Формализация и алгоритмизация информационных процессов; (Китаев Вячеслав)

Моделирование систем

Планирование имитационных экспериментов с моделями; (Китаев Вячеслав)

Основная задача планирования машинных экспериментов заключается в получении необходимой информации об исследуемой системе при ограниченных ресурсах (затраты машинного времени, памяти и т.п.). К числу частных задач, решаемых при планировании машинных экспериментов, относятся задачи уменьшения затрат машинного времени на моделирование, уменьшения погрешности результатов моделирования, проверки адекватности модели и т.п.

Эффективность машинных экспериментов существенно зависит от выбора плана эксперимента, т.к. именно план определяет объём и порядок проведения вычислений на ЭВМ, приёмы накопления и статистической обработки результатов моделирования системы. Поэтому основная задача планирования машинных экспериментов с моделью формируется следующим образом: необходимо получить об объёме моделирования, заданном в виде моделирующего алгоритма (программы) при минимальных или ограниченных затратах машинных ресурсов на реализацию процесса моделирования.

Таким образом, при машинном моделировании необходимо не только рационально планировать и проектировать саму модель системы, но и процесс её использования, т.е. проведения с ней эксперимента.

При планировании машинных экспериментов возникает целый ряд проблем, взаимно связанных как с особенностью функционирования моделируемого объекта, так и с особенностью машинной реализации модели и обработки результатов эксперимента. В первую очередь к таким относятся проблемы построения плана машинного эксперимента, стохастической сходимости результатов, ограниченности машинных ресурсов, уменьшения дисперсии оценок, полученных на машинной модели и т.д.

Рассмотрим основные понятия теории планирования эксперимента. В планировании эксперимента различают входные (изогенные) и выходные (эндогенные) переменные: х₁, х₂,…, х_к; y_1, y₂…, y_e. Входные переменные в ТПЭ называют факторами а выходные — реакциями. Каждый фактор x_i, i=1,2,…,k может принимать в эксперименте одно или несколько значений, называемых уровнями. Фиксированный набор уровней факторов определяет одно из возможных состояний рассматриваемой системы. Одновременно этот набор представляет собой условия проведения одного из возможных экспериментов.

Каждому фиксированному набору уровню факторов соответствует определённая точка в многомерном пространстве, называемая факторным пространством. Эксперименты не могут быть реализованы во всех точках факторного пространства, а лишь в принадлежащих допустимой области, как это например оказано для случая двух факторов Х₁ и Х₂ на рисунке (см. ниже рис. 1.).

Рис. 1. Геометрическое представление поверхности реакции.

Реакцию (отклик) системы можно представить в виде зависимости: y_l=Y_l(x₁, x₂,…,x_k); e=1…m. Функцию Y_e, связанную с факторами, называют функцией отклика, а её геометрический образ – поверхностью отклика. Исследователь заранее не известен вид зависимостей Y_l, l=1…m, поэтому используют приближение соотношения:

Зависимость и Y_l находятся по данным эксперимента. Последний необходимо поставить так, чтобы при минимальных затратах ресурсов (числе испытаний), варьируя выходные значения по специально сформулированным правилам, построить математическую модель системы и оценить её характеристики. Факторы при проведении эксперимента могут быть управляемыми и неуправляемыми, количественными или качественными, фиксированными и случайными. Фактор относится к изучаемым, если он включён в модель для изучения свойств системы. Количественными факторами являются интенсивности входящих потоков заявок, интенсивности потоков обслуживания, ёмкости накопителей, количество обслуживающих каналов и другие. Качественным факторам не соответствует числовая шкала (дисциплины постановки на очередь, обслуживание каналов и другие).

Фактор является управляемым, если его уровни целенаправленно выбираются экспериментатором.

При планировании эксперимента обычно изменяются несколько факторов.

Основными требованиями, предъявляемыми к факторам - независимость и совместимость. Совместимость означает, что все комбинации факторов осуществимы.

Для выбора конкретной модели планирования эксперимента необходимо сформулировать такие её особенности, как адекватность, содержательность, простота.

План эксперимента обычно используется для определения экстремальной характеристики объекта. Поэтому планирование эксперимента называется экстремальным. В планировании эксперимента наибольшее значение нашли модели в виде алгебраических полиномов.

Предполагаем, что изучается влияние К количественных факторов х_i на некоторую h в отведённый для экспериментирования локальной области факторного пространства ограниченного х_{i min}—x_{i max}, i=1…k.

Функцию отклика обычно выбирают линейной или квадратичной.

(1)

где вектор с элементами , входящих в исходный полином; - вектор коэффициентов. Для двух факторов имеем: f₀=1, f₁=x₁, f₂=x₂, f₁₂=x₁x₂, f₁₁=x₁², f₂₂=x₂². (b₀,b₁,b₂,b₁₂,b₁₁,b₂₂).

Так как полином (1) содержит d коэффициентов, то план эксперимента должен содержать N³d различных экспериментальных точек:

где x_in­ - значение, которое принимает i-ая переменная в u-ом испытании. i=1…k, u=1...N. Матрица D называется планом эксперимента.

