Имя материала: Информационные системы в экономике

Автор: Балдин К. В

3.2. имитационные модели экономических информационных систем

3.2.1. Методологические основы применения метода имитационного моделирования

Выше было дано формальное определение имитационной модели с точки зрения свойств двух ее важнейших операторов: оператора моделирования исхода и оператора оценивания показателя эффективности. Приведем классическое вербальное определение имитационного моделирования и проведем его краткий анализ.

По Р. Шеннону (Robert Е. Shannon — профессор университета в Хантсвилле, штат Алабама, США) "имитационное моделирование — есть процесс конструирования на ЭВМ модели сложной реальной системы, функционирующей во времени, и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить различные стратегии, обеспечивающие функционирование данной системы" [6].

Выделим в этом определении ряд важнейших обстоятельств, учитывая особенности применения метода для исследования экономических информационных систем (ЭИС).

Во-первых, имитационное моделирование предполагает два этапа: конструирование модели на ЭВМ и проведение экспериментов с этой моделью. Каждый из этих этапов предусматривает использование собственных методов. Так, на первом этапе весьма важно грамотно провести информационное обследование, разработку всех видов документации и их реализацию. Второй этап должен предполагать использование методов планирования эксперимента с учетом особенностей машинной имитации.

Во-вторых, в полном соответствии с системными принципами четко выделены две возможные цели имитационных экспериментов:

♦ либо понять поведение исследуемой системы (о которой по каким-либо причинам было "мало" информации) — потребность в этом часто возникает, например, при создании принципиально новых образцов продукции;

либо оценить возможные стратегии управления системой, что также очень характерно для решения широкого круга экономико-прикладных задач.

В-третьих, с помощью имитационного моделирования исследуют сложные системы. Понятие "сложность" является субъективным и по сути выражает отношение исследователя к объекту моделирования. Укажем пять признаков "сложности" системы, по которым можно судить о ее принадлежности к такому классу систем:

наличие большого количества взаимосвязанных и взаимодействующих элементов;

сложность функции (функций), выполняемой системой;

возможность разбиения системы на подсистемы (декомпозиции);

наличие управления (часто имеющего иерархическую структуру), разветвленной информационной сети и интенсивных потоков информации;

наличие взаимодействия с внешней средой и функционирование в условиях воздействия случайных (неопределенных) факторов.

Очевидно, что некоторые приведенные признаки сами предполагают субъективные суждения. Вместе с тем становится понятным, почему значительное число ЭИС относят к сложным системам и, следовательно, применяют метод имитационного моделирования. Отметим, что последний признак определяет потребность развития методов учета случайных факторов (см. подразд. 3.3), т. е. проведения так называемой стохастической имитации.

В-четвертых, методом имитационного моделирования исследуют системы, функционирующие во времени, что определяет необходимость создания и использования специальных методов (механизмов) управления системным временем.

Наконец, в-пятых, в определении прямо указывается на необходимость использования ЭВМ для реализации имитационных моделей, т. е. проведения машинного эксперимента (машинной имитации), причем в подавляющем большинстве случаев применяются цифровые машины.

Даже столь краткий анализ позволяет сформулировать вывод о целесообразности (а следовательно, и необходимости) использования метода имитационного моделирования для исследования сложных человекомашинных (эргатических) систем экономического назначения. Особо выделим наиболее характерные обстоятельства применения имитационных моделей [60]:

если идет процесс познания объекта моделирования;

если аналитические методы исследования имеются, но составляющие их математические процедуры очень сложны и трудоемки;

если необходимо осуществить наблюдение за поведением компонент системы в течение определенного времени;

если необходимо контролировать протекание процессов в системе путем замедления или ускорения явлений в ходе имитации;

если особое значение имеет последовательность событий в проектируемых системах и модель используется для предсказания так называемых "узких" мест;

при подготовке специалистов для приобретения необходимых навыков в эксплуатации новой техники;

и, конечно, если имитационное моделирование оказывается единственным способом исследований из-за невозможности проведения реальных экспериментов.

