Основные этапы имитационного моделирования и его виды

Слово имитация (от лат. – подражание) означает воспроизведение определенным образом явлений, событий, действий объектов и т. п. В определенном смысле термин «имитация» – синоним понятия «модель» (от лат. – мера, образец), которая определяется как любой материальный или нематериальный образ (изображение, описание, схема, воспроизведение, материальное воплощение, представитель и т.п.).

По сути, словосочетание «имитационная модель» некорректно, однако в середине 20 века оно было введено в практику физического и математического моделирования. [5]

Имитационные модели, являющиеся особым классом математических моделей, принципиально отличаются от аналитических тем, что использование ЭВМ в процессе их реализации играет определяющую роль. Имитационные модели не накладывают жестких ограничений на используемые исходные данные, позволяют в процессе исследования использовать всю собранную информацию вне зависимости от ее формы представления и степени ее формализации.

Имитационное моделирование – метод исследования, основанный на том, что изучаемая система заменяется имитирующей. С имитирующей системой проводят эксперименты (не прибегая к экспериментам на реальном объекте) и в результате получают информацию об изучаемой системе. Метод позволяет имитировать, например, работу моделей бизнес-процессов так, как эти процессы происходили бы в действительности, с учетом графиков рабочего времени и занятости временных ресурсов и наличия необходимого количества материальных ресурсов. В результате, можно оценить реальное время выполнения как одного процесса, так и заданного их множества.

Имитационная модель – логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

Структура имитационного моделирования представляется последовательно-циклической. Последовательность определяется тем, что процесс имитационного моделирования можно разбить на ряд этапов, выполнение которых осуществляется последовательно от предыдущего к последующему. Цикличность проявляется в необходимости возвращения к предыдущим этапам и повторении уже однажды пройденного пути с измененными в силу необходимости данными и параметрами модели (Рис. 2.1.).

Рис. 2.1. Этапы имитационного моделирования при исследовании сложной проблемной ситуации

Первый этап обычен для любого исследования. Он необходим для того, чтобы была оценена потребность изучения объекта или проблемы, возможность и способы решения задачи, ожидаемые результаты. Этот этап очень важен для практического применения метода моделирования. Очень часто к этому этапу возвращаются после окончания исследования модели и обработки результатов для изменения постановки задачи, а иногда и самой цели моделирования.

Второй этап включает в себя формализацию описания моделируемого объекта на основе выбранной теоретической базы. На этом этапе, на естественном языке дается описание состава исследуемого объекта, взаимодействия между элементами объекта и объекта с внешней средой. На основе описания объекта выбирается концепция его формального определения. Таким образом, в конце этапа словесное описание исследуемой системы претворяется в абстрактную математическую структуру. Этот этап также включает в себя все действия по созданию имитационной модели, которые заключаются в создании программы для ЭВМ на основе выбранного для этой цели языка моделирования. На этом этапе осуществляется и проверка полученной моделирующей программы на соответствие ее той теоретической схеме, которая была положена в основу формального описания объекта моделирования. Этот процесс часто называют верификацией модели. Заканчивается второй этап проверкой соответствия имитационной модели свойствам реальной системы. Если этого нет, то следует снова вернуться к моменту формализации модели, чтобы провести коррекцию в определении теоретической базы модели.

Третий этап заключается в проведении исследования на разработанной модели путем «прогона» ее на ЭВМ. Перед началом исследования полезно составить такую последовательность «прогонов» модели, которая позволила бы получить необходимый объем информации при заданном составе и достоверности исходных данных. Далее на основе разработанного плана эксперимента осуществляют «прогоны» имитационной модели на ЭВМ. В конце этапа осуществляется обработка результатов с целью представления их в виде, удобном для анализа.

Четвертый этап представляет собой анализ результатов исследования. На этом этапе определяются те свойства реальной системы, которые наиболее важны для исследователя. На основе анализа результатов подготавливаются окончательные выводы по проведенному моделированию.

Пятый этап является заключительным. На этом этапе формулируются окончательные выводы и разрабатываются рекомендации по использованию результатов моделирования для достижения поставленных целей. Часто на основе этих выводов возвращаются к началу процесса моделирования для необходимых изменений в теоретической и практической части модели и повторным исследованиям с измененной моделью. В результате нескольких подобных циклов получают имитационную модель, наилучшим образом удовлетворяющую поставленным задачам.

Таким образом, метод имитационного моделирования при исследовании сложной проблемной ситуации предполагает выполнение пяти этапов.

Имитационные модели позволяют проверить, правильно ли мы понимаем процессы в исследуемом объекте, и выявить в различных конкретных случаях параметры порядка. Знание последних и дает возможность строить простые модели сложных явлений. Имитационное (компьютерное) моделирование подразделяется на несколько видов имитационного моделирования (Рис.2.2.).

Агентное моделирование — относительно новое (1990-е – 2000-е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Рис. 2.2. Виды имитационного моделирования

Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Он был основан Джеффри Гордоном в 1960-х годах.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. Такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод был основан Джеем Форрестером в 1950 годах.

Еще одним видом имитационного моделирования является статистическоеимитационное моделирование, позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов.

При исследовании сложных систем, подверженных случайным возмущениям, используются вероятностные аналитические модели и вероятностные имитационные модели. В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров ПС (процесс или система). При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Поэтому для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием. При реализации на ЭВМ статистического имитационного моделирования возникает задача получения на ЭВМ случайных числовых последовательностей с заданными вероятностными характеристиками. Численный метод, решающий задачу генерирования последовательности случайных чисел с заданными законами распределения, получил название " метод статистических испытаний" или "метод Монте-Карло".