Рефетека.ру / Информатика и програм-ие

Курсовая работа: Построение и использование имитационных моделей

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ


САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, МЕХАНИКИ И ОПТИКИ

Кафедра компьютерных образовательных технологий


КУРСОВАЯ РАБОТА


Тема: Построение и использование имитационных моделей


Работу выполнил студент

Машков Андрей Сергеевич

Техническое задание


1. Наименование темы: Построение и исследование имитационных моделей

2. Срок сдачи студентом законченной работы 05.06.07

3. Техническое задание и исходные данные к работе Разработать программу для имитационного моделирования системы массового обслуживания с 2 устройствами. В системе интервалы времени между поступлением требований являются независимыми случайными величинами со средним временем поступления требований Построение и использование имитационных моделей=10 (с). Когда требование поступает, а устройство свободно, обслуживание начинается немедленно. Время обслуживания является случайной величиной некоррелированной с интервалами поступления требований. Среднее значение времени обслуживания требований Построение и использование имитационных моделей=10 (c). Если при поступлении требования устройства заняты, требование становится в очередь.

Дисциплина обслуживания: циклическая с квантом q=1c.

Оценке подлежат следующие параметры:

коэффициент использования системы Построение и использование имитационных моделей;

средняя задержка в очереди Построение и использование имитационных моделей;

среднее время ожидания Построение и использование имитационных моделей;

среднее по времени число требований в очереди Построение и использование имитационных моделей;

среднее по времени число требований в системе Построение и использование имитационных моделей.

4. Содержание курсовой работы (перечень подлежащих разработке вопросов):

Анализ задачи и обзор аналогов;

Выбор входных распределений;

Логика работы программы;

Построение генераторов случайных чисел;

Статистический анализ выходных данных моделирования;

Рекомендации по использованию результатов моделирования.

5. Перечень графического материала (с указанием обязательного материала):

Графики функций распределения вероятностей;

Графики функций плотности распределения вероятностей;

График по времени числа требований в очереди;

График по времени числа требований в системе;

График по времени коэффициента использования системы;

Блок-схемы алгоритмов.

6. Исходные материалы и пособия

1. Кельтон В., Лоу А. Имитационное моделирование. Классика CS. 3-ие изд. – СПб.:Питер; Киев: Издательская группа BHV, 2004. – 847 c.

Содержание


Введение

1. Анализ задачи и обзор аналогов

2. Выбор входных распределений. Построение генераторов случайных чисел

3. Оценка входных параметров

3.1 Оценки средних значений

3.2 Интервальные оценки

3.3 Проверка статистических гипотез

3.4 Метод гистограмм

4. Логика работы программы

4.1 Блок-схема алгоритма программы

4.2 Интерфейс

5. Планирование эксперимента

5.1 Статический анализ выходных данных моделирования

5.2 Построение факторного плана

5.3 Эффекты взаимодействия и уравнения регрессии

6. Рекомендации по использованию результатов моделирования

Заключение

Приложение А

Приложение Б

Список литературы

Введение


На производстве, в быту, военном деле, науке и т. д. часто встречаются процессы, которые, не вдаваясь в детали, можно описать следующим образом: с одной стороны, постоянно возникают запросы на выполнение каких-либо работ, а с другой — происходит постоянное удовлетворение этих запросов. Та часть процесса, в которой возникают запросы, называется обслуживаемой системой, а та, которая принимает запросы и удовлетворяет их,— обслуживающей. Совокупность обслуживающей и обслуживаемой систем составляет систему массового обслуживания. Под системой массового обслуживания (СМО) понимают динамическую систему, предназначенную для эффективного облуживания случайного потока требований при ограниченных ресурсах системы.

Модели системы массового обслуживания являются наиболее часто используемым классом моделей со случайными факторами, что определяется повсеместным распространением систем такого типа.

К настоящему времени разработано много моделей систем массового обслуживания, имеющих аналитическое решение. Но они далеко не исчерпывают все способы функционирования реальных обслуживающих систем. Кроме того, на практике не всегда выполняются предпосылки, лежащие в основе имеющихся аналитических моделей.

Основной задачей теории СМО является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания.

Задачи теории массового обслуживания носят оптимизационный характер и в конечном итоге включают экономический аспект по определению такого варианта системы, при котором будет обеспечен минимум суммарных затрат от ожидания обслуживания, потерь времени и ресурсов на обслуживание и простоев каналов обслуживания.

Эффективным методом решения задач теории массового обслуживания, как и многих других, не имеющих аналитического решения, является метод статистического моделирования, предусматривающий, имитацию на ЭВМ процессов, протекающих в исследуемой системе. Математическое описание процесса в этом случае задается алгоритмически. Моделирующий алгоритм многократно воспроизводит изучаемый случайный процесс, накапливает сведения о его протекании, и после обработки выдает оценки показателей работы системы. Целью любого компьютерного эксперимента является сбор информации о значениях переменных модели, наблюдаемых в процессе проведения эксперимента, и состояниях очередей, возникающих в процессе моделирования.

Построение программы имитации поведения СМО основано на программировании цепочки событий, начиная от входных требований, поступающих в случайные моменты времени, занятия и освобождения серверов в соответствии со случайным характером длительности обработки каждого требования. Итогом работы программы является получение статистических отчетов о процессах в системе.

