Амангельдина М.А.

Восточно-Казахстанский государственный технический университет, Казахстан

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ, КАК ИНСТРУМЕНТ ИССЛЕДОВАНИЯ СЛОЖНЫХ СИСТЕМ

В настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Возможность представления моделью (лат. modulus - мера, образец) природных явлений, процессов или объектов окружающего нас мира присуща человеку - исследователю еще с ранних этапов развития общества.

Модель представляет собой объект любой природы, который создается исследователем с целью получения новых знаний об объекте - оригинале и отражает только существенные (с точки зрения разработчика) свойства оригинала.

Из данного определения можно сделать следующие выводы:

1) любая модель субъективна, она несет на себе печать индивидуальности исследователя;

2) любая модель отражает не все, а только существенные свойства объекта-оригинала;

3) возможно существование множества моделей одного и того же объекта-оригинала, отличающихся целями исследования и степенью адекватности.

При представлении модели средствами математики и логики возникает абстрактный образ реального объекта, при исследовании образца реального объекта в качестве модели имеет место конкретное исследование. Таким образом, моделирование, в том числе и имитационное, находится в промежутке между этими двумя крайними точками.

Имитация - это «процесс конструирования реальной системы и постановки эксперимента на ней».

ИМ можно использовать в двух направлениях:

1) рассматривать случайные процессы функционирования системы и определять статистические характеристики, что интересно в первую очередь разработчикам и исследователям системы;

2) при известном или детерминированном процессе функционирования системы определять разные варианты построения элементов конструкции или стратегии управления, что интересно в первую очередь конструкторам, архитекторам или менеджерам.

Имитационное моделирование позволяет решать ряд сложных задач и имеет преимущества:

- при создании ИМ законы функционирования системы могут быть неизвестны, поэтому постановка задачи исследования является не полной и ИМ служит средством изучения особенностей процесса. При этом можно руководствоваться связями между компонентами и алгоритмами их поведения;

- при проведении ИМ выявляется характер связей между внутренними параметрами системы и выходными характеристиками;

- при проведении ИМ можно менять темп моделирования: ускорять при моделировании явлений макромира (например, процессов на Солнце) или замедлять при моделировании явлений микромира (например, процесс существования элементарных частиц);

- при проведении сравнения и выбора альтернатив;

- при изучении узких мест в системе;

- при подготовке специалистов, осваивающих новую технику.

Из перечисленного следует, что ИМ применяется для решения широкого спектра задач практически любой сложности в условиях неопределенности, когда аналитическое моделирование оказывается практически не применимым.

Достоинства ИМ

1. Возможность объединять традиционные математические и экспериментальные компьютерные методы.

2. Высокая эффективность применения при исследовании экспертных систем, сложных систем управления. По данным RAND Corp., консалтинговые фирмы из всей гаммы возможных средств анализа: линейного, нелинейного, динамического программирования, методов исследования операций, вычислительных методов - более чем в 60 % случаев прибегают к ИМ, так как ИМ позволяет получать ответы в терминах, понятных и привычных для пользователя.

3. Возможность исследовать объекты, физическое моделирование которых экономически нецелесообразно или невозможно.

4. Испытания объекта связаны с опасностью для здоровья человека.

5. Исследование еще не существующих объектов.

6. Исследование труднодоступных или ненаблюдаемых объектов.

7. Исследование плохо формализуемых экологических, социальных или экономических систем.

8. Исследование объектов практически любой сложности при большой детализации и снятии ограничений на вид функций распределения случайных величин.

Недостатки ИМ

1. Самым существенным недостатком является невозможность получить точечную оценку исследуемых характеристик, так как в результате ИМ можно оценить только математическое ожидание и дисперсию.

2. Потеря общности результатов, так как при ИМ оценивается конкретная система.

3. Трудности оптимизации, так как ИМ отвечает на вопрос, «что будет в случае, если..?»,  но не определяет, будут ли эти условия наилучшими.

4. Трудности с оценкой адекватности ИМ.

5. Создание ИМ сложной системы длительно по времени и требует значительных денежных средств.

Несмотря на эти недостатки, все большее число исследователей прибегает к использованию ИМ в силу достоинств, указанных выше.

Следующие группы задач ИМ можно отнести к основным.

1. Оценка значений выходных показателей, а также значений параметров компонентов.

2. Нахождение функциональной зависимости между выходными показателями и значениями параметров системы.

3. Сравнение систем с разными вариантами структур и разными значениями параметров для одной функциональной структуры.

4. Оптимизация системы на множестве параметров на основе двойственной задачи оптимизации (достижение максимума выходного параметра при заданном значении ресурсов либо минимизация ресурсов при достижении заданного значения выходного параметра).

При ИМ неизбежно возникает проблема обоснования возможности перенесения на исследуемую систему выводов, полученных при функционировании модели. Под адекватностью ИМ понимаем степень отражения параметрами модели характеристик исследуемой системы с точностью, требуемой для конкретного исследования. Оценка адекватности впрямую мало реальна, и чаще всего руководствуются косвенными соображениями типа:

- согласуются ли результаты со здравым смыслом, причем факт отсутствия противоречий или их наличие еще не доказывают неадекватность модели;

- согласуются ли результаты ИМ с предполагаемыми статистическими оценками.

Тем не менее, в последнее время появился ряд работ, делающих обнадеживающие попытки оценки адекватности, распадающейся на два связанных процесса:

верификации - т. е. проверки идентичности концептуальной модели исследуемой системы;

пригодности модели - возможности перенесения результатов моделирования на исследуемую систему.

Оценка пригодности в ИМ - процедура достаточно спорная, считается даже, что она может дискредитировать полезную модель. Кроме того, оценка пригодности, являясь многокритериальным процессом, достаточно сложна, и единой системы критериев для такой оценки не существует.

Техническая пригодность должна выяснить обоснованность теоретических посылок, положенных в основу модели. Вначале оцениваются все сделанные допущения, затем оценивается пригодность данных.

Операционная пригодность менее категорична, чем техническая, и допускает большие рассогласования. Особое внимание обращается на робастность, включающую анализ чувствительности на ошибки в процессе ИМ при задании экстремальных значений входным параметрам.

Динамическая пригодность. Расхождения во временном диапазоне, влияющие на операционную пригодность, оцениваются динамической пригодностью ИМ, а также возможностью актуализации и расширения данных.

Очевидно, что оценка адекватности является пошаговым процессом и обязательной частью процесса ИМ. Если необходимо внести коррективы в имеющуюся систему, то оценка адекватности приобретает реальные очертания. Так, результаты моделирования сравниваются с накопленными данными, и если совпадение находится в границах заданной статистической точности, то адекватность достаточно высока.

Имитационное моделирование – наиболее мощный и универсальный метод исследования и оценки эффективности систем, поведение которых зависит от воздействия случайных факторов.

В основе имитационного моделирования лежит статистический эксперимент, реализация которого практически невозможна без применения средств вычислительной техники. Поэтому любая имитационная модель представляет собой, в конечном счете, более или менее сложный программный продукт.