Имитационное моделирование

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ 

Федеральное государственное бюджетное образовательное учреждение  

высшего профессионального образования 

 

ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ  
СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ 

 

  

 

 

 

 

 

 

Н.Ю. Салмина 

 
 

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ 

 

Учебное пособие 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

2015 

 

Рассматриваются общие понятия имитационного моделирования, некото
рые вопросы статистического моделирования. Проведено общее описание программных средств моделирования систем и языков моделирования. 

Рассмотрен язык моделирования GPSS: синтаксис, особенности примене
ния, возможности применения языка для исследования различных систем и 
объектов, статистический анализ результатов моделирования. Теоретический 
материал иллюстрируется многочисленными примерами. 

Предназначено для студентов, обучающихся по направлению 080700 «Биз
нес-информатика» и студентов родственных направлений. 
 

СОДЕРЖАНИЕ 

 

 Введение……………………………………………………………………………..4 
1. Организация статистического моделирования систем………………………..12 
    1.1. Общая характеристика метода……………………………………………..12 
    1.2. Псевдослучайные числа и процедуры их машинной генерации………...16 
    1.3. Моделирование случайных воздействий……………………………….....18 
    1.4. Идентификация закона распределения………………………………..…..28 

2. Язык моделирования систем GPSS…………..........……….…………………….34 
    2.1. Программные средства имитационного моделирования…………………..34 
    2.2. Общие сведения о языке GPSS………………………………………………36 

    2.3. Синтаксис языка………………………………………………………..…..40 
    2.4. Блоки языка GPSS……………………………………………………..……43 
           2.4.1. Создание и уничтожение транзактов………………………….……43 
           2.4.2. Задержка транзактов в блоках……………………..………………..45 
           2.4.3. Работа с устройствами…………………………………..…………...47 
           2.4.4. Сбор статистических данных с помощью очередей……………….48 
           2.4.5. Функции ……………………………………………………………...50 
           2.4.6.  Изменение маршрутов сообщений …………………………….…..54 
           2.4.7. Работа с памятью…………………………………...………………...58 
           2.4.8. Вычислительные объекты языка……………………..……………...61 
           2.4.9. Приоритеты……………………………………..………………….…67 
           2.4.10. Изменение параметров транзакта ………………...…………….…67 
           2.4.11. Косвенная адресация………………………………………………..70 
           2.4.12. Списки………………………………………………..……………...70 
           2.4.13. Статистические таблицы ……………………...……………….…..72 
           2.4.14. Логические переключатели………………….………………….….76 
           2.4.15. Синхронизация транзактов………………………..……………..…78 
           2.4.16. Прерывание работы устройства………………...………………….81 
           2.4.17. Организация циклов…………………………..…………………….84 
           2.4.18. Работа с группами………………...………………………………...85 
           2.4.19. Системное время…………………………...…………………….…90 
           2.4.20. Работа с потоками данных………………………..………………..93 
           2.4.21. Управляющие блоки……………………………...………………...96 
    2.5. Внутренняя организация GPSS……………………..……………………...98 
Заключение………………………………………………………………………...104 
Литература ………………………………………………………………………...105 
Глоссарий ……………………………………………………………………...….106 
Приложение…………………………………………………………………….…109

ВВЕДЕНИЕ 

 

Управление в современном мире становится все более трудным делом, по
скольку организационная структура общества усложняется. Исследованию под
вергаются все более и более сложные системы, в которых изменение одной из 

характеристик может легко привести к изменениям во всей системе или создать 

потребность в изменениях в других частях системы. Соответственно возникает 

необходимость в использовании все более сложных методов научных исследо
ваний. 

Известны три общих направления в научных исследованиях: эксперимен
тальное и теоретическое исследования и компьютерное моделирование. 

