Курсовая работа по Имитационное моделирование (другое) на тему Имитационное моделирование. Системный подход в моделировании

Введение

В век глобализации, высоких технологий, непрерывного развития и высокой динамики происходящего сложно представить себе мир без моделирования.
На первый взгляд мало кто может оценить значимость и обширность данного метода исследования, а также тех, практически безграничных, возможностей - которые он предоставляет. Моделирование использовали ещё в давние времена, задолго до зарождения письменности, так называемое мысленное моделирование.
Со временем моделирование развивалось, появлялись новые формы и виды, постепенно усложняясь и обретая образ методологии научных исследований.
В ХХI веке моделирование признано одним из лучших методов исследования и показывает значительные успехи в большинстве отраслей современной науки.
Большую и, несомненно, важную нишу занимают математические модели, обладающие массой преимуществ и представляющие мощный инструмент познания реального мира.
1. Математическое и имитационное модерирование

В настоящее время распространены компьютерные методы исследования характеристик процесса функционирования сложных систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм.
Алгоритмическая форма — запись соотношений модели и выбранного численного метода решения в форме алгоритма. Среди алгоритмических моделей важный класс составляют имитационные модели, предназначенные для имитации физических или информационных процессов при различных внешних воздействиях. Собственно имитацию названных процессов называют имитационным моделированием.
При имитационном моделировании воспроизводится алгоритм функционирования системы во времени — поведение системы, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы.
Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и другие, которые часто создают трудности при аналитических исследованиях.
В настоящее время имитационное моделирование — наиболее эффективный метод исследования систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.

1.1. Методы имитационного моделирования

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 математическая модель заменяется имитатором или имитационной моделью.
В имитационном моделировании различают метод статистических испытаний (Монте-Карло) и метод статистического моделирования.
Метод Монте-Карло — численный метод, который применяется для моделирования случайных величин и функций, вероятностные характеристики которых совпадают с решениями аналитических задач.
Состоит в многократном воспроизведении процессов, являющихся реализациями случайных величин и функций, с последующей обработкой информации методами математической статистики.
Если этот прием применяется для машинной имитации в целях исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, то такой метод называется методом статистического моделирования.
Метод имитационного моделирования применяется для оценки вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы.
Имитационное моделирование может быть положено в основу структурного, алгоритмического и параметрического синтеза систем, когда требуется создать систему с заданными характеристиками при определенных ограничениях.