В данной курсовой работе требуется разработать программу для имитационного моделирования системы массового обслуживания с двумя устройствами. В системе интервалы времени между поступлениями требований являются независимыми случайными величинами со средним временем Ā = 10 секунд. Когда требование поступает, а устройство свободно, обслуживание начинается немедленно. Время обслуживания является случайной величиной, некоррелированной с интервалами поступления требований. Среднее значение обслуживания требований – Ŝ = 10 секунд. Если при поступлении требования устройства заняты, то требование становится в очередь. Дисциплина обслуживания циклическая с квантом q=1c.

Оценке подлежат следующие параметры:

коэффициент использования системы;

средняя задержка в очереди;

среднее время ожидания;

среднее по времени число требований в очереди;

среднее по времени число требований в системе.


1. Анализ задачи и обзор аналогов


Основными элементами СМО являются: входящий поток требований, очередь требований, обслуживающие устройства, (каналы) и выходящий поток требований. Изучение СМО начинается с анализа входящего потока требований. Входящий поток требований представляет собой совокупность требований, которые поступают в систему и нуждаются в обслуживании. Входящий поток требований изучается с целью установления закономерностей этого потока и дальнейшего улучшения качества обслуживания.

В данной работе СМО предназначена для обслуживания какого-то потока требований, поступающих в какие-то случайные моменты времени. Так как система циклично содержит квант q, то по истечению этого цикла если требование успело обслужиться, то оно покидает систему, в противном случае требование поступает в конец очереди. Далее время обработки этого требования уменьшается на квант q.

Задача данной СМО – установить зависимость результирующих показателей работы системы массового обслуживания (вероятности того, что требование будет обслужена; математического ожидания числа обслуженных требований и т.д.) от входных показателей (количества каналов в системе, параметров входящего потока требований и т.д.). Результирующими показателями или интересующими нас характеристиками СМО являются – показатели эффективности СМО, которые описывают, способна ли данная система справляться с потоком требований.

Модель такой системы представлена на рисунке 1.1.


Построение и использование имитационных моделей

Рисунок 1.1 – Модель циклическая с квантом q

В действительности, многие системы работают по такому принципу:

Задача продавца газет. Партии товара Q поступают регулярно через Т, через этот промежуток продается случайное количество товара R, к моменту поставки новой партии старый товар теряет свои потребительские свойства.

2. Выбор входных распределений. Построение генераторов случайных чисел


Для многих реальных процессов поток требований достаточно хорошо описывается законом распределения Пуассона. Такой поток называется простейшим.

Простейший поток обладает такими важными свойствами:

Свойством стационарности, которое выражает неизменность вероятностного режима потока по времени. Это значит, что число требований, поступающих в систему в равные промежутки времени, в среднем должно быть постоянным. Например, число вагонов, поступающих под погрузку в среднем в сутки должно быть одинаковым для различных периодов времени, к примеру, в начале и в конце декады.

Отсутствия последействия, которое обуславливает взаимную независимость поступления того или иного числа требований на обслуживание в непересекающиеся промежутки времени. Это значит, что число требований, поступающих в данный отрезок времени, не зависит от числа требований, обслуженных в предыдущем промежутке времени. Например, число автомобилей, прибывших за материалами в десятый день месяца, не зависит от числа автомобилей, обслуженных в четвертый или любой другой предыдущий день данного месяца.

Свойством ординарности, которое выражает практическую невозможность одновременного поступления двух или более требований (вероятность такого события неизмеримо мала по отношению к рассматриваемому промежутку времени, когда последний устремляют к нулю).

Таким образом, при моделировании мы генерируем две экспоненциально распределенные псевдослучайные последовательности с заданными средними значениями Построение и использование имитационных моделей, Построение и использование имитационных моделей.

Чтобы смоделировать экспоненциально распределенную случайную величину сначала генерируется стандартно равномерно распределенная случайная величина U, которая затем преобразуется в величину с экспоненциальным законом распределения согласно формуле:


X = –b ln(U),(2.1)


где b - математическое ожидание.

Для генерации стандартно равномерно распределенной случайной величины U используется мультипликативный генератор:


Построение и использование имитационных моделей, (2.2)


где: a = 630360016, m = 2147483647.

Рассмотрим вид входных распределений на основе последовательностей из 1000 элементов с входными параметрами генераторов (Построение и использование имитационных моделей– случайная величина поступления требований (среднее значение 10), Построение и использование имитационных моделей– случайная величина обработки требований (среднее значение 10)):


Построение и использование имитационных моделей(Построение и использование имитационных моделей) =46382 , Построение и использование имитационных моделей(Построение и использование имитационных моделей) = 94215.


3. Оценка входных параметров


3.1 Оценки средних значений


Оценка математического ожидания случайных величин X вычисляется по формуле:


Построение и использование имитационных моделей

(3.1)


где n – количество элементов.

Для случайных величин Построение и использование имитационных моделей и Построение и использование имитационных моделей она равна:Построение и использование имитационных моделей

Построение и использование имитационных моделей

Построение и использование имитационных моделей

Оценка дисперсии случайных величин вычисляется по формуле:


Построение и использование имитационных моделей. (3.2)


Для случайных величин Построение и использование имитационных моделей и Построение и использование имитационных моделейона равна:

Построение и использование имитационных моделей

Построение и использование имитационных моделей

Оценка корреляции случайных величин вычисляется по формулам:


Построение и использование имитационных моделей, (3.3)


где j = 1,…,n.

Графики корреляции показаны на рисунках 3.1. и 3.2.


