Слайд 5Структурно-функциональные модели
Слайд 7Особенности динамических систем
нелинейное поведение;
наличие «памяти»;
наличие неявного влияния одних переменных на другие;
временные и
причинно-следственные зависимости;
все вышеперечисленное в сочетании с неопределенностью и большим количеством параметров.
Слайд 9Очередь в банк
В среднем λ клиентов в час входит в банк. Предположим,
что в банке только один кассир и в среднем он обслуживает μ клиентов в час (среднее время обслуживания 1/μ). Необходимо рассчитать время ожидания клиента, длину очереди и загруженность кассира.
Слайд 10Модели массового обслуживания в банке
Слайд 12Преимущества имитационного моделирования
Имитационные модели позволяют анализировать системы и находить решения там, где
другие методы не способны.
После выбора соответствующего уровня абстракции разработка имитационной модели является более простым процессом, чем аналитическое моделирование.
Структура имитационной модели естественным образом отражает структуру реальной системы.
Имитационная модель позволяет измерить значения любых переменных, соответствующих выбранному уровню абстракции.
Возможность анимации в модели.
Большая убедительность, по сравнению с таблицами или презентациями.
Слайд 13Уровни абстракции
Высокий уровень абстракции: минимальная детализация, макроуровень, стратегический уровень
Средний уровень абстракции: средняя
детализация, мезоуровень, тактический уровень
Низкий уровень абстракции: максимальная детализация, микроуровень, операционный уровень
Слайд 14Методы имитационного моделирования
Слайд 15Три подхода к имитационному моделированию
Слайд 16Выбор метода моделирования
Системная динамика
Дискретно-событийное моделирование
Агентное моделирование
Слайд 18Системная динамика
Системная динамика – это метод изучения динамических систем, предполагающий что:
принимается эндогенная
точка зрения;
основа системной динамики – петли обратной связи;
необходимо определить накопители и потоки, которые влияют на них;
система рассматривается с определенной точки зрения. Необходимо рассматривать отдельные события и решения как поверхностные явления, зависящие от структуры и поведения системы.
Слайд 19Модель системной динамики распространения нового продукта
Слайд 20Модель системной динамики распространения нового продукта
Слайд 21Модель системной динамики распространения нового продукта
Слайд 22Модель системной динамики распространения нового продукта
Слайд 23Модель распространения нового продукта в процессе выполнения
Слайд 24Выводы по модели распространения нового продукта
Слайд 25Инструменты системной динамики
Vensim
AnyLogic
iThink / STELLA
Powersim
Слайд 26Дискретно-событийное моделирование
Слайд 27Дискретно-событийное моделирование
Идея метода дискретно-событийного моделирования такова: исследователь рассматривает моделируемую систему как процесс,
т. е. последовательность операций, выполняемых между объектами.
Заявки могут представлять собой клиентов, пациентов, телефонные звонки, документы (физические и электронные), детали, продукты, поддоны, компьютерные транзакции, транспортные средства, задачи, проекты и идеи.
Ресурсы представляют собой различных сотрудников, врачей, операторов, рабочих, серверы, процессоры, компьютерную память, оборудование и транспорт.
Слайд 28Дискретно-событийная модель банка
Начальные условия:
В среднем в банк поступает 45 клиентов в час.
Войдя
в банк, половина клиентов идет к банкомату, а другая половина идет прямо к кассирам.
Использование банкомата минимум 1 минута, максимум 4 минуты, и наиболее вероятная продолжительность 2 минуты.
Обслуживание с кассиром занимает минимум 3 минуты и максимум 20 минут, с наиболее вероятной продолжительностью 5 минут.
После использования банкомата 30% клиентов обращаются к кассирам. Остальные выходят из банка.
В банке 5 кассиров, и есть одна общая очередь для всех кассиров.
После обслуживания кассиром клиенты выходят из банка.
Задачи:
Загруженность кассиров
Средняя длина очереди, как к банкомату, так и к кассирам
Сколько времени клиент проводит в банке.
Слайд 29Дискретно-событийная модель банка
Слайд 30Выходная информация в модели банка
Слайд 32Агентное моделирование
Возможно, нет данных о том, как ведет себя система в целом,
каковы ключевые параметры и зависимости между ними, какие потоки процессов присутствуют в системе. Но есть данные о том, как объекты в системе ведут себя индивидуально. Тогда можно начать построение модели снизу-вверх, идентифицируя эти объекты (агенты) и определяя их поведение.
Иногда можно подключить агентов друг к другу и позволить им взаимодействовать; в других случаях можно поместить их в среду, которая имеет свою собственную динамику.
Слайд 33Индивидуальное поведение агента в модели распространения инфекции
Рассмотрим население в 10 000 человек.
Они живут на площади размером 10 на 10 километров и равномерно распределены по всей территории.
Человек в районе знает всех, кто живет в радиусе 1 километра от него, и не знает кого-либо еще.
10 случайных людей изначально инфицированы, а все остальные восприимчивы (ни один не иммунен).
Если инфекционный человек контактирует с восприимчивым, последний заражается с вероятностью 0.1.
Будучи инфицированным, человек не сразу становится заразным. Есть латентная фаза, которая длится от 3 до 6 дней – exposed.
Продолжительность болезни после латентной фазы (т. е. продолжительность инфекционной фазы) равномерно распределяется между 7 и 15 днями.
Во время инфекционной фазы человек в среднем контактирует с 5 людьми в день, которых он знает.
Когда человек выздоравливает, он становится невосприимчивым к болезни, но не навсегда. Иммунитет сохраняется от 30 до 70 дней.
Слайд 34Анимация в модели распространении инфекции
Слайд 35Выходная информация в модели распространения инфекции