Планування та проведення експериментів з моделями
Планування та проведення експериментів з моделями
Усяке наукове дослідження, що проводиться за допомогою моделі, передбачає планування та проведення експериментів, у ході яких збираються необхідні дані. Ці Дані підлягають аналізу, і на його основі визначають, чи можна під час моделювання досягти поставлених цілей. Якщо експеримент не сплановано належним чином, Існує небезпека того, що не буде отримано бажаних результатів або результати виявляться помилковими. Це може призвести до прийняття неправильних рішень чи необхідності повторного проведення експерименту (найбільш трудомістка операція) і навіть до перебудови моделі. Разом з тим повинна існувати можливість повторення іншими дослідниками експерименту, результати якого вважаються значущими.
Проблеми планування імітаційних експериментів
Імітаційні моделі відтворюють процеси, що протікають у реальній системі. У тому випадку, коли в моделі враховуються випадкові фактори, під час моделювання необхідно провести велику кількість прогонів моделі, як із різними вхідними даними, так і з різними послідовностями випадкових чисел. Для моделей детермінованих систем, у яких не враховуються випадкові фактори, зазвичай досить лише одного прогону моделі для всіх допустимих комбінацій вхідних даних і параметрів моделі. Однак на практиці такі моделі майже не зустрічаються.
У ході експерименту з моделлю одержують безліч даних, які мають бути структуровані та інтерпретовані для використання під час прийняття рішень стосовно структури та параметрів системи чи моделі. Для того щоб правильно інтерпретувати отримані вихідні дані, необхідно планувати проведення експериментів з моделлю. Планування експерименту — це розроблення такого плану експерименту, який дає можливість за мінімальної кількості прогонів моделі і за мінімальних затрат ресурсів зробити статистично значимі висновки або знайти оптимальні рішення щодо функціонування системи. Під час планування експериментів, як правило, визначають:
- вхідні дані для кожного експерименту і кількість прогонів імітаційної моделі;
- тривалість одного прогону моделі і перехідного процесу моделювання;
- стратегію збирання даних під час кожного прогону моделі;
- методи оцінювання точності вихідних даних і побудови довірчих інтервалів;
- чутливість моделі до вхідних даних, різних видів розподілів випадкових величин, сценаріїв поведінки модельованої системи;
- умови і сценарії проведення експерименту;
- умови генерування потоків випадкових чисел у системі моделювання та імовірнісних вхідних даних;
- стратегію досягнення мети експерименту (наприклад, порівняння альтернативних варіантів системи або оптимізація цільової функції).
Кінцева мета проведення експериментів – це одержання статистичної інформації, достатньої для прийняття рішень відповідно до результатів моделювання. Моделювання здебільшого провадиться з метою визначення деяких екстремальних значень характеристик модельованої системи (оптимізуючий експеримент) або для виявлення важливих факторів, які впливають на модельовану систему (відсіяний експеримент). Під час експериментів обох типів використовують факторні плани й будують поліноми різного порядку, які апроксимують поверхню відгуку. Для пошуку екстремальних значень застосовуються числові методи оптимізації. Під час таких експериментів визначається функціональна залежність вихідної змінної (функції відгуку, чи просто відгуку) від вхідних змінних, або факторів; ця залежність відображає критерій ефективності модельованої системи. Таким чином, пошук найкращого рішення характеризується числовим значенням цього критерію, і для знаходження екстремальних значень необхідно досліджувати по верхні відгуку (провадити експерименти) у різних точках факторного простору. Ефективність проведення експериментів багато в чому залежить від початкової точки у факторному просторі. Один із найважливіших видів експериментів, проваджуваних з моделлю, це структурна оптимізація [3], під якою будемо розуміти пошук найкращої структури модельованої системи. У цьому випадку аналізується кілька моделей, причому вони можуть відрізнятися структурою, параметрами і алгоритмами функціонування. Для таких експериментів не існує єдиного числового критерію оптимізації, що ускладнює використання класичних методів. Однак під час такого дослідження кількість моделей, як правило, невелика, тому для структурної оптимізації можна скористатися методом висування гіпотез або простим перебиранням варіантів. Оптимізація єдиного варіанта модельованої системи провадиться за допомогою пошуку вузьких місць і їх усунення, тобто балансування модельованої системи. Вузькі місця визначають пропускну здатність усієї системи, і пошук найкращого рішення здійснюється шляхом порівняння розглянутих варіантів. Перелічимо основні проблеми, які виникають під час проведення експериментів з імітаційними моделями.
- Визначення початкових умов проведення експерименту.
Зазвичай експеримент починають, коли модель перебуває в стані «пусто і вільно», тобто в моделі немає динамічних об'єктів або транзактів і всі пристрої та ресурси вільні. Якщо розглядається досить тривалий період моделювання, то можна задати так званий період «розігріву» чи «розгону» моделі, або перехідний процес, після якого модель переходить у сталий (стаціонарний) режим роботи. Урахування даних перехідного процесу для оцінювання вихідних змінних моделі спричинює зміщення статистичних оцінок параметрів.
Щоб зменшити вплив вихідних даних перехідного процесу на кінцеві результати, моделювання слід починати з використання модальних (найбільш імовірних) або середніх значень сталого режиму. Такий спосіб запуску моделі забезпечує зменшення тривалості перехідного процесу моделі, але застосування даного способу ефективне лише в тому випадку, коли завантаження пристроїв обслуговування в моделі невелике. У разі наближення коефіцієнтів завантаження пристроїв до одиниці на виході моделі можна спостерігати стаціонарний процес, під час якого неможливо чітко визначити дані перехідного процесу (рис. 1).