Построение и использование имитационных моделей


Рисунок 3.1 – Корреляция величиныПостроение и использование имитационных моделей


Построение и использование имитационных моделей


Рисунок 3.2 – Корреляция величины S


Графики зависимости последующего значения от предыдущего представлены на рисунках 3.3 и 3.4.

Построение и использование имитационных моделей

Рисунок 3.3 – Зависимость Построение и использование имитационных моделей от Построение и использование имитационных моделей


Построение и использование имитационных моделей

Рисунок 3.4 – Зависимость Построение и использование имитационных моделей от Построение и использование имитационных моделей


3.2 Интервальные оценки


Доверительный интервал для оценки математического ожидания случайной величины определяется формулой:


Построение и использование имитационных моделей, (3.4)

где b = 0.95 – доверительная вероятность, Построение и использование имитационных моделей - квантиль порядка Построение и использование имитационных моделей, Построение и использование имитационных моделей = Построение и использование имитационных моделей - оценка дисперсии. Построение и использование имитационных моделей = 1.96 для доверительной вероятности 0.95.

Доверительные интервалы для оценки математического ожидания случайных величин Построение и использование имитационных моделей и Построение и использование имитационных моделей равны:

(9.5886; 10.8315), Построение и использование имитационных моделей– попадает в полученный доверительный интервал;

(9.5627; 10.7928), Построение и использование имитационных моделей– попадает в полученный доверительный интервал.


3.3 Проверка статистических гипотез


Проверка гипотез об экспоненциальном распределении величин A и S осуществляется с помощью метода c2.

Выдвигаем гипотезу о том, что случайные величины A и S распределены экспоненциально.

Статистическая функция вычисляется по формуле:


Построение и использование имитационных моделей , (3.5)


где Построение и использование имитационных моделей- это частота попадания в k –й интервал, pi - вероятность попадания, которая вычисляется следующим образом


Построение и использование имитационных моделей, (3.6)


Расчет проводился на k = 20. Если Построение и использование имитационных моделей, то гипотеза принимается, если Построение и использование имитационных моделей, гипотеза отвергается. По данным таблицы для k=20 и Построение и использование имитационных моделей=0.05, критерий c2 = 31.4.

В результате были получены следующие значения Построение и использование имитационных моделей и Построение и использование имитационных моделей

Таким образом, обе гипотезы принимаются.

Интервалы: [0 0,4879), [0.4879 1.0008), [1.0008 1.5415), [1.5415 2.1131), [2.1131 2.7193), [2.7193 3.3647), [3.3647 4.0547), [4.0547 4.7957), [4.7957 5.5962), [5.5962 6.4663), [6.4663 7.4194), [7.4194 8.4730), [8.4730 9.6508), [9.6508 10.9861), [10.9861 12.5276), [12.5276 14.3508), [14.3508 16.5823), [16.5823 19.4591), [19.4591 23.5138) .


3.4 Метод гистограмм


На рисунках 3.5 и 3.6 изображены гистограммы с функциями плотностей распределения вероятностей для A и S.


Построение и использование имитационных моделей

Рисунок 3.5 –Гистограмма величины A


Эта гистограмма показывает, что смоделированная случайная величина A распределена по экспоненциальному закону. Математическое ожидание случайной величины А равно 10.


Построение и использование имитационных моделей

Рисунок 3.6 –Гистограмма величины S


На гистограмме видно, что смоделированная случайная величина S распределена по экспоненциальному закону. Математическое ожидание случайной величины S равно 10.

На рисунках 3.7 и 3.8 изображены графики функций распределения вероятностей для A и S.


Построение и использование имитационных моделей

Рисунок 3.7 – Функция распределения величины A

Построение и использование имитационных моделей

Рисунок 3.8 – Функция распределения величины S

4 Логика работы программы


4.1 Блок-схема алгоритма программы


На рисунке 4.1 представлена логика работы системы массового обслуживания с дисциплиной – циклическая с квантом q.


Построение и использование имитационных моделей

Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Нет


Построение и использование имитационных моделейПостроение и использование имитационных моделейПостроение и использование имитационных моделей

Построение и использование имитационных моделей

Построение и использование имитационных моделей

Построение и использование имитационных моделей Да

Построение и использование имитационных моделей


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделей

Рисунок 4.1- Блок-схема алгоритма программы


На рисунке 4.2 представлена блок-схема блока поступления требования в устройство.


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделейПостроение и использование имитационных моделейПостроение и использование имитационных моделейНет Да


Построение и использование имитационных моделейПостроение и использование имитационных моделей


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделей


Рисунок 4.2 – Блок-схема поступления требования


На рисунке 4.3 представлена блок-схема функции, обеспечивающей обработку требования, где q - максимальное время обслуживание требования.

На рисунке 4.4 представлена блок-схема блока ухода требования и дополнительной обработки.


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей

Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей


Построение и использование имитационных моделей


Рисунок 4.3 – Блок-схема функции обработки требования


Построение и использование имитационных моделей

Построение и использование имитационных моделей


Построение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделейПостроение и использование имитационных моделейПостроение и использование имитационных моделей


Да Нет

Построение и использование имитационных моделейПостроение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделей


Построение и использование имитационных моделейПостроение и использование имитационных моделей


Рисунок 4.4- Блок-схема дополнительной обработки или ухода требования


4.2 Интерфейс


К графическому интерфейсу относится управление параметрами системы, такими как изменение входных параметров.

