30. Место имитационных моделей при машинном синтезе систем.
При имитационном моделировании реализующий модель алго¬ритм воспроизводит процесс функционирования системы S во вре¬мени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последователь¬ности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики систе¬мы S.
Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно про¬сто учитывать такие факторы, как наличие дискретных и непрерыв¬ных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто созда¬ют трудности при аналитических исследованиях. В настоящее время имитационное моделирование — наиболее эффективный метод ис¬следования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы.
Когда результаты, полученные при воспроизведении на имита¬ционной модели процесса функционирования системы S, являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведе¬ние с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования.
Пер¬воначально был разработан метод статистических испытаний, пред¬ставляющий собой, численный метод, который применялся для мо¬делирования случайных величин и функций, вероятностные харак¬теристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.о. появился метод стати¬стического моделирования. Таким образом, методом статистического моделирования будем в дальнейшем назы¬вать метод машинной реализации имитационной модели, а мето¬дом статистических испытаний (Монте-Карло) — числен¬ный метод решения аналитической задачи.
Метод имитационного моделирования позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управле¬ния системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в ос¬нову структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая являет¬ся оптимальной по некоторым критериям оценки эффективности.
При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алго¬ритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска оптимального варианта системы.