ПО имитационного моделирования AnyLogic 6.5.1

Введение

Моделирование представляет собой  мощный метод научного познания, при  использовании которого исследуемый  объект заменяется более простым  объектом, называемым моделью. Основными  разновидностями процесса моделирования  можно считать два его вида - математическое и физическое моделирование. При физическом (натурном) моделировании  исследуемая система заменяется соответствующей ей другой материальной системой, которая воспроизводит  свойства изучаемой системы с  сохранением их физической природы. Примером этого вида моделирования  может служить пилотная сеть, с  помощью которой изучается принципиальная возможность построения сети на основе тех или иных компьютеров, коммуникационных устройств, операционных систем и приложений.

Возможности физического моделирования  довольно ограничены. Оно позволяет  решать отдельные задачи при задании  небольшого количества сочетаний исследуемых  параметров системы. Действительно, при  натурном моделировании вычислительной сети практически невозможно проверить  ее работу для вариантов с использованием различных типов коммуникационных устройств - маршрутизаторов, коммутаторов и т.п. Проверка на практике около  десятка разных типов маршрутизатров связана не только с большими усилиями и временными затратами, но и с  немалыми материальными затратами.

Поэтому, при оптимизации сетей  во многих случаях предпочтительным оказывается использование математического  моделирования. Математическая модель представляет собой совокупность соотношений (формул, уравнений, неравенств, логических условий), определяющих процесс изменения  состояния системы в зависимости  от ее параметров, входных сигналов, начальных условий и времени.

Особым классом математических моделей являются имитационные модели. Такие модели представляют собой  компьютерную программу, которая шаг  за шагом воспроизводит события, происходящие в реальной системе. Применительно  к вычислительным сетям их имитационные модели воспроизводят процессы генерации  сообщений приложениями, разбиение  сообщений на пакеты и кадры определенных протоколов, задержки, связанные с  обработкой сообщений, пакетов и  кадров внутри операционной системы, процесс  получения доступа компьютером  к разделяемой сетевой среде, процесс обработки поступающих  пакетов маршрутизатором и т.д. При имитационном моделировании  сети не требуется приобретать дорогостоящее  оборудование - его работы имитируется  программами, достаточно точно воспроизводящими все основные особенности и параметры  такого оборудования.

Результатом работы имитационной модели являются собранные в ходе наблюдения за протекающими событиями статистические данные о наиболее важных характеристиках  сети: временах реакции, коэффициентах  использования каналов и узлов, вероятности потерь пакетов и  т.п

 

 

 

 

 

 

 

 

1. Моделирование. Основные понятия. Виды моделей.

Издавна человек применяет модели. Это полезно при изучении сложных  процессов или систем, конструировании  новых устройств или сооружений. Обычно модель более доступна для  исследования, чем реальный объект (а есть такие объекты, экспериментировать с которыми невозможно или недопустимо). Как вы уже знаете, модель -- это некоторый материальный или идеальный (мысленно представляемый) объект, замещающий объект-оригинал, сохраняя его характеристики, важные для данной задачи.

Процесс построения модели называют моделированием. Все способы моделирования  можно разделить на две большие  группы. В одном случае моделью является предмет, воспроизводящий те или иные геометрические, физические и т.п. характеристики оригинала. Это -- материальное (физическое) моделирование. Исследование таких моделей -- реальные эксперименты с ними.

Моделирование -  исследование каких-либо явлений, процессов или  систем объектов путем построения и  изучения их моделей; использование  моделей для определения или  уточнения характеристик и рационализации способов построения вновь конструируемых объектов. Моделирование - одна из основных категорий теории познания: на идее моделирования по существу базируется любой метод научного исследования - как теоретический (при котором  используются различного рода знаковые, абстрактные модели), так и экспериментальный (использующий предметные модели).

Модель  —  некоторый материальный или мысленно представляемый объект или явление, являющийся упрощённой версией моделируемого объекта или явления (прототипа) и в достаточной степени повторяющий свойства, существенные для целей конкретного моделирования (опуская несущественные свойства, в которых он может отличаться от прототипа).

1.2. Виды моделей.   

 В статических моделях система представляется неизменной во времени. Такие модели удобны, когда нужно описать структуру системы, то есть из каких объектов она состоит, как эти объекты связаны с друг с другом и каковы свойства этих объектов. Образно говоря, статическая модель представляет собой как бы “фотографию” существенных свойств системы в некоторый момент времени.   

