В процессе имитационного моделирования можно выделить следующие основные этапы (Рис.5):
Рис.5. Этапы имитационного моделирования
1. Формулирование проблемы - описание исследуемой проблемы и определение целей исследования: ставятся вопросы, на которые необходимо ответить, выдвигаются гипотезы, которые необходимо подтвердить, формулируются воздействия, которые надо оценить и т.д. Данный этап во многом является субъективным.
2. Формулировка модели: логико-математическое описание моделируемой системы в соответствии с формулировками проблемы. Процесс моделирования начинается с определения цели разработки модели, на основе которой затем устанавливаются границы системы и необходимый уровень детализации моделируемых процессов. Выбранный уровень детализации должен позволять абстрагироваться от неточно определенных из-за недостатка информации аспектов функционирования реальной системы.
Выбираются зависимые и независимые переменные. Определяется вид модели – стохастическая или детерминированная. Представление исходных данных: идентификация, спецификация и сбор эмпирических данных.
В описание системы, кроме того, должны быть включены критерии эффективности функционирования системы и оцениваемые альтернативные решения, которые могут рассматриваться как часть модели или как ее входы. Оценки же альтернативных решений по заданным критериям эффективности рассматриваются как выходы модели. Обычно оценка альтернатив требует внесения изменений в описание системы и, следовательно, перестройки модели. Поэтому на практике процесс построения модели является итеративным.
3. Программирование ИМ - составление модели для ЭВМ: перевод модели на язык, приемлемый для используемой ЭВМ.
· Валидация: оценка требуемой точности и соответствия имитационной модели реальной системе.
· Адекватность - соответствие поведения модели и поведения реального объекта.
Главным образом интересует не “правдивость” модели, а справедливость тех выводов и заключений, которые получены с ее помощью.
Проверка может быть трех видов:
· проверка верности модели в первом приближении - модель верна, если не дает абсурдных результатов, когда ее параметры принимают граничные значения; это по сути дела экспертная оценка;
· проверка исходных предположений;
· проверка преобразования информации от входа к выходу.
Два последних метода требуют использования статистических выборок и методов оценок. Все эти проверки обеспечивают повышение доверия экспериментатора к модели.
5. Планирование эксперимента.
При эксперименте можно выделить два вида задач:
· определение сочетания значений параметров, которое оптимизирует переменную отклика;
· определение соотношения между функцией отклика и параметрами модели.
При планировании необходимо определить начальные условия проведения имитационного эксперимента, так как модели требуется время для достижения условий равновесия, которые соответствуют условиям функционирования реальной системы. Поэтому следует исключить из рассмотрения данные, относящиеся к некоторой части начального периода имитации. Необходимо выбирать начальные условия, которые уменьшат время необходимое для достижения установившегося режима.
Необходимо уменьшить дисперсию решений при одновременном сокращении величины выборки. Методы планирования эксперимента позволяют снизить число экспериментов и число повторений.
6. Получение исходных данных. На данном этапе необходимо:
· организовать ввод данных и начальных условий
· генерировать недостающие данные
7. Экспериментирование: «прогон» имитационной модели на ЭВМ для получения требуемой информации.
8. Анализ результатов: изучение результатов имитационного эксперимента для подготовки выводов и рекомендаций по решению проблемы - т.е. их интерпретация.
9. Реализация и документирование: реализация рекомендаций, полученных на основе имитации, и составление документации по модели и ее использованию.
В зависимости от того, каким образом изменяются значения переменных состояния модели, различают три вида моделирования (Рис. 6.):
· дискретное - значения меняются скачкообразно;
· непрерывное - значения изменяются непрерывно;
· дискретно-непрерывное - значения изменяются непрерывно, но иногда происходят скачки, или часть переменных состояния изменяется скачками, а часть - непрерывно.
Эти понятия относятся к зависимым переменным моделей, а не к моделируемым объектам (системам).
