На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Моделирование биологических процессов и систем

Информация:

Тип работы: курсовая работа. Добавлен: 16.10.2012. Сдан: 2012. Страниц: 11. Уникальность по antiplagiat.ru: < 30%

Описание (план):





Содержание
Введение
Элементы моделирования
Информационное обеспечение модели
Проверка гипотез
Задание
Основные этапы исследования операций
Проверка адекватности модели
Проверка адекватности регрессионной модели
Метод построения модели.
Краткие сведения из теории GPSS
Основные правила и операторы языка  GPSS
Структура операторов GPSS
Заключение
Список литературы


   Введение

   Модель - объект, который для каких-то целей рассматривается вместо другого объекта.
   Моделирование - это процесс создания и использования моделей для решения практических задач.
   Этапы процесса моделирования:
?            постановка задачи;
?            оценка имеющейся информации и выбор плана создания модели;
?            создание модели;
?            проверка адекватности модели;
?            получение решения задачи с помощью модели.
   Проверкa aдеквaтности и идентификaция модели.
   Проверкa aдеквaтности - это оценкa достоверности построенной мaтемaтической модели, исследовaние ее соответствия изучaемому объекту.
   Проверкa aдеквaтности осуществляется нa тестовых экспериментaх путем срaвнения результaтов рaсчетa по модели с результaтaми экспериментa нa изучaемом объекте при одинaковых условиях. Это позволяет устaновить грaницы применимости построенной модели.
   Основным этaпом в построении aдеквaтной модели является идентификaция мaтемaтического описaния мaтемaтического описaния объектa. Зaдaчей идентификaции является определение видa модели и нaхождения неизвестных ее пaрaметров - отдельных констaнт или их комплексов, хaрaктеризующих свойствa объектa. Идентификaция возможнa при нaличии необходимой экспериментaльной информaции об изучaемом объекте.
   Проверка адекватности модели - подтверждение её соответствия изучаемому объекту. Математическая модель считается адекватной, если сопоставление результатов моделирования с данными о поведении реального объекта показывает, что изучаемые характеристики воспроизводятся в модели с требуемой точностью.
   Обязательность данного этапа является следствием приближенного характера моделирования, обусловленного схематизацией, огрублением процессов, протекающих в реальном объекте, а также возможностью принятия неточных или ошибочных решений при построении модели. В том случае, если модель оказывается неадекватной, следует повторить всю описанную процедуру, начиная с этапа постановки задачи.
   Для проверки адекватности модели, как правило, проводят:
?            серию пробных расчётов и качественный анализ поведения математической модели;
?            анализ справедливости упрощающих допущений, принятых на этапе постановки задачи, путём сопоставления результатов расчёта с решением задачи в более строгой постановке;
?            идентификацию параметров модели: определение значений настроечных коэффициентов путём сопоставления результатов расчёта с экспериментальными данными. Для эмпирических моделей на этом этапе используются методы регрессионного анализа, для теоретических - аппарат решения обратных задач.
 
  
 
 
 
 
 
 
 
 
 
 
 
 

