Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.
ISBN 5-03-001815-8
Скачать (прямая ссылка):
В настоящем разделе мы привели два примера языков с разными типами вспомогательных функций. Пользуясь языком HOS, можно при умеренных затратах получить высоко детализированные представления ограниченного класса с одним оператором. Однако такие языки становятся громоздкими, когда моделируемые системы не соответствуют тому классу задач, для которого разрабатывался язык. Более того, не каждый пользователь может согласиться с каким-то навязанным ему выбором модального представления, вследствие чего могут оказаться неподходящими и предлагаемые ему встроенные функции.
Напротив, языки SAINT и Micro SAINT содержат совсем небольшое число встроенных ограничений на класс моделируемых систем и не навязывают никаких исходных предположений о моделируемых механизмах поведения. По этой причине их можно применять для моделирования чрезвычайно широкого круга систем произвольной сложности. Пользователям
Имитационное моделирование систем человек — машина_407"
приходится расплачиваться за эту гибкость тем, что они сами должны разрабатывать представления поведенческих аспектов, а также описание динамики систем. Все это увеличивает нагрузку на пользователей. Выбор методологии имитационного моделирования должен производиться исходя из наличия средств, наиболее подходящих для решения проблемы.
7.3.5. Выбор языка имитационного моделирования
Выбор языка имитационного моделирования часто основывается на имеющейся у пользователя информации и на соображениях доступности для приобретения, а не на сравнении конкретных характеристик языков. Однако, если предполагается частое использование имитационного моделирования, рекомендуется провести исчерпывающий анализ существующих языков и требований проекта. В книге Шеннона [72] детально описывается процедура проведения подобного анализа. В табл. 7.4 перечислены основные факторы, которые следует рассматривать при сравнении языков имитационного моделирования.
7.4. Некоторые вопросы разработки и использования имитационных моделей
Разработка и машинная реализация некоторой имитационной модели являются в сущности сложным статистическим экспериментом. Поэтому процедуры планирования и анализа экспериментов с моделями аналогичны методам, применяемым в других научных экспериментах, с той лишь разницей, что при имитационном моделировании аналитик в большей степени контролирует условия эксперимента. Необходимой частью имитационного моделирования является статистический анализ, целями которого служат: 1) эффективное использование результатов моделирования при оценивании критериев эффективности системы и 2) оценивание диапазона применимости выводов, полученных по результатам моделирования. Первая цель достигается выбором методов сбора и оценивания данных, а также решением тактических вопросов, т. е. как начать, провести и закончить эксперимент с моделью. Вторая цель отражает как адекватность имитационной модели, так и корректность общего плана экспериментальных прогонов. В этом разделе рассматриваются основные методы статистической обработки данных, которые применяются в имитационном моделировании.
Чтобы внести ясность в последующее обсуждение, мы будем рассматривать следующие типы имитационного моделирования, различающиеся по методам анализа выходных данных.
408 Глава 7
Таблица 7.4. Критерии оценки языков имитационного моделирования
Критерий
Оценочные признаки
Объем обучения
Возможности программирования моделей
Мобильность
Гибкость
Возможности обработки
•Отладочные возможности и надежность
Быстродействие
Легкость освоения языка
Простота концептуального представления задач имитационного моделирования Легкость кодирования, включая процедуры случайных выборок и численного интегрирования Степень самодокументируемостн программ Наличие того же языка для других или для новых типов ЭВМ
Степень поддержки языков всеми средствами различных принципов моделирования Наличие встроенных функций для сбора статистических данных Возможности обработки списков Возможности резервирования памяти Простота получения стандартных отчетов Легкость генерации отчетов по спецификациям пользователей
Простота процедур отладки Надежность компиляторов, вспомогательных систем и документации Быстрота процедур трансляции Скорость работы программ
1. Моделирование установившегося состояния (безостановочное моделирование). В этом типе модельного эксперимента после достаточно длительного периода функционирования вероятностный закон, управляющий поведением реальной системы, стабилизируется на асимптотически устойчивом уровне. Для таких систем ищутся оценки стационарных или осреднен-ных по длительному периоду времени мер эффективности. Большинство из обсуждаемых здесь процедур статистического анализа применимы в подобной ситуации.
2. Моделирование переходных состояний (моделирование с остановками). В тех случаях, когда интересно исследовать поведение системы в течение фиксированного периода времени (внутри которого управляющий вероятностный закон изменяется), система моделируется только в заданном временном интервале. Такой тип моделирования применяется, когда 1) соответствующая реальная система периодически отключается или 2) необходимо исследовать кратковременный отклик системы на некоторое «шоковое» воздействие. Подходящим методом исследования нестационарных систем является, как будет показано ниже, многократное повторение экспериментов.
