Имитационное моделирование: основные подходы и инструментальные средства

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Имитационное моделирование: основные подходы и инструментальные средства

Погорелов А.С.

Реальные сложные системы можно исследовать с помощью двух типов математических моделей: аналитических и имитационных. В аналитических моделях поведение сложных систем записывается в виде некоторых функциональных соотношений или логических условий. Наиболее полное исследование удается провести в том случае, когда получены явные зависимости, связывающие искомые величины с параметрами сложной системы и начальными условиями ее изучения.

Когда явления в исследуемой системе настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, исследователь вынужден использовать имитационное моделирование. В имитационной модели поведение компонентов системы описывается набором алгоритмов, которые затем реализуют ситуации, возникающие в реальной системе. Моделирующие алгоритмы позволяют по исходным данным и фактическим значениям параметров системы отобразить реальные явления в системе и получить сведения о возможном поведении для данной конкретной ситуации.

На основании вышесказанного можно сделать вывод об исключительной актуальности имитационного моделирования как средства для решения сложных, нетиповых задач. Однако ряд исследователей отмечает [1, 2, 3], что предсказательные возможности имитационного моделирования немного меньше, чем у аналитических моделей. Наличие нерешенных проблем в области имитационного моделирования также говорит об актуальности исследований в данном направлении. [2]

Как и всякому формализованному подходу, имитационному моделированию присущи свои понятия и атрибуты. [1]

Событие. Чаще всего событие рассматривается как смена состояния системы. События существуют во времени, и поэтому с событием связывается определенное время. События возникают при наличии определенных условий.

Активность. Представляет собой работу некоторого устройства. В течение этого времени устройство занято. Имитация работы чаще всего осуществляется путем некоторой временной задержки.

Условия. Используются для смены состояния в системе, применяются для синхронизации процессов в системе.

Процесс. Представляет собой последовательность некоторых событий и активностей. Активности часто возникают после наступления некоторых событий. Наступление последующих событий или активностей зависит от условий и предыдущих событий и активностей.

Очереди. Объекты, которые динамически изменяются во времени. Очереди влияют на объем накопителей, а также на пропускную способность системы.

Важным объектом в моделирующей системе является заявка. Заявки (транзакты) - это сугубо динамические объекты, которые, продвигаются в системе и вызывают события и активности.

Имитационные модели делятся на дискретные и непрерывные. Наиболее часто употребляемая классификация дискретных имитационных моделей:

- модели, ориентированные на процессы;

- модели, ориентированные на активности;

- модели, ориентированные на события.

В моделях, ориентированных на процессы могут имитироваться параллельно несколько процессов. Процессы могут прерываться, ожидать соответствующих условий для возобновления или выполнения. С помощью системы приоритетов, уровней прерываний, дисциплины обслуживания обеспечиваются условия развития процессов.

При моделировании активностей исследуемая система описывается в виде набора описаний работ. Переход от одной активности к другой осуществляется с учетом определенных условий. В настоящее время данный подход используется редко.

При событийном моделировании выделяют узловые моменты динамики в виде событий. Каждое событие выполняется мгновенно во времени, модельное время затрачивается только на переход от события к событию. Реализация событий во времени напоминает цепную реакцию: при отработке любого события планируется одно или несколько последующих (будущих) событий.

Непрерывные имитационные модели строятся на основе системной динамики. Сущность системной динамики составляют два понятия - «системность» и «динамика». Понятие «системности» означает, что исследуемый объект рассматривается в виде системы. С другой стороны, понятие «динамики» позволяет проследить поведение системы во времени, ее изменение под действием тех или иных параметров. Для отражения процессов в системной динамике используются понятия накопителей и потоков. При этом система представляется в виде множества взаимодействующих положительных и отрицательных обратных связей и задержек.

Объектно-ориентированный подход

Широкое распространение объектно-ориентированного подхода в значительной мере повлияло на развитие имитационного моделирования. Моделирование систем с использованием классических подходов концентрируется в основном на различных аспектах поведения системы, представляя всю систему в виде процессов-алгоритмов и последовательностей событийных переходов между состояниями системы. Концентрируя внимание на поведенческих аспектах моделируемой системы, мы обычно плохо представляем себе структуру моделируемого объекта. Этот негативный момент очень существенен при моделировании систем повышенной сложности.

Объектно-ориентированный подход (ООП), широко применяемый в последнее время в программировании, с таким же успехом можно применить при построении имитационных моделей. Объектно-ориентированный подход в моделировании основывается на представлении исследуемого объекта в виде совокупности объектов, каждый из которых является экземпляром определенного класса.