До настоящего момента особое внимание в толковании термина "имитационное моделирование системы" было уделено первому слову. Однако не следует упускать из вида, что создание любой (в том числе и имитационной) модели предполагает, что она будет отражать лишь наиболее существенные с точки зрения конкретной решаемой задачи свойства объекта-оригинала.

Английский аналог этого термина — systems simulation — при дословном переводе непосредственно указывает на необходимость воспроизводства (симуляции) лишь основных черт реального явления (ср. с термином "симуляция симптомов болезни" из медицинской практики). Важно отметить еще один аспект: создание любой (в том числе и имитационной модели) есть процесс творческий (не случайно Р. Шеннон назвал свою книгу "Имитационное моделирование систем — искусство и наука"), и, вообще говоря, каждый автор имеет право на собственную версию модели реальной системы. Однако за достаточно длительное время применения метода накоплены определенный опыт и признанные разумными рекомендации, которыми целесообразно руководствоваться при организации имитационных экспериментов.

Укажем ряд основных достоинств и недостатков метода имитационного моделирования [6, 60].

Основные достоинства:

имитационная модель позволяет, в принципе, описать моделируемый процесс с большей адекватностью, чем другие;

имитационная модель обладает известной гибкостью варьирования структуры, алгоритмов и параметров системы;

применение ЭВМ существенно сокращает продолжительность испытаний по сравнению с натурным экспериментом (если он возможен), а также их стоимость.

Основные недостатки:

решение, полученное на имитационной модели, всегда носит частный характер, так как оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям параметров системы;

большие трудозатраты на создание модели и проведение экспериментов, а также обработку их результатов;

если использование системы предполагает участие людей при проведении машинного эксперимента, на результаты может оказать влияние так называемых ха-уторнский эффект (заключающийся в том, что люди, зная (чувствуя), что за ними наблюдают, могут изменить свое обычное поведение).

Итак, само использование термина "имитационное моделирование" предполагает работу с такими математическими моделями, с помощью которых результат исследуемой операции нельзя заранее вычислить или предсказать, поэтому необходим эксперимент (имитация) на модели при заданных исходных данных. В свою очередь, сущность машинной имитации заключается в реализации численного метода проведения на ЭВМ экспериментов с математическими моделями, описывающими поведение сложной системы в течение заданного или формируемого периода времени [5].

Каждая имитационная модель представляет собой комбинацию шести основных составляющих [5, 53]:

компонентов;

переменных;

параметров;

функциональных зависимостей;

ограничений;

целевых функций.

Под компонентами понимают составные части, которые при соответствующем объединении образуют систему. Компоненты называют также элементами системы или ее подсистемами. Например, в модели рынка ценных бумаг компонентами могут выступать отделы коммерческого банка (кредитный, операционный и т. д.), ценные бумаги и их виды, доходы, котировка и т. п.

Параметры — это величины, которые исследователь (пользователь модели) может выбирать произвольно, т. е. управлять ими.

В отличие от них переменные могут принимать только значения, определяемые видом данной функции. Так, в выражений для плотности вероятности нормально распределенной случайной величины X

Подпись:
где х — переменная;

тх, ох — параметры (математическое ожидание и стандартное отклонение соответственно);

я, е — константы.

Различают экзогенные (являющиеся для модели входными и порождаемые вне системы) и эндогенные (возникающие в системе в результате воздействия внутренних причин) переменные. Эндогенные переменные иногда называют переменными состояния.

Функциональные зависимости описывают поведение параметров и переменных в пределах компонента или же выражают соотношения между компонентами системы. Эти соотношения могут быть либо детерминированными, либо стохастическими.

Ограничения — устанавливаемые пределы изменения значений переменных или ограничивающие условия их изменения. Они могут вводиться разработчиком (и тогда их называют искусственными) или определяться самой системой вследствие присущих ей свойств (так называемые естественные ограничения).

