Роль имитационного моделирования

Размещено на http://www.allbest.ru/

Алматинский университет энергетики и связи

(Almaty university of energy and communication)

Роль имитационного моделирования

(Research of imitation design of teaching complexes)

Исмайлов А.К.

Рук. Табултаев С.С.

Аннотация

В настоящей статье приведены результаты исследования имитационного моделирования обучающих комплексов. В статье рассматривается дистанционное обучение с использованием имитационного моделирования. Результаты данного исследования далее будут отражены в диссертационной работе по теме “Исследование имитационного моделирование обучающих комплексов для профилирующих дисциплин кафедры “Информационные системы”. В работе будет разработан обучающий комплекс с применением имитационного моделирования, состоящего из обучающей системы “СТУДЕНТ” и информационно-поисковой системы “ПРЕПОДАВАТЕЛЬ”, построенной по принципу “клиент/сервер”.

Ключевые слова: имитационное моделирование, клиент, сервер, дистанционное обучение, агентное моделирование, дискретно-событийное моделирование, системная динамика .

Annotation

To the real article the results of research of imitation design of teaching complexes are driven. In the article the controlled from distance educating is examined with the use of imitation design. The results of this research further will be reflected in dissertation work on the topic "Research imitation design of teaching complexes for profiling disciplines of department the "Informative systems" ". In-process a teaching complex will be worked out with the use of imitation design, consisting of the teaching system "STUDENT" and information storage and retrieval system "TEACHER", built on principle "client/server".

Keywords: simulation, client, server, distance learning, agent-based modeling, discrete-event simulation, system dynamics.

Введение. В настоящее время широко распространенным видом обучения в крупных учебных заведениях является дистанционное обучение. Актуальность дистанционного образования очевидна: для тех, кто работает или для тех, кто не имеет возможности учиться на дневной форме, оно позволяет пройти курс подготовки по какой-либо дисциплине без отрыва от производства. Результаты общественного прогресса, которые раньше были сосредоточенны в области технологий, на сегодняшний день концентрируются в информационной области и с развитием Internet-технологий появляется новая форма обучения, которая предполагает другие методы, средства и форму взаимодействия преподавателя и студента между собой. Дистанционное образование становится всё более популярным, так как дает студенту свободу в выборе времени и места для прохождения курса [1].

Однако, на сегодняшний день метод дистанционного обучения, на наш взгляд, имеет свои недостатки, в частности: преподаватель не принимает непосредственное участье в процессе обучений студента. Это снижает уровень знания обучающегося. Использования имитационного моделирования в дистанционном обучении является решением этой проблемы. Имитационная модель дает возможность следить за успеваемостью студента, то есть, преподаватель будет планировать ход ведения обучения для каждого студента отдельно. Данные вопросы будут освящены в диссертационной работе по теме “Исследование имитационного моделирование обучающих комплексов для профилирующих дисциплин кафедры “Информационные системы”.

В настоящей статье приведены результаты исследования имитационного моделирования обучающих комплексов.

Имитационное моделирование -- метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику [2].

Имитационное моделирование появилось во второй половине 50-х годов, как инструмент исследования сложных систем и процессов, не поддающихся формальному описанию в обычном понимании этого термина. Возникновение и развитие имитационного моделирования как научной дисциплины тесно связано с развитием и ростом мощности вычислительной техники. Достигнув определенного уровня производительности (по некоторым оценкам он составляет около 105-106 операций в секунду) компьютер оказался пригодным не только для вычислений (попросту, как арифмометр), но и для активного исследования сложных процессов и систем. Сегодня уже классическими стали многие примеры применения имитационных моделей, которые в свое время были сенсацией: принятие решений о действиях экипажа корабля “Апполон-13” после взрыва кислородного бака на перелетной траектории к Луне, модель “Ядерной Зимы”, - и многие другие [3].

Если попытаться определить для имитационного моделирования свойственный ему круг проблем, то в их числе окажутся проблемы, связанные в широком смысле с изучением и предсказанием поведения модели сложной системы, когда эксперимент над этой системой невозможен или нежелателен в реальных условиях ее существования. В целом ряде случаев имитационная модель является единственной альтернативой получения информации о поведении объекта и его характеристиках.

За время своего существования имитационное моделирование проникло во многие отрасли науки, среди которых уже традиционно на первом месте выделяются экономика, экология и военные области (в некоторых моделях они тесно переплетаются). Перечисленные дисциплины можно объединить по некоторым признакам объектов их исследований, которые характеризуются как большие системы. В последние годы имитация проникает в области разработки и применения сложных технических систем (в первую очередь, космических) что связано с радикальным усложнением самих этих систем, стоящих перед ними задач, а также высокой ценой риска при неправильных действиях экипажа, оператора и т.д. Среди характерных примеров можно привести работу по стыковке и сборке крупногабаритных разветвленных элементов орбитальных станций, дистанционное управление планетными автоматами в условиях большой длительности распространения радиосигнала (до 40 минут для Марса) и многие другие, когда принятие решений требует предварительного “проигрывания” нескольких вариантов развития событий и их последствий при различных стратегиях управления.