На рисунке 4.5 представлено основное диалоговое окно графического интерфейса.


Построение и использование имитационных моделей

Рисунок 4.5 - Основное диалоговое окно графического интерфейса


Здесь имеются поля для ввода входных параметров, кнопки управления происходящим процессом.

При нажатии на клавишу «Запуск» мы видим диалоговое окно, представленное на рисунке 4.6. Здесь можно заметить, что поля ввода входных параметров неактивны для изменения. Так же в графе «Выходные параметры системы» результаты показываются только по двум пунктам: системное время и время поступления следующей заявки. Кнопка «Графики» неактивна. Соответственно происходит выполнение работы программы.

Построение и использование имитационных моделей

Рисунок 4.5 – Диалоговое окно при нажатии на кнопку «Запуск»


При нажатии на кнопку «Стоп» происходит активация полей ввода «Параметры моделируемой системы». Так же выводится информация о промежуточных подсчётах. Можно посмотреть полученные графики. Это можно посмотреть на рисунке 4.6.


Построение и использование имитационных моделей

Рисунок 4.6 - Диалоговое окно при нажатии на кнопку «Стоп»

После окончательного прогона моделирования системы массового обслуживания и нажатия на кнопку «Графики» мы увидим:

график изменения коэффициента использования системы во времени на рисунке 4.7;

график текущего по времени числа заявок в очереди на рисунке 4.8;

график текущего по времени числа заявок в системе на рисунке 4.9;

график среднего по времени числа заявок в очереди и системе на рисунке 4.10.


Построение и использование имитационных моделей

Рисунок 4.7 - Изменения коэффициента использования системы во времени


Построение и использование имитационных моделей

Рисунок 4.8 - Текущее по времени число заявок в очереди


Построение и использование имитационных моделей

Рисунок 4.9 - Текущее по времени число заявок в системе


Построение и использование имитационных моделей

Рисунок 4.10 - Среднего по времени числа заявок в очереди и системе

5 Планирование эксперимента


5.1 Статический анализ выходных данных моделирования


Для анализа выходных параметров моделирования необходимо рассчитать количество экспериментов для построения факторного плана. Расчет количества экспериментов производится по формуле:


Построение и использование имитационных моделей, (5.1)


где Построение и использование имитационных моделей- дисперсия, Построение и использование имитационных моделей- 5% от математического ожидания на 10 значениях каждого выходного параметра, Построение и использование имитационных моделей=1.96 – квантиль порядка Построение и использование имитационных моделей.

Результаты расчетов необходимого количества экспериментов приведены в таблице 5.1.


Таблица 5.1 – Количество экспериментов


A1 S1 p d w Q L
1 254789 251463 0,425622 9,23302 19,0935 0,564 2,2317
2 62315 56514 0,42811 10,1712 20,7671 0,609816 2,24761
3 54789623 1263532 0,500968 10,0617 20,1693 0,757584 2,54167
4 658765 459877 0,480135 8,99325 18,8155 0,549471 2,24218
5 678678 967567 0,421836 8,863665 18,111 0,477824 2,04563
6 872343 976723 0,490978 8,75354 18,384 0,53815 2,24663
7 98745 874509 0,476293 9,028 18,873 0,552332 2,27674
8 2148963 1247896 0,482266 9,24245 19,2856 0,534981 2,21667
9 2652567 4589642 0,411253 8,32548 17,9225 0,432992 2,0688
10 829192 873292 0,472514 9,23085 19,0708 0,622302 2,36714
n

8,090238 5,737406 3,266298 37,26833 5,93063

В таблице 5.1 приняты следующие обозначения: A1 – начальное значение величины A (поступления требования); S1 - начальное значение величины S (обработки требования); p, d, w, Q, L – выходные параметры, соответственно коэффициент использования, системы, средняя задержка в очереди, среднее время ожидания, среднее по времени число требований в очереди, среднее по времени число требований в системе; n – необходимое количество экспериментов вычисленное по формуле 5.1.

Было определено максимальное значение n равное 37.


5.2 Построение факторного плана


В данной СМО входными переменными модели, т.е. факторами являются:

количество устройств;

среднее время поступления требований;

среднее время обработки требований.

Выходными показателями работы СМО, т.е. откликами являются:

коэффициент использования системы;

средняя задержка в очереди;

среднее время ожидания;

среднее по времени число требований в очереди;

среднее по времени число требований в системе.

В таблице 5.2 приведены уровни факторов и их значения.


Таблица 5.2 – Значения уровней и факторов

Фактор - +
Количество устройств (m) 1 2

Среднее значение Построение и использование имитационных моделей

11 12

Среднее значение Построение и использование имитационных моделей

8 9

Значения факторов были подобраны эмпирически, основываясь на том, что нужно увеличить загруженность системы (повысить коэффициент использования системы), но при этом не должно создаваться ситуации, когда очередь постоянно возрастает. Т.е. значения двух факторов должны быть ограничены.

Для планирования экспериментов был построен факторный план Построение и использование имитационных моделей значения которого приведены в таблице 5.3 .В Приложении А приведены графики контрольных прогонов для каждого эксперимента факторного плана.