Реализовав испытания в N очках области факторного пространства, определённом планом эксперимента, получим вектор наблюдений имеющий следующий вид:

где y_u - реакция соответствующей u-ой точке плана.

Плану эксперимента поставим в соответствие матрицу планирования:

где f_il, f_ijl - координатные функции при соответствующих коэффициентах модели, в l - ом эксперименте.

Построению плана эксперимента предшествует проведение ряда неформализованных действий (принятия решения) направленных на выбор локальной области факторного пространства G.

Необходимо учитывать, что как только модель сформирована включение дополнительных факторов для уточнения модели невозможно. Вначале следует выбрать границы x_{i min} и x_{i max} области определения факторов исходя из свойств объекта. Например, температура при термобарических экспериментах не может быть ниже абсолютного нуля и выше температуры плавления материала из которого изготовлена термобарокамера.

После определения области G необходимо найти нулевые (основные) уровни факторов и интервалы варьирования Dx_i, i=1…k.

Эксперимент, в котором реализуются все возможные сочетания уровней факторов, называется полным факторным экспериментом (ПЭФ). Если выбранная модель включает только линейные члены полинома и их произведения, то для оценки коэффициентов модели используется ПЭ с варьированием всех k факторов на двух уровнях, т.е. q=2. Такие планы называются планы типа 2^k, где n=2^k- число всех возможных испытаний.

Начальным этапом ПЭ для получения коэффициентов линейной модели основан на варьировании факторов на двух уровнях: нижнем x_iн и верхнем x_iв, симметрично расположенных относительно основного уровня x_i0, i=1…k. Геометрическая интерпретация показана ниже на рис. 2.:

Рис. 2. ПЭФ типа 2.

Для упрощения записи условий каждого эксперимента факторы кодируют в виде безразмерных величин .Средний уровень кодированного фактора является нулём 0, граничные значения соответственно +1 и -1.

Формализация и алгоритмизация информационных процессов; (Китаев Вячеслав)

С развитием вычислительной техники наиболее эффектив­ным методом исследования больших систем стало машинное мо­делирование, без которого невозможно решение многих крупных народнохозяйственных проблем. Поэтому актуальными задачами являются освоение теории и методов математического моделирования с учетом требований системности, анализдинамики и возможности управления машинным экспериментом с моделью, анализ адекватности моделей исследуемых систем.

Общие методологические аспекты широкого класса математичес­ких моделей позволяют исследовать механизм явления, протекающие в реальном объекте с большими или малыми скоростями, когда в натурных экспериментах с объектом трудно (или невозможно) проследить за изменениями, происходящими в течение короткого времени. или когда получение достоверных результатов сопряжено с длительным экспериментом. При необходимости машинная модель «растяги­вает» или «сжимает» реальное время, так как машинное моделиро­вание связано с понятием системного времени, отличного от реаль­ного. Кроме того, с помощью машинного моделирования можно обучать персонал АСОИУ принятию решений в управлении объектом.

Сущность машинного моделирования системы состоит в прове­дении на ЭВМ эксперимента с моделью, которая представляет собой некоторый программный комплекс, описыва­ющий формально и (или) алгоритмически поведение элементов системы S в процессе ее функционирования, т. е. в их взаимодейст­вии друг с другом и внешней средой Е.

Требованиями пользователя к модели M процесса функционирования системы S являются:

1. Полнота модели должна предоставлять пользователю воз­можность получения необходимого набора оценок характеристик системы с требуемой точностью и достоверностью.

2. Гибкость модели должна давать возможность воспроизведе­ния различных ситуаций при варьировании структуры, алгоритмов и параметров системы.

3. Длительность разработки и реализации модели большой си­стемы должна быть по возможности минимальной при учете огра­ничений на имеющиеся ресурсы.

4. Структура модели должна быть блочной, т. е. допускать возможность замены, добавления и исключения некоторых частей без переделки всей модели.

5. Информационное обеспечение должно предоставлять возмож­ность эффективной работы модели с базой данных систем опреде­ленного класса.

6. Программные и технические средства должны обеспечивать эффективную (по быстродействию и памяти) машинную реализа­цию модели и удобное общение с ней пользователя.

7. Должно быть реализовано проведение целенаправленных (планируемых) машинных экспериментов с моделью системы с ис­пользованием аналитико-имитационного подхода при наличии ограниченных вычислительных ресурсов.

Моделирование систем с помощью ЭВМ можно использовать в следующих случаях: а) для исследования системы S до того, как она спроектирована, с целью определения чувствитель­ности характеристики к изменениям структуры, алгоритмов и пара метров объекта моделирования и внешней среды; б) на этапе проек­тирования системы S для анализа и синтеза различных вариантов системы и выбора среди конкурирующих такого вариантах; в) при эксплуатации системы, для получения информации, дополняющей результаты натурных испытаний (эксп­луатации) реальной системы, и получения прогнозов развития системы во времени.