Целевая функция предназначена для измерения степени достижения системой желаемой (требуемой) цели и вынесения оценочного суждения по результатам моделирования. Эту функцию также называют функцией критерия. По сути, весь машинный эксперимент с имитационной моделью заключается в поиске таких стратегий управления системой, которые удовлетворяли бы одной из трех концепций ее рационального поведения: оптимизации, пригодности или адаптивиза-ции [26]. Если показатель эффективности системы является скалярным, проблем с формированием критерия не возникает и, как правило, решается оптимизационная задача — поиска стратегии, соответствующей максимуму или минимуму показателя. Сложнее дело обстоит, если приходится использовать векторный показатель. В этом случае для вынесения оценочного суждения используются методы принятия решений по векторному показателю в условиях определенности (когда в модели учитываются только детерминированные факторы) или неопределенности (в противном случае).

При реализации имитационной модели, как правило, рассматриваются не все реально осуществляемые функциональные действия (ФД) системы, а только те из них, которые являются наиболее существенными для исследуемой операции. Кроме того, реальные ФД аппроксимируются упрощенными действиями ФД' причем степень этих упрощений определяется уровнем детализации учитываемых в модели факторов. Названные обстоятельства порождают ошибки имитации процесса функционирования реальной системы, что, в свою очередь, обусловливает адекватность модели объекту-оригиналу и достоверность получаемых в ходе моделирования результатов.

На рис. 3.2.1 схематично представлен пример выполнения некоторых ФД в в г-м компоненте реальной системы и ФД' в г-м компоненте ее модели.

В г'-м компоненте реальной системы последовательно

соответственно. На рисунке эти действия условно изображены пунктирными ("непрямыми") стрелками. В результате ФД наступают соответствующие события: С^.С^.С^,.... В модели последовательность имитации иная: выполняется ФД'^ при неизменном времени, наступает модельное событие а, после чего время сдвигается на величину ^.инициируя наступление события и т. д. Иными словами, модельной реализации упрощенных ФД (ФД') соответствует ломаная (0, о, Q, Ъ, Q2,C,C,3,...). Отметим, что в принципе возможен и другой порядок моделирования: сначала сдвигать время, а затем инициировать наступление соответствующего события.

Очевидно, что в реальной системе в различных ее компонентах могут одновременно (параллельно) производиться функциональные действия и, соответственно, наступать события. В большинстве же современных ЭВМ в каждый из моментов времени можно отрабатывать лишь один алгоритм какого-либо ФД. Возникает вопрос: каким образом учесть параллельность протекания процессов в реальной системе без потери существенной информации о ней?

Для обеспечения имитации наступления параллельных событий в реальной системе вводят специальную глобальную переменную t0, которую называют модельным (системным) временем. Именно с помощью этой переменной организуется синхронизация наступления всех событий в модели ЭИС и выполнение алгоритмов функционирования ее компонент. Принцип такой организации моделирования называется принципом квазипараллелизма [5].

Таким образом, при реализации имитационных моделей используют три представления времени:

tp — реальное время системы;

t0— модельное (системное) время;

tM — машинное время имитации.

 

3.2.2. Классификация имитационных моделей

Имитационные модели принято классифицировать по четырем наиболее распространенным признакам:

типу используемой ЭВМ;

способу взаимодействия с пользователем;

способу управления системным временем (механизму системного времени);

способу организации квазипараллелизма (схеме формализации моделируемой системы).

Первые два признака позволяют разделить имитационные модели на совершенно понятные (очевидные) классы, поэтому их рассмотрение не займет много места.

По типу используемой ЭВМ различают аналоговые, цифровые и гибридные имитационные модели. Достоинства и недостатки моделей каждого класса общеизвестны [27]. В дальнейшем будем рассматривать только цифровые модели.