Элементы моделирования

Моделирование - метод исследования систем на основе переноса изучаемых свойств системы на объекты другой природы.
1.                 Перенос – три ключевых фактора:
a.                 Отбор существенных факторов и их оценка. Какие свойства? Как их оценить количественно и качественно?
b.                Целостность - Как они связаны внутри? Как они взаимодействуют с внешней средой?
c.                 Адаптация - Как они существуют исторически? И т.д.
2.                 Вечное балансирование – перед болотами пере усложнения и … пере упрощения (Беллман Р. Динамическое программирование)
Поскольку мы заменяем реальный объект, и все дальнейшие выводы делаем на основе эксперимента с моделью – то важнейшее свойство:
3. Адекватность и точность моделей.
При моделировании важно следить за адекватностью отображения свойств системы на построенную модель.
Модель может быть точной копией (но возможно другого масштаба – модель летательного аппарата) или отображать характерные свойства в абстрактной форме (компьютерная программа).
Для более глубокого понимания содержания этапов и подэтапов моделирования процесса функционирования системы будем иллюстрировать их конкретными действиями при моделировании некоторой реальной системы (в отличие от гипотетической системы S, рассматриваемой в общем виде в [1, 2]. В качестве объекта моделирования выберем систему, процесс функционирования которой можно описать в терминах и понятиях, уже известных из изученных дисциплин.
Пусть необходимо провести моделирование с целью получения оценок вероятностно-временных характеристик процесса функционирования фрагмента сети передачи данных (СПД) [2]. Напомним основные понятия и определения из этой предметной области.
Данные — это факты и (или) понятия, описанные в формализованном виде. В СПД различают пользовательские и управляющие данные. Пользовательские данные — это данные вводимые пользователями в СПД или получаемые ими из сети. Управляющие данные — это данные, используемые для управления работой СПД.
Различают:
?     гомоморфные и
?     изоморфные модели.
Гомоморфизм - отображение части свойств оригинала на модель.
 
Изоморфизм - взаимно однозначное отображение, соответствие между оригиналом и моделью в области изучаемых свойств.
Абсолютно точных моделей не бывает (исключая тривиальные случаи). Обычно оценка от 0 до 1.
Методы и способы доказательства адекватности и оценки точности моделей – будет рассмотрено подробно во второй части данного курса, сейчас же кратко:
?     практический опыт – только в частных случаях (модель для конкретного проекта),
?     научная методология – обобщение (если претендуете на научное исследование – диссертационная работа, статья, унифицированная модель для исследования других систем)
4. Процесс моделирования:
o                   постановка задачи;
o                   построение модели;
o                   исследование характеристик системы с целью прогнозирования поведения системы при различных режимах;
o                   использование результатов.
Процесс моделирования – это не только и не столько эксперименты с моделью, а весь процесс от постановки задачи до внедрения результатов моделирования. Собственно, эксперимент обычно занимает не более 25% общего времени моделирования. Не надо забывать о других важнейших этапах. Только два характерных высказывания:
5. Функции моделей
Сама идея представления некоторого объекта, системы или понятия в виде модели носит настолько общий характер, что трудно классифицировать все цели моделей, но Шеннон приводит 5 узаконенных общих функций моделей для технических систем.
Модель может применяться в качестве:
1.                       средства осмысления действительности;
2.                       средства общения;
a.                        Как средство общения, хорошо продуманная модель не имеет себе равных. "Лучше один раз увидеть,  чем сто раз услышать". Модель делает более понятной общую структуру исследуемого объекта и  вскрывает важные  причинно-следственные связи.
3.                       средства обучения и тренировки;
a.                        Модели применялись и продолжают широко применяться в качестве средства профессиональной подготовки и обучения. Модель - превосходное средство подготовки операторов, которые
 
 
b.                         
c.                        должны научиться справляться с всевозможными случайностями до возникновения реальной критической ситуации в системе управления. Примеры, военные, летчики, водители автомобилей, деловые игры, дистанционное обучение и т.д.
4.                       инструмента прогнозирования;
a.                        Одним из наиболее важных применений моделей является прогнозирование поведения моделируемых объектов. Примеры, создание новой системы (самолет, автомобиль) или высокая стоимость ошибки при неправильной оценке решений в действующей системе.
5.                       средства постановки экспериментов.
a.                        Наконец, применение моделей позволяет проводить контролируемые эксперименты в ситуациях, где экспериментирование на реальных объектах было бы практически невозможным или экономически нецелесообразным.
6.                       Цель моделирования понять и изучить качественную и количественную природу явления, отразить существенные для исследования черты явления (объекта, системы, процесса) в пригодной для использования в практической деятельности форме.
 