Таблица 5.3 – Факторный план

N M

Построение и использование имитационных моделей

Построение и использование имитационных моделей

ρ d W Q L
1 - - - 0,615924 24,9953 32,8826 1,74527 2,52777
2 + - - 0,364636 7,10077 15,1911 0,271809 1,48011
3 - + - 0,641983 19,9019 27,7597 1,13215 1,84383
4 + + - 0,282609 6,37251 13,9526 0,1287 1,08477
5 - - + 0,799233 31,835 40,4347 2,48326 3,37997
6 + - + 0,395812 7,81768 16,8574 0,265331 1,56789
7 - + + 0,619495 25,401 33,9974 1,56838 2,34359
8 + + + 0,356732 7,57915 16,4351 0,237693 1,45666

Полный факторный план


Таблица А.1 - Результаты работы системы 1/11/8

A S ρ d w Q L
1 25698 25745 0,6755528 20,4441 28,3593 1,27841 2,05395
2 35861 91752 0,680536 21,3554 29,1991 1,37816 2,14923
3 11867 378922 0,639325 19,8888 27,7547 1,21289 1,97175
4 26598 524568 0,657458 22,4653 30,3462 1,51871 2,31604
5 258569 256985 0,667673 20,8268 28,4641 1,35581 2,11021
6 585458 112362 0,596395 17,0318 24,4552 0,975926 1,69182
7 554265 556963 0,692 20,7156 28,8005 1,29098 2,08363
8 659123 456321 0,640571 22,6587 30,8684 1,38142 2,13753
9 542369 758963 0,713228 24,5171 32,0071 1,82475 2,60021
10 369258 741258 0,753513 30,4055 38,7389 2,30473 3,15114
11 456321 321456 0,639594 17,5491 25,3863 0,973815 1,71901
12 258321 123698 0,72446 29,3316 37,4017 2,24594 3,07944
13 546132 963659 0,734653 27,3305 35,6129 1,91317 2,72048
14 658741 336559 0,695646 23,1381 31,4143 1,4804 2,27275
15 439157 496326 0,711085 22,194 30,3506 1,39806 2,1861
16 486248 684268 0,694425 26,9778 35,1111 1,89538 2,68753
17 139852 369562 0,633895 20,6619 28,2276 1,33358 2,07694
18 341254 851147 0,705575 29,6748 37,9012 2,14604 2,94536
19 112354 774584 0,644321 17,6122 25,5628 0,961498 1,70932
20 546378 796541 0,761192 28,0322 36,2059 2,11432 2,95728
21 595985 747856 0,695619 23,7853 32,0953 1,52594 2,31901
22 446623 332256 0,781548 25,304 33,4814 1,77277 2,58992
23 882654 996548 0,743595 26,5645 34,6843 1,92301 2,74851
24 654845 695658 0,574422 17,751 25,1839 1,03218 1,74265
25 502508 360268 0,645467 23,8161 31,7211 1,65099 2,44626
26 459543 302369 0,591592 22,7245 30,5422 1,4158 2,13354
27 201301 800961 0,629991 27,2424 35,1988 1,92285 2,69709
28 548545 965236 0,727015 25,9111 33,9255 1,91621 2,74568
29 502401 658025 0,68132 23,6408 31,7551 1,57362 2,36523
30 990065 365852 0,673105 21,8759 29,6414 1,51489 2,31478
31 326587 562389 0,662329 21,9148 29,5617 1,47498 2,23395
32 743652 780954 0,723818 28,8251 36,8655 2,1632 2,98105
33 559658 412365 0,634386 31,1898 39,2282 2,42949 3,2553
34 678151 511247 0,666739 25,5455 33,4027 1,78458 2,5574
35 548545 965236 0,727015 25,9111 33,9255 1,91621 2,74568
36 502401 658025 0,68132 23,6408 31,7551 1,57362 2,36523
37 654845 695658 0,574422 17,751 25,1839 1,03218 1,74265
38 585458 112362 0,596395 17,0318 24,4552 0,975926 1,69182

Таблица А.2 - Результаты работы системы 2/11/8

A S ρ d w Q L
1 543550 543550 0,338698 6,63765 14,8306 0,0359895 1,07935
2 546328 925328 0,325319 6,78376 14,7786 0,182953 1,322
3 512657 14751 0,314471 6,63436 14,1134 0,218668 1,28283
4 65412 365984 0,32293 6,79088 14,8843 0,155927 1,24995
5 541025 850257 0,312803 6,04349 13,5354 0,100849 1,11726
6 132052 956201 0.362961 6.90582 14.8984 0.227443 1.41849
7 548561 523659 0.319346 6.95141 14.6858 0.238178 1.32071
8 745695 652354 0.325195 6.68655 14.9192 0.147331 1.3253
9 569852 258741 0.357333 7.1276 15.5344 0.205545 1.43516
10 789632 123698 0.342605 6.81135 14.9676 0.192304 1.39074
11 120325 669520 0.316259 6.58486 14.6634 0.125711 1.21964
12 885695 336511 0.329522 6.72872 14.6084 0.167234 1.24897
13 125496 695124 0.308968 6.95665 14.969 0.175414 1.23178
14 23584 255963 0.316783 6.70453 14.7566 0.148303 1.22348
15 352147 357159 0.336722 7.22136 15.7185 0.193198 1.37311
16 645123 973451 0.338016 6.27922 13.9954 0.105584 1.19676
17 645121 782223 0.326981 6.54399 14.4811 0.106791 1.17305
18 203265 213025 0.372122 6.76579 14.807 0.192739 1.38204
19 112354 565239 0.319334 6.73003 14.6728 0.162247 1.23175
20 459548 365824 0.361309 6.80957 14.9258 0.15476 1.28074
21 659369 147524 0.318654 6.87234 15.0754 0.140456 1.2272
22 584215 753268 0.365926 6.56857 14.3551 0.163679 1.25831
23 787789 989989 0.366771 6.52882 14.4654 0.187632 1.4107
24 123235 654546 0.384813 7.60551 16.1285 0.2599 1.42453
25 636963 147414 0.344725 6.57443 14.6367 0.135911 1.2607
26 459543 302369 0.295819 6.812 14.6297 0.17923 1.2025
27 645123 973451 0.338016 6.27922 13.9954 0.105584 1.19676
28 645121 782223 0.326981 6.54399 14.4811 0.106791 1.17305
29 915475 984123 0.358508 6.68446 14.6201 0.188477 1.37552
30 990065 365852 0.336152 6.43067 14.1962 0.149999 1.29115
31 745695 652354 0.325195 6.68655 14.9192 0.147331 1.3253
32 569852 258741 0.357333 7.1276 15.5344 0.205545 1.43516
33 659369 147524 0.318654 6.87234 15.0754 0.140456 1.2272
34 65412 365984 0,32293 6,79088 14,8843 0,155927 1,24995
35 541025 850257 0,312803 6,04349 13,5354 0,100849 1,11726
36 512657 14751 0,314471 6,63436 14,1134 0,218668 1,28283
37 546328 925328 0,325319 6,78376 14,7786 0,182953 1,322
38 512657 14751 0,314471 6,63436 14,1134 0,218668 1,28283