По способу взаимодействия с пользователем имитационные модели могут быть автоматическими (не требующими вмешательства исследователя после определения режима моделирования и задания исходных данных) и интерактивными (предусматривающими диалог с пользователем в том или ином режиме в соответствии со сценарием моделирования). Отметим, что моделирование сложных систем, относящихся, как уже отмечалось, к классу эргатических систем, как правило, требует применения диалоговых моделей.

Различают два механизма системного времени:

задание времени с помощью постоянных временных интервалов (шагов);

задание времени с помощью переменных временных интервалов (моделирование по особым состояниям).

При реализации первого механизма системное время сдвигается на один и тот же интервал (шаг моделирования) независимо от того, какие события должны наступать в системе. При этом наступление всех событий, имевших место на очередном шаге, относят к его окончанию. На рис. 3.2.2, а) показана схема реализации механизма системного времени с постоянным шагом. Так, для этого механизма считают, что событие Aj наступило в момент окончания первого шага; событие А2 — в момент окончания второго шага; события А3, А4, А5 — в момент окончания четвертого шага (эти моменты показаны стрелками) и т. д.

При моделировании по особым состояниям системное время каждый раз изменяется на величину, соответствующую интервалу времени до планируемого момента наступления следующего события, т. е. события обрабатываются поочередно — каждое "в свое время". Если в реальной системе какие-либо события наступают одновременно, это фиксируется в модели. Для реализации этого механизма требуется специальная процедура, в которой отслеживаются времена наступления всех событий и из них выделяется ближайшее по времени. Такую процедуру называют календарем событий (см. п. 3.2.3). На рис. 3.2.2, б) стрелками обозначены моменты изменения системного времени.

Существует не столь распространенная разновидность механизма моделирования по особым состояниям, предусматривающая возможность изменения порядка обработки событий, так называемый механизм моделирования с реверсированием (обращением) шага по времени. Согласно этому механизму все события в системе разбиваются на два класса:

л2

А3 А4 А5

 

а)

Зт

ит \%

і

А3 А^ Aj

           

42

l23

l45

6)

Рис. 3.2.2. Схемы реализации механизмов системного времени: а) с постоянным шагом; б) с переменным шагом

фазовые и простые. К первым относят события, порядок моделирования которых нельзя изменять во избежание нарушения причинно-следственных связей в моделируемой системе. Остальные события относят к простым. Таким образом, сначала моделируют очередное фазовое событие, а затем — все простые события до этого фазового, причем в произвольном порядке.

На рис. 3.2.3 приведены перечисленные способы управления системным временем.

 

Имитационные модели

С постоянным шагом по времени

С переменным шагом по времени

 

Со смещением по особым состояниям

С реверсированием шага по времени

 

Рис. 3.2.3. Механизмы управления системным временем

 

Очевидно, что механизм системного времени с постоянным шагом легко реализуем: достаточно менять временную координату на фиксированный шаг и проверять, какие события уже наступили.

Метод фиксированного шага целесообразно применять в следующих случаях:

события в системе появляются регулярно;

число событий велико;

все события являются для исследователя существенными (или заранее неизвестно, какие из них существенны).

Как уже отмечалось, механизм с переменным шагом по времени требует наличия специального программного средства, способного определять интервал временного сдвига до очередного особого состояния, что осложняет его реализацию.

Вопрос о том, каким же механизмом системного времени воспользоваться, решается путем анализа достоинств и недостатков каждого применительно к конкретной модели и требует от разработчика высокой квалификации. В некоторых моделях используют комбинированные механизмы системного времени в целях исключения перечисленных недостатков.

Важнейшим классификационным признаком имитационных моделей является схема формализации моделируемой системы (способ организации квазипараллелизма).

Наибольшее распространение получили пять способов:

просмотр активностей;

составление расписания событий;

управление обслуживанием транзактов;

управление агрегатами;

синхронизация процессов.

Характеристика этих способов требует введения ряда понятий [53].

