сегодня является язык VHDL. 
VHDL является единым, общим языком описания моделей и проектирования электронных устройств, начиная с вентильного, регистрового уровней и кончая уровнем описания вычислительных систем. Но основное назначением языка VHDL — описание заданий на моделирование.

Для моделирования непрерывных динамических систем получил распространение язык CSMP, который реализует пакетный режим взаимодействия с пользователем. Появились и другие языки и системы моделирования непрерывных процессов, такие как MIDAS, PACTOLUS, CSSL. К отечественным языкам и системам моделирования непрерывных динамических систем относятся МАСЛИН и МАСС (разработанные сотрудниками МЭИ). Примерами языков, реализующих комбинированное моделирование являются GASP, НЕДИС и МИКС.

GASP является расширением языка ФОРТРАН. Здесь непрерывные алгоритмы моделируются дифференциальными уравнениями, а дискретные процессы представляются в виде событий, наступление которых зависит от процесса функционирования системы. Событие — переход системы из одного состояния в другое в соответствии с принятыми правилами.

НЕДИС — язык моделирования непрерывно-дискретных систем разработан сотрудниками Института кибернетики Академии наук Украины. НЕДИС создан на основе алгоритмических языков высокого уровня и относится к системам программирования универсального типа, т.е. языки GASP и НЕДИС относятся к процедурным языкам программирования.

МИКС (моделирование имитационное комбинированных систем) представляет собой удобное средство моделирования. Как и язык МАСЛИН, МАСС система МИКС имеет в своей основе блочно-ориентированный язык с непроцедурной технологией программирования, позволяющей легко и быстро моделировать исследуемую систему, осуществлять быстрое преобразование модели, воспроизводить реально действующие сигналы и организовать вычислительный эксперимент. Блочные языки и соответствующие программные модули позволяют легко реализовать динамическое распределение памяти посредством размещения во внешнее запоминающее устройство (ВЗУ) больших библиотек модулей, извлекать их по мере необходимости, пересылать их в оперативную память.

5.1 Язык моделирования Симула

Cимула (от SIMUIation LAnguage, т.е. язык моделирования, специальный язык программирования, облегчающий доведение модели реальной системы до готовой компьютерной программы)  семейство языков программирования, разработанных в Норвегии. Широкую известность и распространение получили языки Симула-1 и Симула-67. Они базируются на Алголе-60 и содержат его в качестве своего подмножества.

Язык Симула-1, появившийся  в 1964 году, создан У. Далом и К. Нюгордом. Предназначен для моделирования систем с так называемыми дискретными событиями (например, систем массового обслуживания).

Цели, которые ставили  перед собой разработчики, сводились к следующим:

• предоставить в распоряжение исследователя, строящего модель системы, концептуальную основу для ясного и четкого мышления;
• предоставить средства для описания динамических моделей;
• облегчить процесс программирования.

Фундаментальным понятием языка Симула-1 является процесс, а  главную роль играют параллельно  функционирующие процессы, которые выступают в качестве компонентов моделируемой системы. Они имеют свои атрибуты (структуру данных) и программу действий (алгоритм). В каждый момент времени активен только один процесс. Исполняя свою программу, он может использовать свои и чужие атрибуты, порождать новые процессы, планировать для себя и других процессов события новые фазы активности (употребляя "встроенное" в язык понятие дискретного времени), приостановить себя. Для всего этого в языке имеются планирующие и управляющие операторы.

В 1967-1968 годах авторы Симулы-1 и присоединившийся к ним Б. Мюрхауг создали Симулу-67. Как утверждает Е. Киндлер, данный язык по своей "универсальности" ближе к таким языкам, как Алгол-68 и Ада, чем к языкам моделирования. Однако следует отметить, что все средства Симулы-1 являются частью языка Симула-67 и их можно использовать при помощи так называемого стандартного класса SIMULATION (моделирование).