В отличие от больших систем, которые чаще ориентированы на прогнозирование и принятие решений, рассчитанные на длительные интервалы, и основанные на интегральных оценках (суммарные потери, среднее или интервальные значения вероятностей отказа или успеха, коэффициент готовности и т.п.), моделирование технических систем требуют несколько иного подхода. Модель поведения технической системы - это, как правило, модель ситуации, описание и исследование которой строится на основе оперативной информации, поступившей в определенный момент времени, и требующей принятия единственного альтернативного решения в течение заданного (достаточно короткого) интервала времени. Здесь критерием принятия решения могут быть вероятностные, стоимостные и другие аналогичные оценки, но решающую роль играет быстрое развитие ситуации со сменой критериев (хотя общим критерием может оставаться, например, стоимость оборудования космической станции) и обратная связь по меняющимся параметрам, характеризующим ситуацию.

Различие в подходе к моделированию больших и технических систем накладывает отпечаток и на характер интерпретации выходной информации при моделировании. Если рассматривать предельные случаи, то вероятностная имитационная модель большой системы может использоваться для получения одного единственного числа, характеризующего, например, уровень средней рентабельности к определенному году. В то же время модель детерминированной, но разветвленной технической конструкции с распределенной массой, которая используется для принятия решения о траектории ее перемещения, может потребовать интерпретации громадного массива трехмерных координат и углов ориентации для множества элементов этой конструкции [4].

В начале 80-х годов произошло событие, которое, как и появление мощных компьютеров, в свое время сыгравшее определяющую роль в зарождении имитационного моделирования, сегодня играет важную роль в направлении его дальнейшего развития, - это появление интерфейса “Виртуальная Реальность”. Предпосылками его долгое время были работы в области тренажерной техники для обучения пилотов, водителей и т.д., где соответствующие технические устройства использовались для создания образов динамической внешней среды оператора (в частности, коналоги). С появлением виртуальной реальности в тренажерных системах произошла практически полная замена материальных элементов внешней среды на их виртуальные фантомы. Однако, важнее другое. В системе виртуальной реальности достигается полный контакт оператора с моделируемой средой, благодаря обратной связи, которая может охватывать практически все системы взаимодействия человека с “обычным” внешним миром. Значение этой возможности трудно переоценить в применении к имитационному моделированию как раз технических систем, управляемых человеком, который одновременно становится одним из звеньев этой системы (как принято говорить, “человеко-машинной” системы).

Виды имитационного моделирования

Агентное моделирование -- относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей -- получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент -- некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Дискретно-событийное моделирование -- подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений -- от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах [2].

Системная динамика -- парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах. имитационное моделирование обучение

Аналитическое моделирование сложных систем, очевидно, имеет ограниченные возможности, что и вызвало к жизни имитационные модели. Могут быть выделены следующие основные классы имитационных моделей:

-непрерывные;

-дискретные;

-пространственные.

В первом случае предметная область описывается совокупностью динамических связей, отражающих развитие процесса во времени в форме конечно-разностных уравнений и рекуррентных соотношений. Модель воспроизводит поведение объекта за определенный период времени; в этом смысле имитационная модель является динамической. Значения всех переменных, входящих в имитационную модель, вычисляются в каждый момент модельного времени. Затем, через определенный интервал на основе старых значений вычисляются новые значения переменных, и т. д. Таким образом, имитационная модель «развивается» по определенной траектории в течение заданного отрезка модельного времени. Исходные аналитические модели -- системы обыкновенных дифференциальных уравнений [2].

Второй тип моделей описывает потоки случайных событий, проходящие через сложную совокупность путей и узлов, и направлен на исследование стационарных, установившихся процессов. Здесь в качестве аналитического прототипа выступает теория систем массового обслуживания.

В третьем случае рассматриваются процессы, проходящие в пространстве (на плоскости или в объеме). Исходные аналитические модели -- системы дифференциальных уравнений в частных производных, особенно часто -- такой их класс, как уравнения математической физики.

Следует отметить, что в настоящее время данная классификация во многом становится условной, поскольку современные интегрированные средства моделирования -- ИСМ (например, отечественная разработка Pilgrim и её зарубежные аналоги) охватывают как непрерывные, так и дискретные, и пространственно-временные процессы.

Выводы. Результаты данного исследования далее будут отражены в диссертационной работе по теме “Исследование имитационного моделирование обучающих комплексов для профилирующих дисциплин кафедры “Информационные системы” ”. В работе будет разработан обучающий комплекс с применением имитационного моделирования, состоящего из обучающей системы “СТУДЕНТ” и информационно-поисковой системы “ПРЕПОДАВАТЕЛЬ”, построенной по принципу “клиент/сервер”. Использование имитационного моделирования показало что эта модель позволяет “проиграть” ситуацию от начала до конца. То есть, модель дает возможность преподавателю заранее изучить поведение студента в той или иной ситуации, и найти оптимальный план обучения из имеющихся вариантов для максимальной пользы студента. Преподаватель будет планировать свой учебный процесс исходя из этих исследовании. Это значительно большой шаг вперед в сфере образования, потому что в настоящее время стремительными темпами распространяются сетевые компьютерные технологии и имитационное моделирование.

Список литературы

1. Мельников А.В., Цытович П.Л. Принципы построение обучающих систем и их классификация. - Урал: Южно-уральский государственный университет, 2002г.

2. Бусленко Н.П., Автоматизация имитационного моделирования сложных систем. - М.: Наука, 1977.

3. Семухин М.В., Моделирование информационных процессов и систем. - Тюмень: ТюмГУ, 1998 г.

4. Шукаев Д.Н., Компьютерное моделирование. - Алматы, КазНТУ,2000г.

Размещено на Allbest.ru