Модель может служить для достижения одной из  двух  основных целей:
1.                  описательная цель - модель служит для объяснения и лучшего понимания объекта,
2.                  предписывающая цель - модель позволяет предсказывать и воспроизводить характеристики объекта,  определяющие его поведение. 
7. Моделирование и научный эксперимент (достоинства и недостатки моделирования).
Пытаясь использовать моделирование для решения той или иной задачи всегда необходимо помнить об альтернативе.
Моделирование часто сравнивается с альтернативным методом изучения действительности: методом научных экспериментов.
В сравнении с методом научного эксперимента достоинствами метода моделирования являются:
1.                  универсальность;
2.                  меньшая стоимость (как правило);
3.                  меньшая продолжительность во времени (например, для экономических моделей).

Информационное обеспечение модели
   Даже идеально составленная модель, адекватно описывающая исследуемую систему, окажется совершенно бесполезной, если отсутствует необходимая для ее работы информация, например численные характеристики, входящие в целевую функцию и в систему ограничений. Следовательно, точность модели может зависеть от объема и состава имеющихся исходных данных. Сбор исходных данных часто оказывается наиболее трудным этапом построения оптимизационной модели, поэтому, в принципе, сам вид модели может определяться доступностью исходных данных.
Этапы определения оптимального решения.
   Процесс нахождения оптимального решения, как правило, состоит из четырех этапов:
   1) формулировки проблемы;
   2) построения модели;
   3) нахождения оптимального модельного решения;
   4) проверки адекватности модели.
   На первом этапе - при формулировке проблемы - можно выделить следующие стадии: формулировку цели исследования; выявление возможных альтернатив решения применительно к исследуемой ситуации; определение присущих исследуемой системе требований, условий и ограничений.
   На втором этапе - при построении модели - должны быть установлены управляемые параметры, количественные соотношения для выражения целевой функции и ограничений в виде функций от управляемых параметров. Процесс построения математической модели можно начать с ответов на три основных вопроса: 1) для определения каких величин строится модель, т. е. как выделить переменные (искомые величины) задачи? 2) какие ограничения по условиям задачи должны быть наложены на переменные? 3) в чем состоит оптимальная цель?
   На третьем этапе происходит решение сформулированной задачи. На этом этапе, кроме нахождения оптимального решения, необходимо провести анализ модели на чувствительность, который покажет возможность изменения решения при изменении численных значений параметров системы. Особенно полезен такой анализ, когда значения каких-либо параметров системы точно не известны.
   На четвертом этапе проводится проверка адекватности модели. Модель можно считать адекватной, если она способна предсказать поведение системы. Общий метод проверки адекватности модели состоит в сопоставлении модельных результатов с характеристиками системы, которые при тех же исходных условиях система имела в прошлом. Если при аналогичных входных параметрах модель достаточно точно воспроизводит поведение системы, то он считается адекватной. Однако такой способ непригоден при разработке новых систем, так как нет необходимых данных для проверки модели. Интуитивные методы также могут играть важную роль при оценки адекватности модели.
Итерационный метод решения
   Решение оптимизационной задачи, как правило, не удается найти в аналитическом виде, поэтому обычно определяется решение как результат итерационного процесса - ряда однотипных повторяющихся вычислений. Каждый последующий шаг итерационного процесса дает решение, более близкое к оптимальному, чем на предыдущем шаге. При этом надо иметь в виду, что при реализации итерационного процесса накапливаются ошибки округления, которые с определенного - момента времени могут стать настолько большими, что полученное решение теряет смысл.

