русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

Практические рекомендации по выполнению работы и использованию программного обеспечения моделирования


Дата добавления: 2015-06-12; просмотров: 1734; Нарушение авторских прав


MS Excel.

Пусть задана одноканальная разомкнутая СМО с обслуживающим устройством и бесконечной очередью, для которой время поступления заявок распределено по экспоненциальному закону с интенсивностью lп=6,66, а время обслуживания – по экспоненциальному закону с интенсивностью lо=10. Математическое ожидание для этого типа распределения есть величина обратная интенсивности, следовательно заявки в СМО поступают в среднем через МОп=0,15 секунд, а на обслуживание тратиться в среднем МОо=0,1 секунда, т. е. заявки обслуживаются быстрее, чем поступают. Следовательно, в данной СМО лимитирующим является процесс поступления заявок.

Требуется экспериментально установить число реализаций (прогонов) случайного процесса генерации времени обслуживания в устройстве, гарантирующее имитационной модели 95%-ю точность по математическому ожиданию. В нашем случае при МО=0,15 это означает, что нужно установить с какой реализации случайного процесса МО случайной величины гарантированно не выходит за пределы диапазона 0,1425…0,1575, т. е. отклонение рассчитываемого по экспериментальным реализациям случайного процесса значения МО от заданного значения не превышает 5%.

Для произвольного числа реализаций N случайного процесса МО вычисляется по формуле:

.

При программной реализации следует с использованием метода Монте-Карло реализовать генератор случайных чисел по заданному закону распределения с расчетом МО после каждой генерации случайного числа и определением порядкового номера генерации, начиная с которой расчетное значение МО больше не выходит за пределы 5%-го отклонения. Реализация расчета с использованием других математических пакетов выполняется аналогично.

Для заданного примера фрагмент рабочего листа с реализованными формулами в MS Excel имеет вид, представленный на рис. 60-а (в ячейке В3 содержится значение интенсивности), а результат расчета для 1000 реализаций случайного процесса показан на рис. 60-б.



Графическое представление двух экспериментов по 3000 прогонов случайной величины приведено на рис. 61 и 62 (нижний и верхний предел 5%-го отклонения МО от заданного значения показан жирными линиями). Видно, что в первом эксперименте экспериментальное значение числа прогонов Nэ, начиная с которого МО больше не выходило за пределы диапазона допустимого отклонения, составило порядка 1050 генераций, а во втором эксперименте – ровно 1000. Для гарантированного обеспечения 95%-ной точности по МО при испытаниях имитационной модели число прогонов следует выбрать бóльшим, например 1500.

Выполним приближенный детерминированный анализ заданной СМО. Так как в данном случае лимитирующим является процесс поступления и для него выбрано количество прогонов, равное 1500, в СМО поступит 1500 заявок, а время моделирования составит tм=1500´МОп= =1500´0,15=225 секунд. За это время устройство обслуживания смогло бы обслужить tм/МОо=225/0,1=2250 заявок, т. е. все заявки, поступившие в СМО за время моделирования будут обслужены. Коэффициент использования устройства составит КИ=МОо/МОп=0,66[6]. Средняя длина очереди рассчитывается по формуле [27]:

=1,28 заявки.

Среднее время ожидания обслуживания в очереди составит tож= =1,28´0,15=0,192 секунды.

GPSS World.

Базовые понятия GPSS. Модель GPSS состоит из блоков-операторов, которые задают логику функционирования системы и определяют пути движения заявок между элементами системы. В операторах могут происходить события следующих типов:

- создание или уничтожение заявок;

- изменение числовых атрибутов объекта (заявки, устройства, очереди, списка и т. д.);

- задержка заявки на определенный период времени;

- изменение маршрута движения заявки.

Заявки перемещаются в системном времени и пространстве, переходя от одного оператора модели к другому и воздействуя на них. Входя в оператор, заявка вызывает определяемую типом оператора подпрограмму, которая обрабатывает соответствующее событие. Далее заявка в общем случае пытается войти в следующий оператор. Продвижение продолжается до тех пор, пока не окажется, что очередной оператор должен выполнить одну из следующих функций:

- удалить заявку из модели;

- задержать заявку в предыдущем операторе до выполнения некоторых условий;

- задержать заявку на определяемое моделью время.

Тогда начинается продвижение другой заявки и т. д. – до завершения моделирования. За один шаг работы управляющей программы производится поочередный просмотр всех имеющихся процессов и имитация тех, которые могут быть запущены. При этом может освободиться ранее занятый ресурс или оказаться порожденным процесс более высокого приоритета, и просмотр списка процессов можно начать сначала. При описании этих процессов и в сборе итоговой статистики используются таймер модельного времени, стандартные числовые атрибуты (СЧА) и параметры заявок, а также определяемые пользователем переменные, выражения и таблично задаваемые функции. Наиболее сложные аспекты модели – планирование предстоящих событий и очередности их обработки – автоматически реализует планировщик событий (интерпретатор) GPSS.

