Главная страница

Лекции по курсу ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. Лекции по курсу имитационное моделирование экономических процессов 1 имитационное моделирование экономических процессов 1


Скачать 1.28 Mb.
НазваниеЛекции по курсу имитационное моделирование экономических процессов 1 имитационное моделирование экономических процессов 1
Дата15.06.2020
Размер1.28 Mb.
Формат файлаdoc
Имя файлаЛекции по курсу ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ.doc
ТипЛекции
#61630
страница1 из 19

Подборка по базе: Практикум по курсу «Экономическая теория» раздел 1 «Общая эконом, Физика (уск), ч. 2 лекции.pdf, АС ТКС_Материалы лекции к занятию 12.docx, Шпоры математическое моделирование.docx, 1 лекции.pdf, билеты по3 d моделирование 2017.doc, Темы курсовых по предмету Многоагентные системы и имитационное м, 1 семестр лекции.docx, Тема лекции Операциональная сфера профессионализма.docx
  1   2   3   4   5   6   7   8   9   ...   19

Лекции по курсу ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ


Курс лекций

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ

ОГЛАВЛЕНИЕ





Лекции по курсу ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ 1

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ 1

ОГЛАВЛЕНИЕ 1

ВВЕДЕНИЕ В ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. 3

Математическое и компьютерное моделирование 3

Классификация видов моделирования 3

Математическое моделирование сложных систем 3

Понятие имитационного моделирования 5

Технология Имитационного моделирования 7

Этапы имитационного моделирования 7

МЕТОД МОНТЕ-КАРЛО 9

ИМИТАЦИЯ СЛУЧАЙНЫХ ВЕЛИЧИН И ПРОЦЕССОВ 11

Базовый датчик 11

Требования к базовым датчикам и их проверка 11

1. Отрезок апериодичности 11

2. Равномерность 11

3. Некоррелированность 12

Модели базовых датчиков 12

Мультипликативный конгруэнтный метод (метод вычетов) 12

Линейные смешанные формулы. 13

Генерация случайных событий 13

ГЕНЕРАЦИЯ ДИСКРЕТНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН 15

Специальные методы генерации некоторых дискретных случайных величин 15

1.Равномерное распределение 15

2.Геометрическое распределение 15

3.Отрицательное биномиальное распределение. 16

4.Биномиальное распределение 16

5.Пуассоновское распределение 16

ГЕНЕРАЦИЯ НЕПРЕРЫВНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН 18

1.Метод обратной функции 18

2.Метод суперпозиции 19

3.Метод исключения 20

4.Нормальные случайные величины 21

УПРАВЛЕНИЕ МОДЕЛЬНЫМ ВРЕМЕНЕМ 23

Виды представления времени в модели 23

Изменение времени с постоянным шагом 24

Изменение времени по особым состояниям 26

МОДЕЛИРОВАНИЕ ПАРАЛЛЕЛЬНЫХ ПРОЦЕССОВ 29

Виды параллельных процессов 29

Методы описания параллельных процессов 30

Моделирование на основе транзактов 31

СРЕДА MATLAB 33

Общие сведения 33

Система визуального моделирования SIMULINK 34

Начало работы 34

Демонстрация возможностей. 35

Библиотека блоков Simulink. 36

Source – блоки-источники. 36

Sinks – блоки-получатели. 37

Continuous – непрерывные системы. 38

Discontinuities – разрывные системы. 38

Discrete – дискретные системы. 38

Look-Up Tables – работа с таблицами. 38

Math Operations – математические операторы. 39

Model Verification – проверка модели 40

Model-Wide Utilities: - широкие возможности обслуживания модели 40

Ports & Subsystems – Порты и Подсистемы 40

Signal Attributes – признаки сигнала 41

Signal Routing – направление сигнала 41

User-Defined Functions – Определенные пользователем Функции 42


ВВЕДЕНИЕ В ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ.

Математическое и компьютерное моделирование

Классификация видов моделирования




Физическое – используется сама система, либо подобная ей (летательный аппарат в аэродинамической трубе).

Математическое – процесс установления соответствия реальной системе S математической модели M и исследование этой модели, позволяющее получить характеристики реальной системы.