 

Проверка гипотез

   Проверка гипотезы состоит в сравнении некоторой величины (теста), вычисляемой по экспериментальным данным с табличным значением (критерий), который определяется видом гипотезы и уровнем значимости. Если тест меньше критерия - гипотеза принимается, больше - отклоняется. Результат проверки не доказывает истинность или ложность гипотезы, а говорит лишь о том, что экспериментальные данные противоречат или не противоречат ей.
   Могут быть проверены следующие гипотезы:
-адекватности модели по критерию Фишера;
-наличия выбросов по критерию Стьюдента;
-гомоскедастичности по критерию Барлетта;
-некоррелированности остатков по критерию серий;
- альтернативных параметров по критерию Фишера.
Для каждой гипотезы может быть четыре варианта ответа:
   - "не проверена" - до проверки или после изменения значимости;
   - "мало данных" - объем экспериментальных данных не позволяет провести проверку;
   - "принята" - гипотеза успешно выдержала проверку, причем для комплексных гипотез, где проверяется гипотеза для каждой серии отдельно, они все "приняты".
   - "отклонена" - гипотеза отвергнута на этом уровне значимости, причем для комплексных гипотез хотя бы в одной серии гипотеза была отклонена.
   Уровень значимости характеризует строгость проверки гипотезы - чем больше уровень значимости, тем жестче она проверяется. Так, например, гипотеза принятая для уровня значимости 0.01, может быть отклонена для уровня 0.05.
Проверка адекватности модели по критерию Фишера (рис. 7) состоит в том, что сравниваются две оценки дисперсии погрешности измерения:
   s - оценка метода максимума правдоподобия по модели для текущих значений параметров;
   d - выборочная оценка, полученная из опытов на воспроизводимость. Если гипотеза верна, то s=d. Проверка гипотезы невозможна, если нет опытов на воспроизводимость или их кратность недостаточна.
   Отклонение гипотезы адекватности по Фишеру указывает на недостатки при проведении испытаний: неслучайный отбор образцов, нарушения в условиях испытаний или неточное определение моментов съема. При этом точность прогноза будет занижена.
 

Задание
Задание 32.
В специализированной вычислительной системе периодически выполняются три вида заданий, которые характеризуются уровнями приоритета: нулевым, первым и вторым. Каждый новый запуск задания оператор производит при помощи дисплея, работая на нем 50 ± 30 с. После запуска задания оно требует для своего выполнения 100 ± 50 с времени работы процессора, причем задания более высокого приоритета прерывают выполнение задач более низкого приоритета. Результаты обработки задания выводятся на печать без прерываний в течение 30 ± 10 с, после чего производится их анализ в течение 60 ± 20 с, и задание запускается снова. Можно считать, что при работе дисплея и при выводе результатов на печать процессор не используется.
Смоделировать процесс работы системы при условии, что задание второго уровня приоритета выполняется 100 раз. Подсчитать число циклов выполнения остальных заданий и определить коэффициенты загрузки технических средств системы.
 
 
 
 

 

 

 

 

 

 

 

 

Основные этапы исследования операций

   При всем многоообразии содержания конкретных работ в области исследования операций каждое операционное исследование проходит последовательно через несколько этапов, основными из которых есть:
?             постановка задачи и разработка концептуальной модели;
?             разработка математической модели;
?             выбор (разработка) метода и алгоритма;
?             проверка адекватности и корректировка модели;
?             поиск решения на модели;
?             реализация найденного решения  на практике.
На основании этого задания на моделирование процесса взаимодействия пользователей с ВЦ, считая, что задание соот­ветствует концептуальной модели, построим структурную схему (рис 1). Более подробно с основными понятиями, встречающимися в задании на данную курсовую работу, можно познакомиться в [2]. Таким образом, в процессе взаимодействия пользователей с ВЦ возможны следующие ситуации: 1) режим нормального обслуживания, посадка самолета на основной аэродром ; 2) режим отказа в обслуживании пользователя, когда самолет после 5 кругов уходит на запасной аэродром.
Учитывая, что по своей сути описанные процессы являются процессами обслуживания пользователей самолетов, используем для их формализации аппарат Q-схем [1]. В соответствии с концептуальной моделью, используя символику Q-схем, структурная схема модели данного примера может быть представлена в

