Учебное пособие Красноярск
Download 2.5 Mb. Pdf ko'rish
|
2017-uch-posob-elberg-cigankov
|
Имитационное
моделирование Статистическое моделирование Агентное моделирование Когнитивное моделирование Ситуционное моделирование Экспертное моделирование Дискретно- событийное моделирование Системная динамика Моделирование динамических систем Математическое моделирование Численное моделирование Аналитическое моделирование Имитационное моделирование Диаграммное моделирование Модели в виде формул, уравнений, систем ли- нейных уравнений и неравенств, систем дифференциальных и интегральных уравне- ний и их комбинации и др. системы, представ- ленные в записях мате- матической символики Модели в виде дискрет- ных аналогов интегра- лов, дифференциальных уравнений (разностные уравнения), интеграци- онные формулы Диаграмма Фейнмана, Константинова – Переля, графы состояний СМО, диаграммы системной динамики, когнитивные карты 34 Глава 1 следовать модель, как в определенные моменты времени, так и в те- чение продолжительных периодов времени. Для нахождения устой- чивых решений (характеристик) при численном статистическом моделировании требуется его многократное воспроизведение с по- следующей статистической обработкой. Здесь проводится имитация воздействия многочисленных случайных факторов на различные элементы модели. Каждое воздействие на процесс в модели пред- ставляется в виде «розыгрыша» случайного явления с помощью про- цедуры, дающей случайный результат. Множество таких реализаций в ходе одного варианта имитации дает одну реализацию (историю) процесса. Затем вычисляются средние статистические характери- стики по многим историям [2]. Статистическое моделирование в зависимости от области при- менения подразделяется на несколько направлений (рис. 1.15). Вероятностное моделирование (методы Монте-Карло) – это направление развивается как способ решения математических за- дач – вычисление интегралов, решение систем линейных уравнений и дифференциальных уравнений. Вероятностно-имитационное моделирование – применение те- ории вероятностей и методов Монте-Карло для построения имита- ционных моделей в молекулярной, статистической, квантовой, ней- тронной физике, геофизике, газовой динамике, химической кинетике, в передаче и защите информации, в моделях массового обслуживания, финансовой математики, математической биологии и др. [2]. Рис. 1.15. Классификация видов статистического численного моделирования по типу решаемых задач 4 Рис. 1.15. Классификация видов статистического численного моделирования по типу решаемых задач Рис. 1.20. Условная классификация информационных систем по типу решаемых задач [2] Download 2.5 Mb. Do'stlaringiz bilan baham: 
|