Таблица А.3 - Результаты работы системы 1/12/8

A S ρ d w Q L
1 990065 365852 0,61843 18,8208 26,5865 1,09074 1,82072
2 256585 6523 0,638141 20,3544 28,4439 1,14575 1,87597
3 555368 333652 0,603842 24,9082 33,3464 1,52609 2,28326
4 352648 333652 0,558157 21,6328 30,0966 1,17218 1,89695
5 666666 335225 0,54776 18,0408 25,6844 0,975644 1,66246
6 132052 568112 0,727417 24,3047 32,7124 1,53687 2,32258
7 223311 996633 0,603162 23,24 31,0355 1,43715 2,14018
8 562551 336221 0,57625 16,0752 23,782 0,781477 1,46213
9 448444 112110 0,629062 19,5658 27,5804 1,10843 1,84356
10 541523 236523 0,652206 24,5259 32,6706 1,54672 2,2922
11 120325 339911 0,584455 19,407 27,2744 1,04603 1,72192
12 885225 335221 0,571277 18,5817 26,3752 1,05846 1,7859
13 654485 225650 0,577097 18,1954 26,37 0,883966 1,57177
14 541263 325852 0,564309 16,6183 24,3225 0,807201 1,47055
15 116633 111856 0,599607 22,5597 30,7084 1,29238 2,00157
16 774123 336214 0,629704 20,499 28,2943 1,21975 1,9422
17 555236 502899 0,584854 20,4274 28,3354 1,12509 1,8123
18 203265 213025 0.372122 6.76579 14.807 0.192739 1.38204
19 112354 565239 0.319334 6.73003 14.6728 0.162247 1.23175
20 459548 365824 0.361309 6.80957 14.9258 0.15476 1.28074
21 659369 147524 0.318654 6.87234 15.0754 0.140456 1.2272
22 584215 753268 0.365926 6.56857 14.3551 0.163679 1.25831
23 787789 989989 0.366771 6.52882 14.4654 0.187632 1.4107
24 123235 654546 0.384813 7.60551 16.1285 0.2599 1.42453
25 636963 147414 0.344725 6.57443 14.6367 0.135911 1.2607
26 459543 302369 0.295819 6.812 14.6297 0.17923 1.2025
27 645123 973451 0.338016 6.27922 13.9954 0.105584 1.19676
28 645121 782223 0.326981 6.54399 14.4811 0.106791 1.17305
29 915475 984123 0.358508 6.68446 14.6201 0.188477 1.37552
30 990065 365852 0.336152 6.43067 14.1962 0.149999 1.29115
31 745695 652354 0.325195 6.68655 14.9192 0.147331 1.3253
32 569852 258741 0.357333 7.1276 15.5344 0.205545 1.43516
33 659369 147524 0.318654 6.87234 15.0754 0.140456 1.2272
34 65412 365984 0,32293 6,79088 14,8843 0,155927 1,24995
35 990065 365852 0,61843 18,8208 26,5865 1,09074 1,82072
36 256585 6523 0,638141 20,3544 28,4439 1,14575 1,87597
37 555368 333652 0,603842 24,9082 33,3464 1,52609 2,28326
38 352648 333652 0,558157 21,6328 30,0966 1,17218 1,89695

5.3 Эффекты взаимодействия и уравнения регрессии


Главные эффекты первого, второго и третьего факторов вычисляются по следующим формулам:


Построение и использование имитационных моделей,

Построение и использование имитационных моделей, (5.2)

Построение и использование имитационных моделей,


где Построение и использование имитационных моделей – отклики системы.

Эффекты взаимодействия первого и второго, первого и третьего, второго и третьего, первого и второго и третьего факторов вычисляются по следующим формулам:


Построение и использование имитационных моделей,

Построение и использование имитационных моделей, (5.3)

Построение и использование имитационных моделей,

Построение и использование имитационных моделей,


где Построение и использование имитационных моделей – отклики системы.

