Имитационное моделирование

Пермь – 2011

Содержание

Введение ……………….………………………………………………………….3

Глава 1. Определения. История появления. Сферы применения …………......4

Глава 2. Подходы к имитационному моделированию ….…………………..…6

           2.1 Системная динамика ………………………………………………….8

           2.2 Дискретно-событийное моделирование …………………………….8

           2.3 Агентное моделирование …………………………………………….8

Глава 3. Системная динамика …………………………………………………..10

           3.1 Принципы системной динамики ……………………………………10

           3.2 Фондовые потоки ……………………………………………………12

           3.2.1 Время ……………………………………………………………….12

           3.2.2 Фонд ………………………………………………………………...13

           3.2.3 Поток ………………………………………………………………..13

           3.2.4 Конвертор …………………………………………………………..14

           3.2.5 Коннектор …………………………………………………………..14

Глава 4 Достоинства и недостатки …………………………………………….15

          4.1 Достоинства …………………………………………………………..15

          4.2 Недостатки ……………………………………………………………15

Глава 5 Практическая часть ……………………………………………………17

          5.1. PowerSim ……………………………………………………………..17

          5.2 AnyLogic ………………………………………………………………22

Заключение ………………………………………………………………………25

Список литературы ……………………………………………………………...27

Введение

Моделирование — исследование объектов познания на их моделях; построение и изучение моделей реально существующих предметов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя.

В силу многозначности понятия «модель» в науке и технике не существует единой классификации видов моделирования. Классификацию можно проводить:

                 по характеру моделей;

                 по характеру моделируемых объектов;

                 по сферам приложения моделирования (физика, экономика, кибернетика).

Например, можно выделить следующие виды моделирования: информационное моделирование, компьютерное моделирование, математическое моделирование, структурное моделирование, физическое моделирование, экономико-математическое моделирование, имитационное моделирование, эволюционное моделирование и т. д.

Ниже пройдет речь об одном из этих видов — об имитационном моделировании.

В работе будут рассмотрены различные  парадигмы имитационного моделирования: агентная, дискретно-событийная и системно-динамическая, основные принципы системной динамики, достоинства и недостатки этого подхода.

Для реализации моделей  существует большое число средств разработки (MATLAB, Arena, SimuLab, iThink, ИМИТАК). В практической части будет построена модель «Дрейфующая цель» в двух программных продуктах: «PowerSim» и «AnyLogic».

Глава 1. Определения. История появления. Сферы применения

Имитационное моделирование - метод, позволяющий строить модели, описывающий процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику. [1]

Имитационное моделирование - это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).[2]

Имитационное моделирование позволяет имитировать поведение системы во времени. Причем плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью.

Сегодня концепция имитационного моделирования становится все более популярной как для решения тактических задач анализа поведения бизнес-процессов, так и при стратегическом планировании самых разнообразных управленческих ситуаций. Особое значение этот подход приобретает в широкомасштабных проектах, требующих предварительных оценок на самых ранних стадиях реализации и характеризующихся чрезвычайно большим числом параметров при высокой степени их неопределенности, когда классические математические методы оказываются бессильны.

Серия интересных имитационных моделей была предложена создателем системной динамики Дж. Форрестером. Он создал первый черновой вариант модели системной динамики мировой социально-экономической системы. Форрестер назвал эту модель «World 1». Позже была разработана модель «World 2» которую Форрестер опубликовал в свой книге. После выхода книги «Мировая динамика», она привлекла огромное внимание аудитории. Модель «World 2» отображала важные взаимосвязи между населением, промышленностью, загрязнением, ресурсами и пищей. Модель показывала коллапс мировой социально-экономической системы в XXI веке, если не будут приняты определенные шаги по снижению потребления природных ресурсов. Модель была также использована для определения изменений в политике, способных стабилизировать развитие мировой экономики в будущем. Общепризнано, что работы Дж. Форрестера положили начало системной динамике как совокупность принципов и методов анализа динамических управляемых систем с обратной связью (как положительной, так и отрицательной) и их применения для решения производственных, организационных и социально-экономических задач.

Три достижения, обеспеченные в основном благодаря разработкам в области вооружений, сделали возможным применение системной динамики:

      успехи в проектировании и анализе систем управления с обратной связью;

      прогресс в методах компьютерного моделирования и развитие вычислительной техники;

      накопленный опыт в моделировании процессов принятия решений.