Экспериментальные исследования проводятся с реальным объектом в 

форме натурного эксперимента. В результате получают экспериментальные 

данные о поведении и свойствах объекта исследования. Известны две стратегии 

проведения натурного эксперимента: активная и пассивная. В первом случае 

экспериментатор имеет возможность изменять внешние условия, определяю
щие состояние объекта, во втором — такой возможности нет. В этом случае го
ворят о наблюдении за изменениями состояния объекта — исследования (соци
альные, природные) соответствующих объектов длительны и трудоемки.  

Теоретические исследования. Теория имеет дело не с реальным объектом 

исследования, а с его идеализированным представлением, допускающим при
менение адекватного математического аппарата для формального описания 

объекта. Здесь основой является некая совокупность фактов, полученная в ре
зультате наблюдений или натурного эксперимента. В результате теоретическо
го осмысления фактов у исследователей возникает ряд гипотез, объясняющих 

поведение и свойства объекта. При последующей экспериментальной проверке 

одна из гипотез может принять форму научного закона. Однако этот традици
онный путь формирования теоретического знания в случае сложных систем 

оказывается неприменимым, и роль законов выполняют математические мето
ды. Разрабатывается математический аппарат теории, который обеспечивает 

возможность проведения исследования объекта аналитическими методами. Но и 

эти методы в реальных ситуациях часто оказываются неприменимыми. Причи
ны: недостаточная разработанность математического аппарата; чрезмерно боль
шая размерность решаемой задачи; наличие большого числа случайных факто
ров. Возникает необходимость использования компьютерного моделирования. 

Компьютерное моделирование. При использовании экспериментальных и 

теоретических методов исследования создается (накапливается) исходная ин
формация об объекте исследования, а модель используется как средство инте
грации и хранения знаний об объекте исследования. Так, теоретические исследо
вания проводятся с целью построения модели, а натурный эксперимент прово
дится с целью проверки адекватности модели. Здесь модель играет прикладную 

роль, она является и результатом исследования и средством хранения знаний об 

объекте исследований. 

Различают два вида компьютерных экспериментов: вычислительный и 

имитационный. Модель при вычислительном эксперименте строится в виде 

уравнений (дифференциальных, алгебраических и пр.). При этом приходится 

использовать численные методы и комплексы эффективных вычислительных 

алгоритмов. В отличие от вычислительных экспериментов модели в имитаци
онных экспериментах из-за отсутствия теории объекта описывают поведение 

реального объекта и реализуются в виде набора алгоритмов, отображающих 

ситуации, возникающие в состоянии моделируемого объекта и изменяю
щиеся по определенным сценариям. Результатами имитационного экспери
мента являются не численные решения каких-либо уравнений модели, а реали
зации созданных с помощью компьютера процессов, имитирующих поведение 

реального объекта. Термин «реальный» будем использовать в смысле «сущест
вующий или способный принять одну из форм существования», т.е. системы, 

находящиеся только в стадии планирования или разработки, могут моделиро
ваться так же, как и действующие системы. 

В настоящее время, при исследовании сложных систем все чаще предпочте
ние отдается именно имитационному моделированию. Это обусловлено как 

стремительным развитием компьютерной техники, так и совершенствованием 

программного обеспечения, к которому относятся и языки имитационного мо
делирования. 

Цель имитационного моделирования состоит в воспроизведении поведения 

исследуемой системы на основе результатов анализа наиболее существенных 

взаимосвязей между ее элементами или другими словами — разработке симу
лятора (simulation modeling) исследуемой предметной области для проведения 

различных экспериментов. 

Под имитационной моделью понимают логико-математическое описание 

объекта, которое может быть использовано для экспериментирования на ком
пьютере в целях проектирования, анализа и оценки функционирования объекта. 

Другими словами, имитационная модель — это компьютерная программа, 

которая описывает структуру и воспроизводит поведение реальной системы 

во времени. Имитационная модель позволяет получать подробную статистику 

о различных аспектах функционирования системы в зависимости от входных 

данных. 