Основными составными частями модели ЭИС являются объекты, которые представляют компоненты реальной системы. Для задания свойств объектов используются атрибуты (параметры). Совокупность объектов с одним и тем же набором атрибутов называют классом объектов. Все объекты подразделяют на активные (представляющие в модели те объекты реальной системы, которые способны функционировать самостоятельно и выполнять некоторые действия над другими объектами) и пассивные (представляющие реальные объекты, самостоятельно в рамках данной модели не функционирующие).

Работа (активность) представляется в модели набором операций, выполняемых в течение некоторого времени и приводящих к изменению состояний объектов системы. В рамках конкретной модели любая работа рассматривается как единый дискретный шаг (возможно, состоящий из других работ). Каждая работа характеризуется временем выполнения и потребляемыми ресурсами.

Событие представляет собой мгновенное изменение состояния некоторого объекта системы (т. е. изменение значений его атрибутов). Окончание любой активности в системе является событием, так как приводит к изменению состояния объекта (объектов), а также может служить инициатором другой работы в системе.

Под процессом понимают логически связанный набор активностей, относящихся к одному объекту. Выполнение таких активностей называют фазой процесса. Различие между понятиями "активность" и "процесс" полностью определяется степенью детализации модели. Например, смена позиций мобильным объектом в одних моделях может рассматриваться как сложный процесс, а в других — как работа по изменению за некоторое время номера позиции. Процессы, включающие одни и те же типы работ и событий, относят к одному классу. Таким образом, моделируемую систему можно представить соответствующим числом классов процессов. Между двумя последовательными фазами (работами) некоторого процесса может иметь место любое число фаз других процессов, а их чередование в модели, собственно, и выражает суть квазипараллелизма.

В ряде случаев ФД компонент (объектов) реальной системы одинаковы, о общее их число ограничено. Каждое ФД можно описать простейшими работами, которые приводят лишь к изменению значений временных координат компонент системы. Взаимодействие такого рода активностей аналогично функционированию системы массового обслуживания. Однотипные активности объединяются и называются приборами массового обслуживания. Инициаторами появления событий в такой модели становятся заявки (транзакты) на обслуживание этими приборами.

В некоторых реальных системах ФД отдельных компонент тесно взаимодействуют друг с другом. Компоненты обмениваются между собой сигналами, причем выходной сигнал одной компоненты может поступать на вход другой, а сами ФД можно в явном виде описать математическими зависимостями. Если появление выходного сигнала таким образом определяется соответствующим набором "входов", можно реализовать так называемый модульный принцип построения модели. Каждый из модулей строится по стандартной (унифицированной, типовой) структуре и называется агрегатом. С помощью агрегатов (на базе одной из типовых математических схем описания объектов) можно решать весьма широкий круг задач [54].

Вернемся к характеристике способов организации квазипараллелизма.

Способ просмотра активностей применяется при следующих условиях [54]:

все ФД компонент реальной системы различны, причем для выполнения каждого из них требуется выполнение некоторых (своих) условий;

условия выполнимости известны исследователю заранее и могут быть заданы алгоритмически;

в результате ФД в системе наступают различные события;

связи между ФД отсутствуют и они осуществляются независимо друг от друга.

В этом случае имитационная модель состоит из двух частей:

множества активностей (работ);

набора процедур проверки выполнимости условий инициализации активностей, т. е. возможности передачи управления на реализацию алгоритма этой активности.

Проверка выполнимости условия инициализации работы основана либо на анализе значений параметров и/или переменных модели, либо вычислении моментов времени, когда должно осуществляться данное ФД.

После выполнения каждой активности производится модификация системного времени для данного компонента и управление передается в специальный управляющий модуль, что и составляет суть имитации для этого способа организации квазипараллелизма.

Составление расписания событий применяется в тех случаях, когда реальные процессы характеризуются рядом достаточно строгих ограничений [54]:

различные компоненты выполняют одни и те же ФД;

начало выполнения этих ФД определяется одними и теми же условиями, причем они известны исследователю и заданы алгоритмически;

в результате ФД происходят одинаковые события независимо друг от друга;

связи между ФД отсутствуют, а каждое ФД выполняется независимо.