 
Рисунок 1- Структурная схема процесса функционирования информационной системы.
И—источник; К—канал; Н — накопитель. Система клапанов регулирует процесс занятия самолетами  каналов К1, К2  . Если канал К1 занят, то клапан 1 закрыт, а клапан 2 открыт; если канал К2 занят, В результате если все каналы К1, К2,

Рисунок 2- Структурная схема модели процесса специализированной вычислительной системы и символике Q- схем
 
 

Рисунок 3- Блок- диаграмма модели процесса функционирования
 
Отметим, что при такой постановке задачи оценки вероятно­стно-временных характеристик процесса функционирования ВЦ использование аналитического подхода, базирующегося на теории массового обслуживания, не представляется возможным, так как в явном виде не получены выражения для вычисления искомых характеристик. Поэтому для получения необходимых оценок аналитическим методом нужно предварительно упростить модель (естественно, за счет точности в достоверности получаемых результатов). В исходной постановке воспользуемся методом имитационного моделирования [1].
Запишем переменные и уравнения имитационной модели в следующем виде:
эндогенные переменные: tni — время обработки задание на 1-м аэропорте, i=1,3; tpj—время решения задачи на j- и запроса, j=1,2;
экзогенные переменные: Nо — число обслуженных самолетов; N1 — число самолетов, получивших отказ;
уравнение модели: Ротк=N1/(N0+N1), где Ротк — вероятность отказа пользователю в обслуживании аэропорта.
Так же как и в предыдущем примере, при разработке машинной модели будем рассматривать два варианта моделирования: с использованием языков GPSS и общего назначения.
Используя для моделирования GPSS, символика блок-диаграмм которого приведена в приложении 1, и построив структурную схему модели (рисунок 4), можно перейти к разработке блок-диаграммы, приведенной для данного примера на рисунок 3.

Рисунок 4- Обобщенная схема моделирующего алгоритма процесса функционирования аэропорта
 
 
Проверка адекватности модели
   Этапом обработки экспериментальных данных является проверка адекватности полученной модели, которая выполняется программой по запросу с терминала. Выполняется расчет оценки дисперсии адекватности по формуле:
Sад2 = ?m*(yi - yi)/(N-d),
где:     Sад2 - оценка дисперсии адекватности (суммирование по i от 1 до N);   N - число точек плана;            d - число коэффициентов, оставшихся в модели;            yi - оценка математического ожидания выходного контролируемого параметра в            i-той точке плана;           m  - число повторений экспериментов в каждой точке плана;           yi - значение выходного контролируемого параметра, рассчитанного по модели в i-той точке плана.    После этого вычисляется значение F - статистики для проверки гипотезы об адекватности по формуле:                F = Sад2/S?2
При справедливости гипотезы об адекватности модели известно распределение случайной величины F, оно носит название распределения Фишера. Вид этого распределения зависит от числа степеней свободы числителя ?1=N—d и знаменателя ?2=N*(m—1). По принятому уровню значимости а всегда можно определить значение Fкр, превысить которое величина F может только с вероятностью менее ?. Поэтому очевидно, если при расчете получилось F>Fкр , то модель не может считаться адекватной. Значение Fкр определяется из таблиц распределения Фишера. Фрагмент такой таблицы приведен в ниже.
   Пусть для нашего варианта имеем следующие значения: F=1,19   ?1=3   ?2=8. По таблице определяем: Fкр =4,07.
   Таким образом полученная модель адекватна. В курсовом расчете необходимо привести полученную модель в натуральных единицах. Для этого каждый фактор в уравнении необходимо заменить соответствующим выражением нормировки и привести подобные члены. Для нашего примера имеем:
y = 39,1+3,06x1+2,44x2+3,33x3+1,33x2x3 = 39,1 + 3,06*(x1 - 32)/4 + 2,44*(x2 - 3)/0,6 +