Имитационное моделирование позволяет имитировать поведение системы 

во времени. Причём плюсом является то, что временем в модели можно управ
лять: замедлять в случае с быстропротекающими процессами и ускорять для 

моделирования систем с медленной изменчивостью. Можно имитировать пове
дение тех объектов, реальные эксперименты с которыми дороги, невозможны 

или опасны.  

Модель служит обычно средством, помогающим нам в объяснении, пони
мании или совершенствовании системы. В настоящее время моделирование 

становится не только эффективным методом научных исследований сложных 

объектов, но и мощным инструментом конструирования и проектирования 

сложных систем. Качество решений задач, получаемых с помощью имитацион
ного моделирования, определяется степенью адекватности модели реальному 

объекту (т.е. степенью соответствия результатов моделирования результатам 

работы реального объекта). Поэтому необходимо помнить, что подобно всем 

мощным средствам, существенно зависящим от искусства их при-менения 

(имитационное моделирование и экспериментирование во многом остаются ин

туитивными процессами), моделирование способно дать либо очень хорошие, ли
бо очень плохие результаты; либо пролить свет на решение проблемы, либо вве
сти в заблуждение. Результат моделирования зависит от степени адекватности 

модели, правильности исходных предпосылок, умения исследователя правиль
но применять используемые методы, правильно интерпретировать результаты. 

В настоящее время существует несколько больших классов моделей. Так 

как выбор класса зависит от целей исследования и свойств сложной системы, 

рассмотрим основные функции, выполняемые моделями сложных систем [2].  

1. Объяснительная функция модели заключается в способности модели 

упорядочить нечеткие или противоречивые понятия: выявить взаимозависимо
сти, временные соотношения; помочь интерпретировать данные натурного экс
перимента. Уже сама попытка формализовать существующие явления и про
цессы помогает в понимании функционирования объекта; 

2. Информационная функция заключается в возможности использования 

модели как средства для накопления и хранения знаний об объекте; 

3. Обучающая функция модели может служить для обучения и тренажа лиц, 

которые должны уметь справляться с всевозможными случайностями до воз
никновения реальной критической ситуации (модели космических кораблей, 

различные тренажеры, деловые игры); 

4.  Предсказательная функция модели связана с возможностью прогнозиро
вать с заданной точностью по некоторым данным натурных экспериментов по
ведение и свойства объекта (одна из наиболее важных); 

5. Функция постановки и проведения экспериментов для объектов дает воз
можность характеризовать различные состояния объектов моделирования, та
ких, где экспериментирование на реальных системах невозможно или нецеле
сообразно (люди, природа, атомные реакторы).  

Зачастую одна модель может выполнять одновременно несколько функций 

(использоваться для проведения экспериментов и для прогноза; проведения 

экспериментов и объяснения; для обучения и накопления знаний). 

В общем случае модель может служить для достижения двух целей: описа
тельной — для объяснения или лучшего понимания объекта; предписывающей 

— для предсказания и/или воспроизведения характеристик объекта, опреде
ляющих его поведение. Обычно предписывающие модели являются и описа
тельными, но не наоборот. Предписывающие модели явно предпочтительнее по 

своим возможностям, но сложнее по реализации, поэтому их построение не 

всегда возможно. 

Вероятно, в том что описательная модель не всегда полезна для целей пла
нирования и проектирования и кроется одна из причин, по которой экономиче
ские модели, имеющие (или обнаруживающие) тенденцию к описательности, 

оказали небольшое воздействие на управление экономическими системами и 

мало применялись в качестве вспомогательного средства управления на высшем 

уровне, в то время как модели исследования операций (теория игр) по общему 

признанию оказали значительное воздействие на эти сферы. В моделях соци
альных систем наблюдается тенденция к описательности, объяснению явлений 

(слишком сложный объект моделирования); модели технических систем, пред
назначенные для разработки новых систем, носят и предписывающий, и описа
тельный характер. 

