1. Операционная
1.1. Операционные модели задают логику объекта
2. Компьютерные модели и моделирование
2.1. Понятие модели и моделирование
2.1.1. Модель - это упрощенное подобие реального объекта
2.1.2. Модель — некоторый материальный или мысленно представляемый объект или явление, замещающий оригинальный объект или явление, сохраняя только некоторые важные его свойства, например, в процессе познания (созерцания, анализа и синтеза) или конструирования.
2.1.3. Модель - это система, исследование которой служит средством для получения информации о другой системе, это упрощённое представление реального устройства и/или протекающих в нём процессов, явлений.
2.2. Классификация моделей
2.2.1. По отрасли знаний
2.2.1.1. Биологические
2.2.1.2. Экономические
2.2.1.3. Физические
2.2.1.4. Социологические
2.2.2. По временному фактору модели можно разделить
2.2.2.1. Статические
2.2.2.2. Динамические
2.2.3. По приспособляемости:
2.2.3.1. Адаптивные
2.2.3.2. Неадаптивные
2.2.4. По способу представления:
2.2.4.1. Предметные
2.2.4.2. Знаковые
2.3. Понятие Формализации
2.3.1. Модель является результатом формализации при приведение существенных свойств и признаков объекта моделирования.
2.3.2. Сущность формализации
2.3.2.1. Структурирование объекта
2.3.2.2. Разделение изучаемого объекта на составные части
2.3.2.3. Выбор удобных характеристик и параметров модели
2.3.2.4. Построение системы отношений между объектами
2.4. Этапы построения модели
2.4.1. Процесс построения модели
2.4.1.1. Постановка задачи
2.4.1.2. Планирование и проведение экспирементов
2.4.1.3. Построение модели объекта
2.4.1.4. Проверка адекватности модели
2.4.1.5. Анализ результатов
2.5. Компьютерные модели
2.5.1. Виды моделирования
2.5.1.1. Концептуальное моделирование
2.5.1.2. Физическое моделирование
2.5.1.3. Математическое моделирование
2.5.1.4. Программное моделирование
2.5.2. Предмет компьютерного моделирования
2.5.2.1. Промышленные предприятия
2.5.2.2. Банки, Финансовые сферы
2.5.2.3. Технологический процесс
2.5.2.4. И любой другой объект
2.5.3. Имитационное моделирование
3. Имитационное моделирование непрерывных компьютерных систем
3.1. Программное обеспечение для моделирование непрерывных компьютерных систем
3.1.1. Для моделирование непрерывных динамических систем в настоящее время существуют ряд языков типа DYNAMO, СИМФОР
3.1.2. Интегрированная оболочка MVS
3.1.2.1. Оболочка пакета
3.1.2.1.1. Окна интегрированной среды
3.1.2.2. Входной язык
3.1.2.2.1. Входной язык имеет две формы представления:
3.1.2.3. Блоки и связи
3.1.2.3.1. Устройство является основным элементом модели. Это ориенти-рованный блок, функционирующий параллельно и независимо от дру-гих блоков в непрерывном времени.
3.1.2.4. Поведение
3.1.2.4.1. Поведение любого блока является гибридным (задается форма-лизмом гибридного автомата).
3.1.2.5. Типы данных:
3.1.2.5.1. Скалярные типы: вещественный (double), целый (byte, short, integer), булевский (boolean), перечислимый, символьный (char, string).
3.1.2.5.2. Регулярные типы: векторы (vector[N]) и матрицы (matrix[N,M]).
3.1.2.6. Алгоритмические процедуры и функции:
3.1.2.6.1. функции, возвращающие значение типа, функции преобразования типов, элементарные функции, функции работы со строками, функции, реализующие законы распределения случайных величин, функции для матриц и векторов, специальные и системные функции, функционалы, специальные процедуры.
3.1.2.7. Основные операторы:
3.1.2.7.1. присваивания, вызова процедуры, условный оператор, оператор варианта, цикла, возврата.
3.1.2.8. Оболочка пакета представляет собой многооконную среду, позволяющую редактировать проект, автоматически преобразовывать графическое описание модели в текстовое и наоборот, подключать библиотеки классов, создавать свои библиотеки, создавать выполняемые модели и запускать их.
3.1.2.9. Ключевыми проблемами при разработке MVS являлись:
3.1.2.9.1. 2) возможность создания пользователем собственных компонен-тов
3.1.2.9.2. 3) удобное и адекватное описание непрерывных, дискретных и гибридных (непрерывно-дискретных) систем
3.1.2.9.3. 4) обеспечение достоверности численного решения
3.1.2.9.4. 5) поддержка активного вычислительного эксперимента
3.1.2.9.5. 6) обеспечение моделирования, визуализации результатов и управления вычислительным экспериментов без написания какого-либо программного кода
3.1.2.10. MVS позволяет осуществлять интерактивное вмешательство при постановке эксперимента.
3.1.2.11. Model Vision Stadium (MVS) – интегрированная графическая обо-лочка для быстрого создания интерактивных визуальных моделей сложных динамических систем и проведения вычислительных экспе-риментов с ними.
3.1.3. Наиболее известные: Mathematica, Maple, Simulink, Stateflow, Matlab, Matchkad, Excel
3.2. Процесс создания любой компьютерной модели условно можно разделить на два этапа:
3.2.1. На первом этапе формулируются цели моделирования, и будущая модель описывается с помощью формализованного языка
3.2.2. На втором этапе выбирается программное средство, с помощью которого эту модель можно реализовать наиболее эффективным способом
3.3. компьютерная реализация моделей может быть осуществлена:
3.3.1. 1) с помощью табличного процессора (как правило, MS Excel)
3.3.2. 2) путем создания программ на одном из выбранных языков программирования (Pascal, Basic, Delphi и др.)
3.3.3. 3) с помощью специальных пакетов прикладных программ для решения математических задач (MathCad и т. п.)
3.3.4. 4) средствами программ, предназначенных для разработки не-прерывных динамических моделей (интегрированная оболочка Model Vision Studium)
4. Имитационное моделирование дискретных динамических систем
4.1. Целью дискретного имитационного моделирования является воспроизведение взаимодействий между компонентами исследуемой сис-темы и изучение ее поведения и функциональных возможностей.
4.1.1. Имитация может быть:
4.1.1.1. статической, позволяющей исследовать поведение модели системы в определенный момент времени
4.1.1.2. динамической, позволяющей исследовать поведение в течение продол-жительных периодов времени.
4.2. Для дискретных имитационных систем в соответствии с тремя методологическими подходами к моделированию можно выделить три принципиально различные группы систем моделирования.
4.2.1. 3. Процессно-ориентированный подход.
4.2.1.1. Примерами в этой группе являются такие системы как SIMULA, GPSS, SOL, SPL и другие.
4.2.1.1.1. Система имитационного моделирования GPSS