Проверка адекватности регрессионной модели
    Такая проверка имеет своей целью выяснение вопроса о том, правильно или нет выбран вид уравнения регрессии. Проверка возможна, если:
   а) известна точечная оценка дисперсии воспроизводимости Se2;
   б) выполнено условие d* < N.
   Если d* = N, следовательно d+1 = N, то проверять адекватность регрессионной модели нет смысла, так как в этом случае поверхность, соответствующая уравнению регрессии, проходит точно через все экспериментальные точки.
   При проверки адекватности используется статистика: F = Sост.2/ Se2. Если F не превосходит критического значения F*, то следует сделать вывод о том, что модель адекватна. В противном случае говорят о наличии дополнительного рассеивания, обусловленного несоответствием модели реальному объекту. Тогда необходимо либо усложнить регрессионную модель, либо уменьшить интервалы варьирования факторов. Критическое значение равно значению распределения Фишера Fn1,n 2, a , которое зависит от степеней свободы n 1 = N-d*, n 2 = n e и уровня значимости a .
   Если модель является адекватной, то имеет смысл рассматривать вопрос о ее работоспособности.
   Регрессионная модель зависимости работающих активов от капитала банков может быть записана в виде конкретного простого уравнения регрессии:
.
   Это уравнение характеризует зависимость работающих активов от капитала банка. (y - расчётные значения ).
   Но для того, чтобы применить формулу, надо рассчитать, насколько она приближенна к реальности, то есть проверить ее адекватность.
   Корреляционный и регрессионный анализ обычно проводятся для ограниченной по объёму совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить, насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.
   При численности объектов анализа до 30 единиц возникает необходимость проверки значимости (существенности) каждого коэффициента регрессии. При этом выясняют насколько вычисленные параметры характерны для отображения комплекса условий: не являются ли полученные значения параметров результатами действия случайных причин.
   Значимость коэффициентов простой линейной регрессии (применительно к совокупностям, у которых n<30) осуществляют с помощью t-критерия Стьюдента. При этом вычисляют расчетные (фактические) значения t-критерия:
 
 
 
 
 
 
 
 
 
 
 
 
Метод построения модели.
    Для моделирования на GPSS надо определить:
условия работы моделируемой системы;
какие элементы GPSS надо использовать для удовлетворения условий модели.
В данном случае есть два вида ограничивающих условий. Во-первых, имеется только один аэропорт. Во-вторых , существует некоторое фиксированное число посадок работающих в системе. Естественно, для моделирования печи использовать понятие "прибор" (SEIZE).    В модели, после того как транзакт завершает посадкку, моделирующего самолет, он должен быть возвращен назад посредством блока TRANSFER в блок следующей посадки. Для того, чтобы ограничить общее число транзактов, циркулирующих в модели, необходимо использовать в операторе GENERATE операнд, задающий желаемое число транзактов.
    Для того, чтобы вычислить колво,  соответствующую заданному числу сборщиков, необходимо знать, сколько готовых посадок они сделали в течение суток.
  3. Таблица определений.
Единица времени : 1 мин.
    Элементы GPSS              Интерпретация
Транзакты:  
1-й сегмент модели
2-й сегмент модели              Самолеты
Транзакт-таймер
Приборы:  
OVEN              Аэродром
Функции:  
ASSEM
FIER
               
Распределение времени посадки и взлета
Распределение времени использования полосы
4. Блок схема.