Важной составляющей парадигмы ООП является объектно-ориентированный анализ (ООА). Основной задачей ООА является выделение классов и объектов. Тем самым он направлен на выявление структуры системы. Рассмотрим основные понятия ООА применительно к анализу объекта моделирования (в рамках имитационного подхода).

Абстракция и инкапсуляция. По определению Г. Буча [6] смысл абстракции в ООП заключается в выделении существенных характеристик некоторого объекта, отличающих его от всех других видов объектов и, таким образом, четко определяющих его концептуальные границы с точки зрения наблюдателя. Абстракция позволяет связывать модели отдельных компонентов системы, образуя при этом общую модель.

Абстракцию хорошо дополняет инкапсуляция: абстрагирование направлено на наблюдаемое поведение объекта, а инкапсуляция занимается внутренним устройством.

Модульность. Количество классов в достаточно сложных системах может достигать больших количеств. Для упрощения модели и улучшения понимания классы удобно объединять в группы (модули).

Иерархия. Значительное упрощение в понимании сложных задач достигается за счет образования из абстракций иерархической структуры. Иерархия определяется как упорядочение абстракций, расположение их по уровням. Основными видами иерархических структур являются структура классов и структура объектов.

Агентное моделирование

В последнее время во многом благодаря распространению парадигмы ООП все более широкое распространение получает сравнительно новый подход, называемый агентным моделированием.

В отличие от системной динамики или дискретно-событийных моделей, агентные модели существенно более децентрализованы. Поведение в них определяется на уровне элементов системы (объектов), а глобальное поведение является следствием совместной деятельности отдельных агентов.

Отметим основные особенности агентного моделирования [7]:

Автономное поведение. Каждый агент характеризуется автономным поведением, которое означает наличие у агента внутреннего динамизма, автономного от влияний окружающей среды. В дополнение имеется индуцированный динамизм, который является реакцией агента на влияние окружающей среды.

Индивидуальная картина мира. Каждый агент имеет собственную модель окружающего его мира. Эта так называемая концептуальная модель описывает то, как интеллектуальный агент видит мир.

Коммуникационные и кооперативные возможности. Интеллектуальные агенты могут обмениваться информацией с их окружающей средой и другими агентами. Возможность коммуникаций с другими агентами является обязательным условием совместных действий (кооперации) для достижения цели.

Интеллектуальное поведение. Поведение интеллектуального агента включает способность к обучению, логической дедукции или конструированию модели окружающей среды для того, чтобы находить оптимальные способы поведения.

Стратегии и децентрализованный контроль. Целью является развитие индивидуальных стратегий, использование которых агентами позволяет достигать общих целей даже без центрального регулирования.

Возникающее поведение. Кооперация между интеллектуальными агентами может давать стабильную систему, которая демонстрирует новое глобальное поведение на следующем более высоком уровне абстракции.

Распределенное имитационное моделирование

Развитие имитационного моделирования привело к значительному расширению сфер его применения. Задачи моделирования все более усложняются. Рост сложности моделируемых систем вызывает необходимость использования больших вычислительных мощностей. Однако добиться повышения производительности моделирования можно также при помощи распределенных вычислений.

В настоящее время проводится большое количество исследований в данном направлении. В 90-х годах в США была создана организация DMSO (Defence Modeling&Simulation Office), результатом работы которой стало появление ряда стандартов распределенного моделирования: ALSP, DIS, HLA.

Стандарт HLA (High Level Architecture) является последней и наиболее перспективной разработкой в области распределенного моделирования. Формально технология HLA определяется следующими компонентами:

- спецификацией интерфейса (Interface Specification);

- шаблоном объектных моделей OMT (Object Model Template).

Базовыми в архитектуре HLA являются понятия федерации и федератов.

Каждый федерат является участником общей имитации (федерации). Федератами могут быть разработанные на основе различных подходов имитационные модели, системы реального времени, человеко-машинные интерфейсы или программы обозреватели, следящие за ходом моделирования и выполняющие сбор статистических данных.

Отметим также, что данный стандарт регламентирует способы синхронизации модельного времени и механизмы информационного обмена между отдельными компонентами среды.

Развитие средств имитационного моделирования

В истории развития средств имитационного моделирования можно выделить несколько основных направлений:

Библиотеки поддержки имитационного моделирования. Данные средства не являются самостоятельными инструментами, а служат инструментальным расширением базового языка программирования. Примерами таких библиотек служат C++Sim (базовый язык С++), SMPL (Pascal) и SimPy (Phyton).

