Основные достоинства и недостатки метода имитационного моделирования

Имитационное моделирование (ситуационное 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.

Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационные модели принято классифицировать по четырем наиболее распространенным признакам:

1) типу используемой ЭВМ;

2) способу взаимодействия с пользователем;

3) способу управления системным временем (механизму системного времени);

4) способу организации квазипараллелизма (схеме форма-лизации моделируемой системы).

Имитационная модель — это компьютерная программа, описывающая конструкцию и воссоздающая поведение реальной системы на протяжении какого-то времени. Она даёт возможность получить детальную Имитационная модель позволяет получать подробную статистику о разных сторонах работы системы, что обусловлено различными входными данными.

Применение имитационных моделей дает множество преимуществ:

Стоимость. Например, сокращение числа рабочих мест в некой организации может привести к снижению качества обслуживания, а затем и к потере клиентов. Чтобы принять верное решение в подобной ситуации можно применить имитационное моделирование, что позволило бы спрогнозировать результаты каких-либо действий в компании. При этом затратами будут являться только стоимости программного обеспечения и некоторых специальных услуг.

Время. В реальном времени эффективность использования какого-либо оборудования или открытие, например, каких-нибудь новых дочерних предприятий может занять очень много времени (месяцы, годы). Имитационная модель же способна вывести наиболее вероятный исход таких действий за несколько минут (возможно, часов).

Повторяемость. В настоящее время организации различных типов должны очень быстро реагировать на всяческие, даже незначительные изменения на рынке. От этого может зависеть их дальнейшее развитие, а может даже и существование в принципе. Например, спрос на какую-либо продукцию. Организация может вложить слишком много средств в продукт, который затем никто не будет покупать. Это может привести к разорению фирмы. Имитационная модель, несомненно, может помочь избежать этого путём проведения огромного количества экспериментов с различными параметрами, чтобы выяснить, что лучше сделать, чтобы избежать неблагоприятных моментов и принять верное решение.

Точность. Имитационное моделирование даёт возможность изобразить конструкцию системы и её процессы в непосредственном виде, избегая применения форму и математических зависимостей.

Наглядность. Она способна визуализировать процессы работы системы, схематично изобразить её структуру и преподнести в графическом виде результаты. С помощью таких возможностей гораздо проще показать полученный вариант решения какой-нибудь задачи и разъяснить его клиенту или коллегам.

Универсальность. С помощью имитационного моделирования можно справиться задачами их разных сфер производства, финансов, здравоохранения и прочих. В каждой ситуации модель имитирует, воссоздает реальную жизнь и даёт возможность осуществлять неограниченно много экспериментов без воздействия на реальные объекты.

Имитационное моделирование имеет ряд недостатков:

Даже если не обращать внимания на то, что на создание имитационной модели может потребоваться много времени и сил, никто не может гарантировать, что полученная модель даст ответы на все вопросы.

Не существует никакого метода для доказательства того, что модель работает точно так же как и реальная модель. Моделирование, можно сказать, основано на многократных повторениях последовательностей, которые в свою очередь основаны на генерации случайных чисел, воссоздающих наступление разных ситуаций. Стабильно работающая система при соединении неудачных событий может выйти из-под контроля.

Создание моделей может занять от часа до нескольких лет: всё зависит от того, какую систему мы хотим промоделировать.

Моделирование не может с такой точностью как математический анализ воссоздать систему, так как оно основано на генерации случайных чисел. Если есть возможность представить систему с помощью математической модели, то лучше сделать так.

Сложная модель может потребовать много компьютерного времени для проведения «прогонов».

Недостатком имитационного моделирования до сих пор является то, что нет каких-то определённых стандартов. Поэтому может получиться так, что если одну и ту же реальную модель воссоздают разные аналитики, то результатом могут оказаться абсолютно разные модели.

46. Основные составляющие имитационной модели: компоненты, параметры, переменные, функциональные зависимости, ограничения, целевые функции.

Имитационное моделирова­ние предполагает работу с такими математическими моделями, с помощью которых результат исследуемой операции нельзя заранее вычислить или предсказать, поэтому необходим эксперимент (ими­тация) на модели при заданных исходных данных. В свою очередь, сущность машинной имитации заключается в реализации численного метода проведения на ЭВМ экспериментов с математическими моде­лями, описывающими поведение сложной системы в течение задан­ного или формируемого периода времени.

Каждая имитационная модель представляет собой комбинацию шести основных составляющих:

• компонентов;

• переменных;

• параметров;

• функциональных зависимостей;

• ограничений;

• целевых функций.

Под компонентами понимают составные части, которые при со­ответствующем объединении образуют систему. Компоненты назы­вают также элементами системы или ее подсистемами. Например, в модели рынка ценных бумаг компонентами могут выступать отделы коммерческого банка (кредитный, операционный и т.д.), ценные бумаги и их виды, доходы, котировки и т.п.

Параметры— это величины, которые исследователь (пользова­тель модели) может выбирать произвольно, т.е. управлять ими.

Различают экзогенные (являющиеся для модели входными и по­рождаемые вне системы) и эндогенные (возникающие в системе в результате воздействия внутренних причин). Эндогенные перемен­ные иногда называют переменными состояния.

Функциональные зависимости описывают поведение параметров и переменных в пределах компонента или же выражают соотноше­ния между компонентами системы. Эти соотношения могут быть либо детерминированными, либо стохастическими.

Ограничения — устанавливаемые пределы изменения значений переменных или ограничивающие условия их изменения. Они мо­гут вводиться разработчиком (и тогда их называют искусственны­ми) или определяться самой системой вследствие присущих ей свойств (естественные ограничения).

Целевая функция предназначена для измерения степени достиже­ния системой желаемой (требуемой) цели и вынесения оценочного суждения по результатам моделирования. Эту функцию также назы­вают функцией критерия. По сути, весь машинный эксперимент с имитационной моделью заключается в поиске таких стратегий управления системой, которые удовлетворяли бы одной из трех кон­цепций ее рационального поведения: оптимизации, пригодности или адаптивизации. Если показатель эффективности системы являет­ся скалярным, проблем с формированием критерия не возникает и, как правило, решается оптимизационная задача поиска стратегии, соответствующей максимуму или минимуму показателя. Сложнее дело обстоит, если приходится использовать векторный показатель. В этом случае для вынесения оценочного суждения используются ме­тоды принятия решений по векторному показателю в условиях опре­деленности (когда в модели учитываются только детерминированные факторы) или неопределенности (в противном случае).