Значения эффектов для каждого выходного параметра представлены в таблице 5.4.


Таблица 5.4 – Значения эффектов

Параметр e1 e2 e3 e12 e13 e23 e123
p -0,3192115 -0,0686965 0,06653 -0,6994355 -0,642834 -0,0686965 0,062186
d -18,315773 -3,1235475 3,5655875 -25,774998 -25,052413 -3,1235475 0,4575825
w -18,15955 -3,30525 4,48465 -34,1838 -32,7314 -3,30525 0,5327
Q -1,5063818 -0,424687 0,3191838 -1,7749518 -1,7066363 -0,4246868 0,10430775
L -1,1264325 -0,556723 0,4529075 -2,6504325 -2,4088725 -0,5567225 0,1591375

Общий вид уравнения регрессии представлен ниже:

Построение и использование имитационных моделей, (5.4)


где Построение и использование имитационных моделей - коэффициенты уравнения регрессии.

Значения коэффициентов уравнения регрессии представлены в таблице 5.5. Пример вычисления коэффициентов представлен в приложении Б.

Значения коэффициентов уравнения регрессии представлены в таблице 5.5.


Таблица 5.5 – Значения коэффициентов уравнения регрессии

Ρ d W Q L
-43,2915 -235,808 -45,0088 -59,9977 -85,6907
24,04419 144,1403 66,1593 36,02849 57,9095
3,770473 15,9089 0,5527 4,668797 6,93938
5,335393 47,84272 27,3329 9,391359 12,49551
-2,09804 -10,2775 -4,1604 -2,86784 -4,8038
-0,45454 -3,17093 -1,445 -0,71899 -0,98899
-2,88832 -26,2564 -17,3224 -5,33401 -7,76647
0,248744 1,83033 1,1306 0,417231 0,63655

Уравнения регрессии для каждого из откликов:


ρ = - 43.2915 + 24.04419m + 3.770473Построение и использование имитационных моделей + 5.335393Построение и использование имитационных моделей - 2.09804Построение и использование имитационных моделей - 0.45454Построение и использование имитационных моделейПостроение и использование имитационных моделей - 2.88832mПостроение и использование имитационных моделей + 0.248744mПостроение и использование имитационных моделейПостроение и использование имитационных моделей;

d = - 235.808 + 144.1403m + 15.9089Построение и использование имитационных моделей + 47.84272Построение и использование имитационных моделей - 10,2775mПостроение и использование имитационных моделей - 3.17093Построение и использование имитационных моделейПостроение и использование имитационных моделей - 26.2564mПостроение и использование имитационных моделей + 1.83033mПостроение и использование имитационных моделейПостроение и использование имитационных моделей;

w = - 45.0088+ 66.1593m + 0.5527Построение и использование имитационных моделей + 273329Построение и использование имитационных моделей- 4.1604mПостроение и использование имитационных моделей - 1.445Построение и использование имитационных моделейПостроение и использование имитационных моделей - 17.3224mПостроение и использование имитационных моделей + 1.1306mПостроение и использование имитационных моделейПостроение и использование имитационных моделей;

Q= - 59.9977 + 36.02849m + 4.668797Построение и использование имитационных моделей + 9.391359Построение и использование имитационных моделей - 2.86784mПостроение и использование имитационных моделей - 0.71899Построение и использование имитационных моделейПостроение и использование имитационных моделей - 5.33401mПостроение и использование имитационных моделей + 0.417231mПостроение и использование имитационных моделейПостроение и использование имитационных моделей;

l = -85.6907 + 57.9095m + 6.93938Построение и использование имитационных моделей + 12.49551Построение и использование имитационных моделей - 4.8038mПостроение и использование имитационных моделей - 0.98889Построение и использование имитационных моделейПостроение и использование имитационных моделей - 7.76647mПостроение и использование имитационных моделей + 0.63655mПостроение и использование имитационных моделейПостроение и использование имитационных моделей.

По уравнениям регрессии для значения для входных параметров m=2, Построение и использование имитационных моделей=10, Построение и использование имитационных моделей=10 получаем:

ρ = 0.4231; d =8.2874; w = 18.1298; Q = 0.1710; l =1.4828.


Для проверки адекватности уравнений регрессии используем метод малых приращений. Так, для значений m, Построение и использование имитационных моделей, Построение и использование имитационных моделей значения были получены выше. В таблице 5.6 представлены результаты при малом приращении с (dm = 0,04), Построение и использование имитационных моделей(dПостроение и использование имитационных моделей = 0,2),Построение и использование имитационных моделей(dПостроение и использование имитационных моделей =0,2):


Таблица 5.6 – Метод малых приращений

N Dm

dПостроение и использование имитационных моделей

dПостроение и использование имитационных моделей

Ρ d w Q L
1 0 0 0 0.4231 8.2874 18.1298 0.1710 1.4828
2 -0,04 0 0 0.4609 9.8100 19.5541 0.3417 1.6483
3 0,04 0 0 0.3853 6.7568 16.7055 0.0003 1.3173
4 0 -0,2 0 0.4223 8.2331 18.0510 0.1535 1.4482
5 0 0,2 0 0.4239 8.3336 18.2086 0.1886 1.5174
6 0 0 -0,2 0.4255 8.2380 17.9598 0.1954 1.5221
7 0 0 0,2 0.4208 8.3288 18.2998 0.1466 1.4435

6. Рекомендации по использованию результатов моделирования


После исследования данной имитационной модели массового обслуживания и ее анализа, были получены следующие данные, о том что коэффициент использования системы с тремя заданными параметрами равен 46%, среднее время ожидания 19 секунды, средняя задержка в очереди 9,2 секунды, среднее по времени количество требований в очереди 0,56, среднее по времени количество требований в системе 2,24.