Языки имитационного моделирования. Одними из первых средств имитационного моделирования были языки, такие как GPSS, SIMSCRIPT II.5, SIMULA 67. Данные средства кроме специализированного языка также включают в себя средства проведения экспериментов и сбора статистической информации.

Интегрированные среды. К отличительным особенностям интегрированных сред моделирования можно отнести:

- средства анализа предметной области и синтеза моделей;

- визуальное моделирование;

- улучшенные средства визуализации;

- визуализация процесса выполнения имитационной модели в реальном времени.

В качестве примера приведем такие инструменты как Arena, AnyLogic и iThink.

Многие инструменты имитационного моделирования изначально разрабатывались для решения конкретных прикладных задач. Разработка общих принципов имитационного моделирования в последствии привела к возникновению общецелевых средств, что разделило разрабатываемые средства на общецелевые и узкоспециализированные средства прикладного характера.

Проблемы развития средств имитационного моделирования

Недостаток в общецелевых интегрированных средствах имитационного моделирования. В настоящий момент существует огромное количество различных средств имитационного моделирования. Однако средства общецелевого назначения составляют довольно малый процент среди общего количества. Многие разработанные ранее средства уже не отвечают современным требованиям, таким как поддержка объектно-ориентированного и агентного подходов или распределенного моделирования.

Следует отметить значительный перевес в сторону языков моделирования по отношению к интегрированным инструментам.

Унификация и повторное использование моделей.

Развитие распределенного и агентного моделирования открывает большие перспективы по созданию широкомасштабных (large-scale) имитационных моделей. Построение таких моделей является результатом работы нескольких людей или коллективов. Разные разработчики используют разные средства и подходы имитационного моделирования. Это приводит к появлению требования совместимости различных компонентов широкомасштабной имитационной модели.

Требование унификации также во многом вызвано необходимостью повторного использования моделей. Заново разработать модель или перевести ее из одной системы моделирования в другую неэффективно и зачастую слишком дорого.

Перечисленные проблемы отчасти решаются применением различного рода стандартов в области имитационного моделирования (например, упомянутый выше стандарт HLA), однако следует отметить, что данные стандарты ориентированы в основном на использование таких языков программирования как Java или C++ и, как следствие, они имеют слабую поддержку со стороны интегрированных средств.

Еще одной проблемой современных средств имитационного моделирования является ориентация только на один из известных подходов. Существует большое количество средств, использующих различные подходы к моделированию, однако во многих инструментах используется только один из них (например, системная динамика или дискретно событийное моделирование). Системы, одновременно реализующие несколько различных подходов, являются более гибкими и, очевидно, дают большие преимущества разработчику модели.

Литература

имитационный математический моделирование

1. Савина О.А. Управление промышленными предприятиями с использованием систем поддержки принятия решений / О.А. Савина - М.: Издательство МАИ, 2000. - 256 с.: ил.

2. Шеннон Р. Имитационное моделирование систем / Р. Шеннон - Искусство и наука. - М.: Мир, 1978. - 418 с.

3. Максимей И.В. Имитационное моделирование на ЭВМ / И.В. Максимей - М.: Радио и связь, 1988. 232 с.

4. Борщев А.В. Практическое агентное моделирование и его место в арсенале аналитика / А.В. Борщев // Имитационное моделирование. Теория и практика: сб. науч. тр. / ФГУП ЦНИИ технологии судостроения. - С-Пб, 2005. - С. 11-24.

5. Каталевский Д.Ю. Системная динамика: истоки, становление и перспективы [Электронный ресурс] / Д.Ю. Каталевский - [Режим доступа: http://sdrus.org.ru/Articles /SD History.doc].

6. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на C++ / Буч, Г; Изд-во: М.: БИНОМ, 1999 г.;

7. Паринов С. Теоретическая модель онлайнового сообщества [Электронный ресурс] / С. Паринов. - [Режим доступа: http://rvles.ieie.nsc.ru/parinov/tao-model/index.htm].

8. Бигдан В.Б. От последовательных к распределенным технологиям в имитационном моделировании / Бигдан В.Б. Марьянович Т.П., Сахнюк М.А. - М.: Мир, 2000. - 268 с.

9. Лоу А.М. Имитационное моделирование / А.М. Лоу, В.Д. Кельтон // Классика CS. 3-е изд. - СПб.: Питер, 2004. - 848 с.: ил.

Размещено на Allbest.ru