 Динамические модели содержат информацию о поведении системы и ее составных частей. Для описания поведения обычно используются записанные в виде формул, схем или компьютерных программ соотношения, позволяющие вычислить параметры системы и ее объектов, как функции времени.  

В непрерывных моделях фигурирующие в них переменные непрерывны. Это касается и такой независимой переменной, как время t_m

Для дискретных моделей переменные, в том числе и время, дискретны, то есть для них определено некоторое множество разрешенных значений (уровней), в частном случае их всего два (двоичные переменные).

В детерминированных моделях все факторы, оказывающие влияние на развитие ситуации принятия решения, однозначно определены и их значения известны в момент принятия решения.  
 
Стохастические модели предполагают наличие элемента неопределенности, учитывают возможное вероятностное распределение значений факторов и параметров, определяющих развитие ситуации.  
 
Следует отметить, что детерминированные модели, с одной стороны, являются более упрощенными, поскольку не позволяют достаточно полно учитывать элемент неопределенности. С другой стороны, они позволяют учесть многие дополнительные факторы, зачастую недоступные стохастическим моделям.  
 
Здесь также нередко оказывается справедливой известная закономерность: учитывая одни факторы при моделировании, мы нередко забываем о других. И это естественно. Никакая модель не может учесть абсолютно все факторы.  
 
Но профессионально разработанная модель отличается тем, что позволяет учесть наиболее существенные из них.

В аналитических моделях поведение сложной системы записывается в виде некоторых функциональных соотношений или логических условий. Наиболее полное исследование удается провести в том случае, когда получены явные зависимости, связывающие искомые величины с параметрами сложной системы и начальными условиями ее изучения

В имитационной модели поведение компонент сложной системы описывается набором алгоритмов, которые затем реализуют ситуации, возникающие в реальной системе. Моделирующие алгоритмы позволяют по исходным данным, содержащим сведения о начальном состоянии сложной системы, и фактическим значениям параметров системы отобразить реальные явления в системе и получить сведения о возможном поведении сложной системы для данной конкретной ситуации.

3. Преимущества и недостатки имитационного моделирования.

Преимущества

1. Разработка имитационной модели  системы зачастую позволяет лучше  понять реальную систему.

2. В ходе моделирования возможно "сжатие" времени: годы практической  эксплуатации реальной системы  можно промоделировать в течение  нескольких секунд или минут.

3. Моделирование не требует прерывания  текущей деятельности реальной  системы.

4. Имитационные модели носят  намного более общий характер, чем математические модели; их  можно использовать в тех случаях,  когда для проведения стандартного  математического анализа нет  надлежащих условий.

5. Моделирование можно использовать  в качестве средства обучения  персонала работе с реальной  системой.

6. Моделирование обеспечивает более  реалистичное воспроизведение системы,  чем математический анализ.

7. Моделирование можно использовать  для анализа переходных процессов,  тогда как математические модели  для этой цели не подходят.

8. В настоящее время разработано  множество стандартизованных моделей,  охватывающих широкий спектр  объектов реального мира.

9. Имитационное моделирование отвечает  на вопросы типа "а что, если...".

Недостатки

1. Несмотря на то, что на разработку  имитационной модели системы  может уйти довольно много  времени и труда, нет никакой  гарантии, что модель позволит  получить ответы на интересующие  нас вопросы.

2. Нет никакого способа доказать, что работа модели полностью  соответствует работе реальной  системы. Моделирование связано  с многочисленными повторениями  последовательностей, которые основываются на генерации случайных чисел, имитирующих наступление тех или иных событий. Явно стабильная система может - при неблагоприятном сочетании событий - "пойти вразнос" (хотя это и весьма маловероятно).

3. В зависимости от системы,  которую мы хотим моделировать, построение модели может занять  от одного часа до 100 человеко-лет.  Моделирование сложных систем  может оказаться весьма дорогостоящей  затеей и занять немало времени.

4. Моделирование может быть менее  точным, чем математический анализ, поскольку - подчеркнем еще раз  - в его основу положена генерация  случайных чисел. Если реальную  систему можно представить математической  моделью, предпочтение следует  отдать именно такому способу  моделирования.

5. Для "прогона" сложных  моделей требуется довольно значительное  компьютерное время.

6. Для метода имитационного моделирования  по-прежнему характерно недостаточное  использование стандартизованных  подходов (хотя некоторый прогресс  в преодолении этого недостатка  уже намечается). В результате  модели одной и той же реальной  системы, построенные разными  аналитиками, могут иметь мало  общего между собой.