5. Распечатка программы.
;  GPSS/PC Program File EX1.  (V 2, # 39560)  03-17-1998 12:07:35
10          SIMULATE            
20 ASEM     FUNCTION     RN1,D11
.01,25/.04,26/.09,27/.19,28/.37,29/.63,30
.81,31/.91,32/.96,33/.99,34/1,35       
30 FIER     FUNCTION     RN1,D5
.05,6/.3,7/.7,8/.95,9/1,10       
40 KEY      GENERATE     ,,,4       
50 BACK1    ADVANCE      FN$ASEM       
60          SEIZE        OVEN       
70          ADVANCE      FN$FIER       
80          RELEASE      OVEN       
90          TRANSFER     ,BACK1       
100         GENERATE     2400       
110         TERMINATE    1
1-ый вариант - посадка 4 самолетов     -    40 KEY      GENERATE     ,,,4
2-ый вариант - взлет 5 самолетов   -   40 KEY      GENERATE     ,,,5
 
3-ый вариант – отправка на запасной   -   40 KEY      GENERATE     ,,,6
6. Выходные данные.
START_TIME    END_TIME  BLOCKS    FACILITIES  STORAGES   FREE_MEMORY
            0         2400      8           1          0         17856
LINE       LOC          BLOCK_TYPE       ENTRY_COUNT   CURRENT_COUNT   RETRY
  40        KEY           GENERATE                4              0         0
  50        BACK1         ADVANCE               246              3         0
  60         3            SEIZE                 243              0         0
  70         4            ADVANCE               243              1         0
  80         5            RELEASE               242              0         0
  90         6            TRANSFER              242              0         0
  100        7            GENERATE                1              0         0
  110        8            TERMINATE               1              0         0
Для 1-го варианта
FACILITY    ENTRIES  UTIL.   AVE._TIME AVAILABLE  OWNER PEND INTER RETRY DELAY
OVEN          243  0.815        8.05      1         1   0     0     0     0
Для 2-го варианта
FACILITY    ENTRIES  UTIL.   AVE._TIME AVAILABLE  OWNER PEND INTER RETRY DELAY
OVEN          288  0.970        8.09      1         1   0     0     0     0
Для 3-го варианта
FACILITY    ENTRIES  UTIL.   AVE._TIME AVAILABLE  OWNER PEND INTER RETRY DELAY
OVEN          295  0.987        8.04      1         3   0     0     0     1

Краткие сведения из теории GPSS
В математических моделях (ММ) сложных объектов , представленных в виде систем массового обслуживания (СМО), фигурируют средства обслуживания, называемые обслуживающими аппаратами(ОА), и обслуживаемые заявки, называемые транзактами. Так, в модели производственной линии ОА отображают рабочие места, а транзакты - поступающие на обработку детали, материалы, инструмент.
      Состояние СМО характеризуется состояниями ОА, транзактов и очередей к ОА. Состояние ОА описывается двоичной переменной, которая может принимать значения "занят" или "свободен". Переменная, характеризующая состояние транзакта, может иметь значения "обслуживания" или "ожидания". Состояние очереди характеризуется количеством находящихся в ней транзактов.
       Имитационная модель СМО представляет собой алгоритм, отражающий поведение СМО, т.е. отражающий изменения состояния СМО во времени при заданных потоках заявок, поступающих на входы системы. Параметры входных потоков заявок - внешние параметры СМО. Выходными параметрами являются величины, характеризующие свойства системы - качество ее функционирования. Примеры выходных параметров:  производительность СМО - среднее число заявок, обслуживаемых в единицу времени; коэффициенты загрузки оборудования - отношение времен обслуживания к общему времени в каждом ОА;  среднее время обслуживания одной заявки. Основное свойство ОА, учитываемое в модели СМО, - это затраты времени на обслуживание, поэтому внутренними параметрами в модели СМО являются величины, характеризующие это свойство ОА. Обычно время обслуживания рассматривается как случайная величина и в качестве внутренних параметров фигурируют параметры законов распределения этой величины.
      Имитационное моделирование позволяет исследовать СМО при различных  типах входных потоков и интенсивностях поступления заявок на входы, при вариациях параметров ОА, при различных дисциплинах обслуживания заявок. Дисциплина обслуживания - правило, по которому заявки поступают из очередей на обслуживание. Величина, характеризующее право на первоочередное обслуживание, называется п
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.