Модели вообще, и имитационные модели в частности, можно клас
сифицировать различными способами. К сожалению, ни один из них не являет
ся удовлетворительным, хотя каждый служит определенной цели. Укажем не
которые типовые группы моделей, которые могут быть положены в основу 

системы классификации:  

 статические и динамические; 

 детерминированные и стохастические; 

 дискретные и непрерывные. 

Этапы моделирования 

С развитием вычислительной техники наиболее эффективным методом ис
следования больших систем стало машинное моделирование. Рассмотрим эта
пы машинного моделирования реальных систем: 

0) определение цели и задач моделирования; 

1) определение системы — установление границ, ограничений и измерите
лей эффективности изучаемой системы; 

2) формулирование модели — переход от реальной системы к некоторой ло
гической схеме (абстрагирование); 

3) подготовка данных — отбор данных, необходимых для построения моде
ли, и представление их в соответствующей форме; 

4) трансляция модели — описание модели на языке программирования или 

моделирования; 

5) оценка адекватности — оценка степени уверенности в достаточной кор
ректности выводов о реальной системе, полученных на основании обращения к 

модели; 

6) планирование эксперимента — решение задачи получения необходимой 

информации о системе с помощью компьютерной модели, с учетом ограничения 

на ресурсы; 

7) экспериментирование — процесс осуществления имитации с целью по
лучения желаемых данных и анализа чувствительности; 

8) интерпретация — построение выводов по данным, полученным путем 

имитации; 

9)  реализация — практическое использование модели и/или результатов 

моделирования. 

Любое моделирование начинается с постановки задачи моделирования, то 

есть с ясного изложения целей моделирования. Цели обычно формируются в 

виде вопросов, на которые надо ответить, либо гипотез, которые надо прове
рить, либо воздействий, которые надо оценить.  

Для определения ограничений задачи моделирования необходимо выявить 

характеристики системы, подлежащей изучению. Для этого сначала устанавли
ваются граничные условия, то есть то, что является или не является частью 

изучаемой системы. Далее определяются существенные параметры и перемен
ные системы, которые характеризуют объект изучения и позволяют установить 

основные ограничения задачи моделирования. 

На этапе формулирования модели разрабатывается моделирующий алго
ритм, с помощью которого имитируются явления, составляющие исследуемый 

процесс. С этим этапом тесно связан этап подготовки данных, в процессе кото
рого определяется, в каком виде будут представлены параметры и переменные 

системы – в виде констант, либо в виде генерируемых последовательностей 

случайных чисел. 

На этапе трансляции модели возникает проблема ее описания на языке, при
емлемом для использования компьютера. Здесь использование специальных 

языков моделирования вместо универсальных существенно экономит время 

программирования.  

Процесс проверки адекватности модели включает в себя несколько шагов 

последовательных проверок. На первом шаге исследователь должен убедиться, 

что модель верна в первом приближении. На втором шаге оценки адекватности 

проверяются исходные предположения. Например, какие параметры и пере
менные модели можно считать существенными, и охвачены ли моделью все 

существенные параметры объекта. На третьем шаге проверяются преобразова
ния информации от входа к выходу. 

После проверки адекватности модели необходимо спланировать и провести 

эксперимент с моделью для получения желаемой информации. Анализ данных, 

полученных в результате эксперимента, позволяет делать выводы о возможно
стях дальнейшего использования самой модели или результатов моделирова
ния. 

Необходимо отметить, что моделирование может быть остановлено на лю
бом этапе, если результат достигнут. Кроме того, возможны возвраты к преды
дущим этапам. Так, если оценка адекватности модели отрицательна, то может 

быть возврат на любой из предыдущих этапов моделирования. Если при подго
товке данных выясняется, что некоторые данные не могут быть получены или 

представлены в требуемом виде, то возможно повторное формулирование мо
дели. После проведения эксперимента осуществляется анализ и интерпретация 

результатов. Если результаты удовлетворяют исследователя, то на этом процесс