 

 

 

 

 

2. Система имитационного моделирования AnyLogic. Назначение. Основные этапы разработки модели.

 

2.1. AnyLogic 6.5.1 — программное обеспечение для имитационного моделирования сложных систем и процессов, разработанное российской компанией «Экс Джей Текнолоджис» (англ. XJ Technologies). Программа обладает графической средой пользователя и позволяет использовать язык Java для разработки моделей. AnyLogic включает в себя графический язык моделирования, а также позволяет пользователю расширять созданные модели с помощью языка Java. Интеграция компилятора Java в AnyLogic предоставляет более широкие возможности при создании моделей, а также создание Java апплетов, которые могут быть открыты любым браузером. Эти апплеты позволяют легко размещать модели AnyLogic на веб-сайтах. В дополнение к Java апплетам, AnyLogic Professional поддерживает создание Java приложений, в этом случае пользователь может запустить модель без инсталляции AnyLogiс

 

2.2. Основные этапы разработки моделей

1. Описание задачи.  
   Задача формулируется на обычном языке. Главное здесь – определить объект моделирования и представить конечный результат.
2. Определение целей моделирования.  
   Прежде всего, необходимо определить цели моделирования в соответствии с поставленной задачей, которые оказывают направляющее влияние на весь процесс моделирования.
3. Разработка информационной модели.  
   Этот этап включает содержательное описание объекта с дальнейшей его формализацией.  
   Выделяются объекты моделирования, и дается их развернутое содержательное Описание. Описание включает сведения о природе объектов, из зависимости и связи, перечисление свойств и характеристик отдельных объектов и моделируемой системы в целом. Свойства учитываются не все, а лишь те, которые можно считать существенными в зависимости от выбранной цели. В результате выстраивается описательная информационная модель объекта, которую называют вербальной.  
   Формализация – процесс построения информационных моделей с помощью формальных языков; является этапом перехода от словесного описания  связей между признаками объекта к описанию, использующему некоторый формальный язык кодирования.  
   При формализации модели осуществляется переход от описательной модели к конкретному математическому наполнению. Указывается перечень параметров, которые влияют на поведение объекта – исходные данные, и которые желательно получить – результат. Формализуются зависимости между выделенными параметрами, накладываются ограничения на их допустимые значения.  
   Как правило, результатом формализации является математическая модель. помимо алгебраических зависимостей, математическая модель может иметь геометрическое  или логическое представление. Другими знаковыми формами модели, возможными здесь, являются таблицы, схемы, чертежи и пр. – все, что способствует лучшему представлению задачи.
4. Разработка компьютерной модели.  
   На этом этапе формализованная модель преобразуется в компьютерную. Существует множество программных комплексов и сред, которые позволяют проводить построение и исследование моделей. Одну и ту же задачу можно решить, используя различные среды. От выбора программы зависит алгоритм построения компьютерной модели и форма его представления. Это может быть программа, реализуемая в какой-то среде программирования, или последовательность технологических приемов в прикладной среде. Выполняется реализация компьютерной модели по законам выбранной среды.
5. Тестирование модели.  
   В программировании этот этап состоит из процессов трансляции и отладки программы. В других случаях с целью устранения грубых ошибок используется тестовый набор исходных данных, для которых конечный результат заранее известен. Уже на этапе тестирования может выявиться необходимость изменения исходной модели, прежде всего в той части, где заложено смысловое содержание. Чтобы убедиться, что построенная модель адекватна оригиналу, то есть отражает свойства оригинала, которые учитывались при моделировании, надо подобрать тестовые наборы с реальными разнообразными исходными данными.
6. Исследование модели.  
   Исследование заключается в проведении экспериментов, удовлетворяющих целям моделирования, и накопления результатов.  Эксперимент – это опыт, который проводится с объектом или моделью. Он заключается в выполнении некоторых действий, чтобы определить, как реагирует экспериментальный образец на эти действия. Каждый эксперимент должен сопровождаться осмыслением итогов, что служит основой для анализа результатов и принятия решений..
7. Анализ результатов моделирования.  
   Решающий этап – ответить на вопрос: «Продолжать исследование, либо заканчивать?» Полученные выводы часто способствуют проведению дополнительной серии экспериментов, подчас и изменению задачи. Если результаты не соответствуют целям поставленной задачи, значит, на предыдущих этапах были допущены ошибки. Это может быть:
• Неправильно отобранные существенные свойства объекта;
• Ошибки в формулах на этапе формализации;
• Неудачный выбор метода или среды моделирования;
• Нарушение технологических приемов при построении модели.