Если говорить о моделировании вообще, то можно выделить две крайние позиции, выражающие основные парадигмы компьютерного моделирования:

      аналитическое — «дедуктивное»;

      имитационное — «индуктивное».

Аналитическое моделирование сложных систем, очевидно, имеет ограниченные возможности, что и вызвало к жизни имитационные модели (реализуемые в форме аппаратурных комплексов и программ для ЭВМ).

Сегодня имитационное моделирование можно использовать при решении самых разнообразных задач, например: управление активами, бизнес-процессы, динамика экосисистем, здравоохранение, логистика, производство, рынок и конкуренция, социальная динамика, телекоммуникации.

Глава 2. Подходы к имитационному моделированию

Рассматривая имитационное моделирование как средство решения проблем бизнеса, можно выделить три основных подхода:

      системная динамика;

      дискретно-событийное моделирование (процессно-ориентированное);

      aгентное моделирование.

Первые два подхода являются «традиционными» методами имитационного моделирования, появившимися в 50-60х годах. Системная динамика предполагает высокий уровень абстракции и используется в основном для задач стратегического уровня. Процессно-ориентированный подход используется в основном на операционном и тактическом уровне.

Спектр применения агентных моделей включает задачи любого уровня абстракции: агент может представлять компанию на рынке, покупателя, проект, идею, транспортное средство, пешехода, робота и т.д. Рассмотрим эти подходы подробнее.

2.1. Системная динамика

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. По сути, 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.[3]

2.2. Дискретно-событийное моделирование

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. [4]

2.3. Агентное моделирование

Агентное моделирование — относительно новое 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.[5]

Агентное моделирование получило широкое практическое распространение только после 2000 года, но уже зарекомендовало себя множеством «success stories». 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.

Глава 3. Системная динамика

Системная динамика - это мощная методология и техника компьютерного имитационного моделирования для обозначения, понимания и обсуждения сложных вопросов и проблем. Системная динамика была создана в конце 1950-х гг. Дж. Форрестером в Массачусетсом технологическом институте (МТИ).

Методология системной динамики базируется на предположении, что поведение (или история развития во времени) организации главным образом определяется ее информационно-логической структурой. Она отражает не только физические и технологические аспекты производственных процессов, но, что гораздо важнее, политику и традиции, которые явно или неявно определяют процесс принятия решений в организации. Такая структурная схема содержит источники усиления временных задержек и информационных обратных связей, подобных тем, которые встречаются в сложных инженерных системах.[6]

Другой аспект системной динамики заключается в предположении, что организация более эффективно представляется в терминах лежащих в ее основе потоков, нежели в терминах отдельных функций. Потоки людей, денег, материалов, заявок и оборудования, а также интегрированные потоки информации могут быть выявлены во всех организациях. Направленность на потоковую структуру заставляет аналитика естественным образом преодолевать внутриорганизационные границы.

3.1. Принципы системной динамики

В основе системной динамики лежат четыре принципа, сформулированные впервые Дж. Форрестером.

Первый принцип гласит, что исследование динамики поведения сколь угодно сложного бизнес-процесса можно свести к исследованию изменений уровней некоторых операционных «фондов», регулируемых темпами пополнения или исчерпывания этих фондов входными или выходными «потоками» модельных единиц. Уровень фонда подобен уровню воды в бассейне, а регулирование — усилиям, прилагаемым к «вентилю», установленному на «трубе», через которую осуществляется протекание.

В основе второго принципа лежит предположение, что нетривиальное поведение любого интегрированного бизнес-процесса связано с регулированием контуров положительных и отрицательных обратных связей. Регулируемый контур (цикл) обратной связи позволяет в динамике учитывать текущий и предыдущий опыт развития поведения. В связи с этим появляется привлекательная возможность формировать дисциплину нового управления на базе накопленного опыта.

Третьим принципом системной динамики допускается сохранение неопределенностей и непредсказуемости поведения концептуальных моделей из-за возможности возникновения (в нетривиальных конструкциях с циклами обратных связей) композиций нелинейных пар, которые недоступны строгому описанию в рамках имитационного подхода. Это означает, что поведение фрагментов бизнес-процесса через обратные связи воздействует на другие фрагменты в непропорциональном режиме. И тогда построение концептуальной модели правдоподобного поведения может оказаться весьма затруднительным.