В таких условиях имитационная модель по сути состоит из двух процедур:

проверки выполнимости событий;

обслуживания (обработки) событий.

Выполнение этих процедур синхронизируется в модельном времени так называемым списковым механизмом планирования. Процедура проверки выполнимости событий схожа с ранее рассмотренными для просмотра активностей (напомним, что окончание любой работы является событием и может инициализировать другую активность) с учетом того, что при выполнении условия происходит не инициализация работы, а обслуживание (розыгрыш) события с последующим изменением системного времени для данного компонента. Корректировка системного времени осуществляется календарем событий, о котором более подробно будет сказано ниже.

Условия применимости транзактного способа организации квазипараллелизма были приведены при определении понятия "транзакт". Связь между приборами массового обслуживания устанавливается с помощью системы очередей, выбранных способов генерации, обслуживания и извлечения транзактов. Так организуется появление транзактов, управление их движением, нахождение в очереди, задержки в обслуживании, уход транзакта из системы и т. п. Событием в такой имитационной модели является момент инициализации любого транзакта. Типовыми структурными элементами модели являются источники транзактов; их поглотители; блоки, имитирующие обслуживание заявок; управляющий модуль. Имитация функционирования реальной системы производится путем выявления очередной (ближайшей по времени) заявки, ее обслуживания, обработки итогов обслуживания (появления нового транзакта; поглощения заявки; изменения возможного времени поступления следующего транзакта и т. п.), изменения системного времени до момента наступления следующего события.

В случае построения имитационной модели с агрегатным способом организации квазипараллелизма особое внимание следует уделять оператору перехода системы из одного состояния в другое. Имитация производится за счет передачи управления от агрегата к агрегату при выполнении определенных условий, формирования различных сигналов и их доставки адресату, отработки внешних сигналов, изменения состояния агрегата и т. п. При этом в управляющем модуле осуществляется временная синхронизация состояний всех агрегатов. Отметим, что выделение такого способа реализации квазипараллелизма является достаточно условным, так как квазипараллельная работа агрегатов системы может быть организована другими способами — активностями, планированием событий, взаимодействием транзактов, процессами. Иными словами, агрегатный способ прежде всего ориентирован на использование типовых математических схем (типовых агрегатов) для описания компонент системы и организации их взаимодействия одним из перечисленных способов.

Процессный способ организации квазипараллелизма применяется в следующих случаях [54]:

все ФД компонент реальной системы различны;

условия инициализации ФД также различны;

в любой момент времени в данной компоненте может выполняться только одно ФД;

последовательность ФД в каждом компоненте определена.

Принято считать, что процессный подход объединяет лучшие черты других способов: краткость описания активностей и эффективность событийного представления имитации. Процессным способом можно организовать имитацию ЭИС любой сложности, но такой способ особенно эффективен в тех случаях, когда требуется высокий уровень детализации выполнения ФД, а сама имитационная модель используется для поиска "узких" мест в работе системы. При таком подходе особо важно соблюдение сходства структуры модели и объекта исследования. Имитационная модель представляет собой набор описаний процессов, каждое из которых посвящено одному классу процессов, а также информационных и управляющих связей между компонентами модели. Каждой компоненте объекта моделирования соответствует свой процесс. Переход от выполнения одной активности к другой активности того же процесса считают изменением его состояния и называют активизацией процесса. Проверка выполнимости условий активизации процесса и появление событий осуществляется самим процессом. Процессный способ широко применяется в задачах моделирования проектируемых систем. Он позволяет реализовать многоуровневый модульный подход к моделированию, предусматривающий внесение в модель частичных изменений по результатам исследований, причем значение этого обстоятельства возрастает по мере роста размеров модели [54].

На рис. 3.2.4 представлена классификация способов организации квазипараллелизма.