Аналитическое – процессы функционирования элементов записываются в виде математических соотношений (алгебраических, интегральных, дифференциальных, логических и т.д.). Аналитическая модель м.б. исследована методами: а) аналитическим (устанавливаются явные зависимости, получаются, в основном, аналитические решения); б) численным (получаются приближенные решения); в) качественным (в явном виде можно найти некоторые свойства решения).

Компьютерное – математическое моделирование формулируется в виде алгоритма (программы для ЭВМ), что позволяет проводить над ней вычислительные эксперименты.

Численное – используются методы вычислительной математики (отличается от численного аналитического тем, что возможно задание различных параметров модели).

Статистическое – обработка данных о системе (модели) с целью получения статистических характеристик системы.

Имитационное – воспроизведение на ЭВМ (имитация) процесса функционирования исследуемой системы, соблюдая логическую и временную последовательность протекания процессов, что позволяет узнать данные о состоянии системы или отдельных ее элементов в определенные моменты времени.

Применение математического моделирования позволяет исследовать объекты, реальные эксперименты над которыми затруднены или невозможны (дорого, опасно для здоровья, однократные процессы, невозможные из-за физических или временных ограничений – находятся далеко, еще или уже не существуют и т.п.).

Экономический эффект: затраты в среднем сокращаются в 10-100 раз.

Математическое моделирование сложных систем

Понятие сложной системы


Элемент s – некоторый объект, обладающий определенными свойствами, внутреннее строение которого для целей исследования не играет роли (самолет: для моделир. полета – не элемент, а для моделир. работы аэропорта –элемент).

Связь l между элементами – процесс их взаимодействия, важный для целей исследования.

Система S – совокупность элементов со связями и целью функционирования F.

Сложная система – состоящая из разнотипных элементов с разнотипными связями.

Большая система – состоящая из большого числа однотипных элементов с однотипными связями.

Система:



Автоматизированная система - сложная система с определяющей ролью элементов двух типов: технических средств (прежде всего ЭВМ) и действий человека :



здесь - остальные элементы системы.

Структура системы – ее расчленение (декомпозиция) на элементы или группы элементов с указанием связей между ними, неизменное во время функционирования системы.

Практически все системы рассматриваются функционирующими во времени, поэтому определим их динамические характеристики.

Состояние – множество характеристик элементов системы, изменяющихся во времени и важных для целей функционирования.

Процесс (динамика) – множество значений состояний системы, изменяющихся во времени.

Цель функционирования – задача получения желаемого состояния системы. Достижение цели обычно влечет целенаправленное вмешательство в процесс функционирования системы, которое называется управлением.

Задачи исследования систем:

  1. анализ – изучение свойств функционирования системы;

  2. синтез – выбор структуры и параметров по заданным свойствам системы.

Понятие математического моделирования


- временной интервал моделирования системы S (интервал модельного времени).

Построение модели начинается с определения параметров и переменных, определяющих процесс функционирования системы. Параметры системы - характеристики системы, остающиеся постоянными на всем интервале T. Если , то говорят, что имеется параметрическое семейство систем.

Переменные – зависимые и независимые.

Независимые:

входные воздействия (в т.ч. управляющие):
воздействия внешней среды (контролируемые – неконтролируемые = наблюдаемые – ненаблюдаемые и детерминированные – случайные):
состояния системы
Отличаются от тем, что характеризуют свойства системы, изменяющиеся во времени. X – пространство состояний или фазовое пространство. Последовательность nguage: x для называется фазовой траекторией системы. А последовательность y – выходной траекторией.

Зависимые – выходные характеристики (сигналы)

Общая схема ММ функционирования системы:



Множество переменных вместе с законами функционирования



называется математической моделью системы.

Если t непрерывно, то модель называется непрерывной, иначе – дискретной

Если модель не содержит случайных элементов, то она называется детерминированной, в противном случае – вероятностной.

Если математическое описание модели слишком сложное и частично или полностью неопределена, то в этом случае используются агрегативные модели. Сущность агрегативной модели заключается в разбиении системы на конечное число взаимосвязанных частей (подсистем), каждая из которых допускает стандартное математическое описание. Эти подсистемы называются агрегатами.
  1   2   3   4   5   6   7   8   9   ...   19


написать администратору сайта