Работа начинается с составления GPSS-программы. Компиляция организуется по команде Command/Create Simulation. Синтаксический контроль достаточно развит (в частности, контролируется парность скобок). При обнаружении ошибок создается их список. Каждый выбор элемента списка вызывает сообщение о типе ошибки в статусную строку и помещает точку вставки точно перед ошибочным элементом, например «Line 10, Col 20, Invalid Delimiter. Expecting a GPSS Verb».

Операторы языка GPSS. Оператор – это специальное обозначение для определенного действия над операндами (данными). Оператор модели GPSS может быть собственно оператором GPSS, либо PLUS-оператором. В отличие от PLUS-операторов, которые могут содержать несколько строк, операторы GPSS записываются одной строкой и состоят из полей, разделенных пробелами или ограничителями. В общем случае оператор состоит из следующих полей:

- метка (необязательно);

- глагол (обязательно);

- операнды (в зависимости от глагола);

- комментарий (обязательно).

Для вставки оператора GPSS в модельную реализацию можно использовать меню Edit/Insert GPSS Blocks.

Реализация потока заявок с заданным распределением интервалов времени между поступлениями и задержки заявки в обслуживающем устройстве на время обслуживания с заданным законом распределения осуществляется в GPSS World с использованием операторов GENERATE и ADVANCE соответственно. Способы здания типа и параметров распределения приведены в таблице 21.

Таблица 21
Синтаксис операторов Операнды
Равномерное распределение (типа a±b)
GENERATE p1,p2 ADVANCE p1,p2 p1=a, p2= b
Экспоненциальное распределение с интенсивностью l
GENERATE (Exponential(p1,p2,p3)) ADVANCE (Exponential(p1,p2,p3)) p1 – параметр равномерного распределения, обычно p1=1; p2 – смещение распределения, обычно p2=0; p3 - МО (величина обратная интенсивности l)
Гамма-распределение с интенсивностью l и целочисленным параметром b
GENERATE (Gamma(p1,p2,p3,p4)) ADVANCE (Gamma(p1,p2,p3,p4))   p1 – параметр равномерного распределения, обычно p1=1; p2 – смещение распределения, обычно p2=0; p3 – величина равная 1/l; p4 – целочисленный параметр b. МО для этого типа распределения равно b/l
Нормальное распределение с параметрами m и s
GENERATE (Normal(p1,p2,p3)) ADVANCE (Normal (p1,p2,p3)) p1 – параметр равномерного распределения, обычно p1=1; p2 – МО (m); p3 – стандартное отклонение s

Рассмотрим моделирование в GPSS World заданной одноканальной разомкнутой СМО. Моделирование потока требований выполняется с помощью оператора GENERATE:

GENERATE (Exponential(1,0,0.15))

Очередь задается с помощью операторов QUEUE и DEPART. Оператор QUEUE записывается в виде (в поле операнда дается символьное или числовое имя очереди):

QUEUE OCH1

Заявка будет находиться в очереди до тех пор, пока не поступит сообщение об освобождении устройства обслуживания. Для этого используется оператор SEIZE, который определяет занятость устройства обслужива­ния, и при освобождении последнего отправляет заявку на обслуживание (в поле операнда дается символьное или числовое имя устройства обслуживания):

SEIZE U1

Выход заявки из очереди фиксируется оператором DEPART (в поле операнда дается символьное или числовое имя очереди):

DEPART OCH1

Далее должно быть задано время пребывания заявки в устройстве обслуживания. Для этого используется оператор ADVANCE:

ADVANCE (Exponential(1,0,0.1))

После обслуживания заявка должна освободить устройство:

RELEASE U1

Парные операторы QUEUE и DEPART для каждой очереди должны иметь одно и то же уникальное имя или номер. Это же относится и к операторам SEIZE и RELEASE.

Выход заявки из системы моделируется следующим оператором (в поле операнда задается число удаляемых из системы заявок):

TERMINATE 1

В реализации модели можно жестко задать число прогонов с использованием оператора START (в поле операнда задается количество заявок, после удаления которых из системы процесс моделирования будет прекращен):

START 1500

Таким образом, имитационная модель заданной одноканальной разомкнутой СМО в среде GPSS World имеет вид, показанный на рис. 63.

Перед началом моделирования нужно установить вывод в стандартном отчете GPSS World тех параметров, которые необходимо получить в процессе моделирования, в меню Edit/Settings. В нашем случае выбору подлежат опции Facilities (устройства обслуживания) и Queues (очереди).