Отметим, что в настоящее время для реализации всех перечисленных схем формализации моделируемой системы созданы специализированные программные средства, ориентированные на данный способ организации квазипараллелизма, что, с одной стороны, облегчает программную реализацию модели, но, с другой стороны, повышает ответственность исследователя за правильность выбора соответствующей схемы. Подробнее о языках моделирования см. подразд. 3.4.

 

Моделирование по работам

Моделирование по процессам

Моделирование агрегатами

 

Рис. 3.2.4. Классификация имитационных моделей по способу организации квазипараллелизма

 

3.2.3. Структура типовой имитационной модели с календарем событий

Как уже отмечалось, составление расписания событий как способ организации квазипараллелизма получило широкое распространение прежде всего в силу простоты и наглядности реализации.

На рис. 3.2.5 представлена структура типовой имитационной модели с календарем событий.

Такая имитационная модель состоит из трех частей:

управляющей;

функциональной, состоящей из функциональных модулей (ФМ);

♦          информационной, включающей базу (базы) данных (БД). В свою очередь, управляющая часть содержит:

блок управления (БУ) моделированием;

блок диалога;

блок обработки результатов моделирования;

календарь событий.

Блок управления предназначен для реализации принятого плана имитационного эксперимента. В соответствии с назначением в его состав обычно включают управляющий модуль (УМ), определяющий основные временные установки —

 

| Управляющая часть

БУ

моделирование і

 

Функциональная часть

Календарь событий

Блок диалога

 

ФМ1

Блок обработки

результатов моделирования

БД

ФМ2

{Иформа-;ционная часть

 

Рис. 3.2.5. Структура типовой имитационной модели с календарем событий

 

моменты начала, остановки, продолжения, окончания моделирования, а также моменты изменения режимов моделирования, и модуль реализации плана эксперимента, устанавливающий для каждого прогона модели необходимые значения (уровни) управляемых факторов.

Блок диалога предназначен для обеспечения комфортной работы пользователя с интерактивной моделью (в автоматических моделях этого блока нет). Отметим, что кроме понятных процедур ввода — вывода информации в требуемых форматах различным потребителям, во многих ("больших") имитационных моделях блок диалога включает систпе-му интерактивной многоуровневой помощи пользователю.

В блоке обработки результатов моделирования осуществляется обмен информацией с базой данных и реализуются процедуры расчета показателя эффективности (прежде всего — за счет статистической обработки результатов моделируемой операции). Если отсутствует блок диалога, на блок обработки возлагаются функции выдачи результатов моделирования на внешние устройства.

Календарь событий является важнейшим элементом имитационной модели, предназначенным для управления процессом появления событий в системе с целью обеспечения необходимой причинно-следственной связи между ними.

Календарем событий решаются следующие основные задачи:

ранжирование по времени плановых событий, т. е. составление упорядоченной временной последовательности плановых событий с учетом вида возможного события и модуля, в котором оно может наступить (для отработки этой задачи в календаре содержится важнейший элемент — каталог плановых событий, представленный на рис. 3.2.6);

вызов необходимых функциональных модулей в моменты наступления соответствующих событий;

получение информационных выходных сигналов от всех функциональных модулей, их хранение и передача в нужные моменты времени адресатам в соответствии с оператором сопряжения модели (эта задача решается с помощью специального программного средства — цепи сигналов и ее основного элемента — таблицы сигналов (рис. 3.2.7).

Перед началом моделирования в первую строку каталога плановых событий (см. рис. 3.2.6) заносится время инициализации первого прогона модели, а в последнюю — время его окончания, после чего управление передается на тот ФМ, в котором может наступить ближайшее к начальному по времени событие (если на каждом шаге моделирования проводить ранжирование событий по времени, соответствующая этому событию строка каталога будет первой, поскольку для всех уже наступивших (отработанных, обслуженных) событий устанавливается и записывается в третий столбец каталога фиктивное время, заведомо превышающее время окончания моделирования).