После создания имитационную модель необходимо оттранслировать и запустить на выполнение. Для этого:

- щелкните по пункту Command главного меню системы или нажмите комби­нацию клавиш Alt+C;

- щелкните по пункту Create Simulation (создать выполняемую модель) вы­падающего меню.

Так как в модели имеется управляющая команда START, то исходная имита­ционная модель будет выполняться после транслирования, если в ней нет ошибок, а после завершения моделирования будет автоматически сформирован стандартный отчет GPSS World, показанный на рис. 64.

Сравнение результатов имитационного моделирования СМО, выведенных в параметрах отчета, с результатами приближенного детерминированного анализа характеристик СМО, приведено в таблице 22 (расшифровку полей полного стандартного отчета GPSS – см. Приложение 1).

Удовлетворительное совпадение результатов приближенного анализа характеристик СМО с характеристиками, полученными по результатам статистического эксперимента в GPSS World, подтверждает корректность реализации имитационной модели.

Таблица 22
Параметр итогового отчета Значение Приближенная оценка
Общие характеристики моделирования
START TIME (Начальное время) 0,000
END TIME (Время окончания) 225,539
BLOCKS (Число операторов)
FACILITIES (Число устройств обслуживания)
STORAGES (Число накопителей многоканальных устройств)
Результаты моделирования для устройства обслуживания (FACILITY)
ENTRIES (Число входов)
UTIL. (Коэффициент использования) 0,684 0,66[6]
AVE. TIME (Среднее время обслуживания) 0,103 0,1
Результаты моделирования очередей (QUEUE)
МАХ (Максимальное длина очереди)
CONT. (Текущее содержание)
ENTRY (Число входов)
ENTRY(0) (Число входов без ожидания в очереди)
AVE.CONT. (Средняя длина очереди) 1,312 1,28
AVE.TIME (Среднее время ожидания заявки в очереди) 0,197 0,192
AVE. (-0) (Среднее время ожидания заявки в очереди, рассчитанное для заявок, обслуженных с ожиданием) 0,3

КИ очереди устройства СМО равен доле заявок, ожидавших обслуживания в очереди, от общего числа заявок, поступивших в очередь:

где NQj – общее количество заявок, поступивших в очередь j; N0Qj – количество заявок с нулевым временем ожидания в очереди j. Для заданной СМО:

0,656.

Для построения гистограммы времени ожидания заявок в очереди устройства обслуживания в программную реализацию модели следует добавить команду QTABLE формата:

метка QTABLE p1,p2,p3,p4

Метка при построении выводится как заголовок гистограммы; значения параметров: р1 – имя очереди; р2, р3 и р4 – начало координат (левая граница первого интервала), шаг (ширина интервала) и максимальное значение по оси х (количество интервалов).

Гистограмма времени ожидания заявок в очереди устройства, полученная путем табулирования данных с использованием статистической Q-таблицы GIS имеет следующий вид, представленный на рис. 65.

Для вывода табличной формы в стандартном отчете необходимо в меню Edit/Settings выбрать дополнительно опцию Tables (таблицы). Фрагмент стандартного отчета GPSS World – раздел информации о статистических таблицах – для построенной гистограмм имеет вид, показанный на рис. 66.

 

Варианты индивидуальных заданий

Варианты индивидуальных заданий представлены в таблице 23.

Таблица 23
Входной поток заявок Обслуживание в устройстве Задача оптимизации (модификации)
закон распределения параметры закон распределения параметры
эксп. l=0,01 равн. 10±2 Определить максимально возможную интенсивность поступления, при которой коэффициент использования устройства составит 65%.
равн. 10±2 эксп. l=0,33 Определить максимально возможное значение параметра поступления А для интервала поступления А±0,2×А, при котором коэффициент использования устройства не превышает 65%.
эксп. l=6,2 эксп. l=7,1 Определить максимально возможную интенсивность входного потока, обеспечивающую безочередное обслуживание для 28% заявок.
эксп. l=0,35 эксп. l=80 Определить предельную интенсивность, при которой становится невозможным безочередное обслуживание.
эксп. l=0,035 гамма l=0,033 b=3 Определить максимальную интенсивность входного потока, при которой очередь можно ограничить 4 заявками.
эксп. l=0,15 равн. 2±0,2 Определить максимально возможную интенсивность входного потока, обеспечивающую безочередное обслуживание для 20% заявок.
эксп. l=0,72 эксп. l=5 Определить интенсивность входного потока, при которой коэффициент использования очереди будет меньше начального значения 10%.
эксп. l=0,27 гамма l=0,93 b=3 Определить максимально возможную интенсивность входного потока, обеспечивающую безочередное обслуживание.
гамма l=0,014 b=2 эксп. l=0,27 Определить минимально возможную интенсивность обслуживания, при которой возможны потери при условии ограничения очереди 15-ю заявками.
эксп. l=0,05 эксп. l=0,045 Определить коэффициент использования очереди, являющийся необходимым условием для обеспечения коэффициента использования устройства равного 80%.