Таким образом, если в результате работы очередного ФМ через таблицу сигналов появляется информация о возможном времени наступления в этом или любом другом модуле какого-либо события, это время, а также вид события и модуль, в котором оно может произойти, заносятся в каталог плановых событий, после чего осуществляется новое ранжирование событий по времени. Затем управление передается ФМ (или УМ), информация о котором находится в первой строке каталога и т. д. до тех пор, пока в первой строке не окажется событие, соответствующее окончанию моделирования.

Подобным же образом организуется работа и таблицы сигналов с учетом того, что в ней содержится информация не о событиях как таковых, а о сигналах различных типов. Так,

если в результате работы очередного ФМ возникла необходимость передать какую-либо информацию, соответствующий сигнал (сигналы) помещается в очередную строку таблицы сигналов, после чего осуществляется их передача адресатам. После получения адресатом сигнала в четвертый столбец таблицы заносится установленный признак, и данный сигнал считается отработанным. Понятно, что передача сигналов продолжается до тех пор, пока четвертый столбец таблицы не будет заполнен этим признаком для всех сигналов. Затем управление передается календарю событий, от него — очередному ФМ и т. д.

Функциональная часть имитационной модели состоит из функциональных модулей, являющихся основными ее элементами. Именно в них описываются и реализуются все процессы в моделируемой системе. Обычно один ФМ описывает либо отдельный процесс в системе, либо ее отдельный элемент (подсистему) — в зависимости от выбранной схемы моделй-

Формирование вых. сооб.

 

Обработка

 

Обработка

 

Запоминай.

события

 

сигнала

 

сост. ФМ

Рис. 3.2.8. Обобщенная структурная схема работы типового ФМ

рования. Обобщенная структурная схема работы ФМ представлена на рис. 3.2.8.

На рисунке обозначены: ВС — входной сигнал; ИС — информационный сигнал.

В ФМ могут поступать пять видов входных сигналов:

стартовый сигнал (сигнал о начале моделирования);

сигнал о наступлении планового события;

информационный сигнал;

сигнал о прерывании моделирования;

сигнал об окончании моделирования.

Отметим, что, какой бы сигнал ни поступил на вход ФМ, обязательно формируется выходное сообщение о том, что в ФМ данный сигнал отработан, т. е. проведены соответствующие виду входного сигнала действия: подготовка к моделированию (по ВС вида 1); обработка события (по ВС вида 2); обработка информационного сигнала (по ВС вида 3); запоминание состояния ФМ с целью дальнейшего продолжения моделирования с данного "шага" (по ВС вида 4); завершение моделирования в случае выполнения плана имитационного эксперимента (по ВС вида 5). Более подробные сведения об особенностях отработки различных сигналов в имитационных моделях приведены в [50, 55].

Важнейшей задачей любого ФМ является планирование следующих событий, т. е. определение их видов и ожидаемых моментов наступления. Для выполнения этой функции в ФМ реализуется специальный оператор планирования. Для "больших" моделей остро стоит вопрос о "глубине планирования", т. е. о длительности интервала времени, на который прогнозируется наступление событий, поскольку для больших интервалов почти наверняка придется осуществлять повторное планирование после прихода очередного информационного сигнала и соответствующего изменения состояния ФМ.

База (базы) данных представляет собой совокупность специальным образом организованных (структурированных) данных о моделируемой системе (операции), а также программных средств работы с этими данными. Как правило, информация из БД выдается в другие части имитационной модели в автоматическом режиме (в этом смысле можно говорить, что потребителями информации из БД являются пользователи-задачи). Наличие БД в имитационной модели не является обязательным и полностью определяется масштабами модели, объемами необходимой информации и требованиями по оперативности получения результатов моделирования и их достоверности. Если принято решение о включении БД в состав имитационной модели, проектирование БД не имеет каких-либо специфических особенностей и проводится по стандартной методике.

 

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 |