 


 

Продолжение таблицы 23
Входной поток заявок Обслуживание в устройстве Задача оптимизации (модификации)
закон распределения параметры закон распределения параметры
эксп. l=0,2 норм. m=4,8 s=0,5 Определить минимально возможное значение интервала времени между поступлениями заявок для обеспечения коэффициента использования очереди равного 12%.
норм. m=2,2, s=0,1 эксп. l=1,1 Определить интенсивность обслуживания, при которой коэффициент использования очереди будет в два раза меньше начального значения.
гамма l=0,5; b=2 гамма l=0,5 b=4 Определить максимально возможную интенсивность поступления, при которой процент заявок, ожидающих обслуживания в очереди, составит не более 25%
гамма l=0,5; b=2 норм. m=2,2 s=0,1 Определить максимально возможную интенсивность поступления, при которой коэффициент использования устройства составит 45%.
норм. m=0,5 s=0,05 гамма l=4,5 b=3 Определить минимально возможное значение интервала времени между поступлениями заявок для обеспечения коэффициента использования устройства равного 30%.
норм. m=4 s=0,21 равн. 3,5±0,5 Определить значение параметра обслуживания А для распределения времени обслуживания А±0.2А, при котором суммарное время использования очереди в процессе обслуживания будет составлять не более 25% от общего времени эксплуатации системы.
равн. 3,5±0,5 гамма l=0,5 b=2 Определить, при какой интенсивности обслуживания коэффициент использования очереди составит 50%.
гамма l=2,5 b=2 равн. 0,5±0,2 Определить, при какой интенсивности поступления очередь обслуживания можно ограничить 4-мя заявками.
норм. m=3 s=0,09 норм. m=2 s=0,04 Определить при каком минимальном среднем интервале между поступлениями заявок обслуживание будет безочередным.
гамма l=0,2 b=2 гамма l=0,25 b=3 Определить, при каком коэффициенте использования устройства очередь можно ограничить 3-мя заявками.

 

Продолжение таблицы 23
Входной поток заявок Обслуживание в устройстве Задача оптимизации (модификации)
закон распределения параметры закон распределения параметры
гамма l=0,25; b=2 эксп. l=0,25 Определить, при каком коэффициенте использования очереди коэффициент использования устройства составит 25%.
равн. 3±1 норм. m=3 s=1 Определить, при каком параметре s распределения времени обслуживания коэффициент использования очереди не будет превышать 10%.
эксп. l=0,8 гамма l=0,62 b=2 Определить, при какой интенсивности обслуживания коэффициент использования очереди будет в два раза меньше начального значения.
эксп. l=0,72 эксп. l=5 Определить максимально возможную интенсивность поступления, при которой коэффициент использования устройства составит 15%.
эксп. l=0,5 норм. m=20,8 s=2 Определить, при какой интенсивности входного потока средняя длина очереди в процессе обслуживания не будет превышать 25 заявок.
эксп. l=0,25 гамма l=0,5 b=2 Определить, при какой интенсивности входного потока среднее время ожидания обслуживания составит 1 секунду.
эксп. l=0,1 эксп. l=0,25 Определить, при какой интенсивности входного потока среднее время пребывания заявки в системе составит 15 секунд.
гамма l=0,5 b=3 равн. 4±0,5 Определить значение параметра обслуживания А для распределения времени обслуживания А±0,1А, при котором только 50% заявок от числа поступивших в систему будут обслужены с ожиданием.

 

Лабораторная работа №4. Статистическое моделирование
многоканальных СМО безприоритетного обслуживания
неоднородного потока заявок с ограничением очередей обслуживания

 

Цель: Моделирование многоканальной многофазной СМО безприоритетного обслуживания с ограничением очередей обслуживания. Модификация СМО заданным способом по условию гарантии безочередного обслуживания для заданного процента заявок входного потока.

Программное обеспечение моделирования: GPSS World.

 

Теория

СМО бывают одно- и многоканальными в зависимости от числа устройств, параллельно обрабатывающих входной поток заявок; одно- и многофазными в зависимости от числа последовательно включенных устройств. Параметры поступления и обслуживания заявок в СМО, как правило, являются случайными величинами, распределенными по заданному закону.

Основные сведения об имитационных моделях СМО – см. раздел 3.4. конспекта лекций.

 



<== предыдущая лекция | следующая лекция ==>
Ход выполнения работы | Ход выполнения работы


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 0.01 сек.