Полученные выходные параметры, свидетельствует о том, что смоделированная нами система массового обслуживания является недогруженной и не достаточно эффективной.

Опираясь на анализ выходных данных моделирования можно сделать следующий вывод: система массового обслуживания будет достаточно эффективной при коэффициенте использования системы 79,9%, который достигается при минимальном количестве устройств равном 1, минимальном времени поступления требования равным 11 секунд и максимальном времени обработки требования равным 9 секунд. При таких входных параметрах системы мы получим среднее время ожидания равное 40 секундам, среднюю задержку в очереди 31,8, среднее по времени количество требований в очереди 2,5, среднее по времени количество требований в системе 3,4.

Следует отметить, что увеличение показателей среднего времени ожидания, средней задержки в очереди, среднего по времени количества требований в очереди и среднего по времени количества требований в системе являются допустимыми для достижения оптимального коэффициента использования системы.

Графики рекомендуемых параметров (коэффициент использования системы, по времени числа требований в очереди и системе) представлены в приложении A на рисунках А.9 и А.10.

Заключение


В процессе роботы над курсовым проектом «Построение и использование имитационных моделей» была разработана и создана программа имитационной модели системы массового обслуживания с циклической дисциплиной с квантом q, тремя входными факторами и пятью выходными параметрами. Задачи, поставленные в ходе курсового проекта, считаются выполненными. На основе статистического анализа выходных данных были даны рекомендации по выбору оптимальных параметров системы.

Список литературы


Кельтон В., Лоу А. Имитационное моделирование. Классика CS. 3-ие изд. – СПб.: Питер; Киев: Издательская группа BHV, 2008.

Советов Б.Я.Моделирование систем: Учебник для вузов 3-е изд., стер. - М.: Высшая школа.,2009.-295с.

Крылов Н.П., Самосвалов И.Т. Учебник по имитационному моделированию экономических процессов. 3-е изд, - Москва 2009- 458с.

Труб И.И. Объектно-ориентированное моделирование на C++, издательство СПб.: Питер; 2008- 346с.


Приложение А


На рисунках А.1, А.2, А.3, А.4, А.5, А.6, А.7, А.8 приведены графики контрольных прогонов для каждого эксперимента факторного плана представлены


Построение и использование имитационных моделей

Рисунок А.1 – Среднее число требований в очереди и системе для факторов m=1, Построение и использование имитационных моделей=11, Построение и использование имитационных моделей=8


Построение и использование имитационных моделей

Рисунок А.2 – Среднее число требований в очереди и системе для факторов m=2, Построение и использование имитационных моделей=11, Построение и использование имитационных моделей=8


Построение и использование имитационных моделей

Рисунок А.3 – Среднее число требований в очереди и системе для факторов m=1, Построение и использование имитационных моделей=12, Построение и использование имитационных моделей=8


Построение и использование имитационных моделей

Рисунок А.4 – Среднее число требований в очереди и системе для факторов m=2, Построение и использование имитационных моделей=12, Построение и использование имитационных моделей=8


Построение и использование имитационных моделей

Рисунок А.5 – Среднее число требований в очереди и системе для факторов m=21, Построение и использование имитационных моделей=11, Построение и использование имитационных моделей=9


Построение и использование имитационных моделей

Рисунок А.6 – Среднее число требований в очереди и системе для факторов m=1, Построение и использование имитационных моделей=12, Построение и использование имитационных моделей=9


Построение и использование имитационных моделей

Рисунок А.7 – Среднее число требований в очереди и системе для факторов m=2, Построение и использование имитационных моделей=12, Построение и использование имитационных моделей=9


Так же рекомендуемыми параметрами использования системы являются параметры, указанные на графике А.9


Построение и использование имитационных моделей

Рисунок А.9 – Рекомендуемые параметры использования системы m=1, Построение и использование имитационных моделей=11, Построение и использование имитационных моделей=9

Построение и использование имитационных моделей

Рисунок А.9 – Рекомендуемый параметр коэффициента использования системы


Приложение Б


Расчет коэффициентов уравнения регрессии для коэффициента использования системы представлены ниже.


Построение и использование имитационных моделей


где Построение и использование имитационных моделей

Для всех остальных выходных параметров коэффициенты уравнения регрессии рассчитываются аналогично.

Похожие работы:

  1. Имитационная модель СТО с использованием ...
  2. • Регулировочный участок цеха
  3. • Методы экспериментальной экономики
  4. • Автоматизация системного проектирования
  5. • Решение оптимизационных управленческих задач на ...
  6. • Применение цифровых приборов при экологических ...
  7. • Имитационное моделирование ...
  8. • Эксплуатация средств вычислительной техники
  9. • Имитационное моделирование ...
  10. • Школа административного управления по А. Файолю
  11. • Методы и алгоритмы построения элементов систем ...
  12. • Маркетинговые исследования рынка средств размещения Риги
  13. • Методы и алгоритмы построения элементов систем ...
  14. • Управленческий анализ в отраслях
  15. • Основы менеджмента
  16. • Применение инструментария управленческого анализа в ...
  17. • Сфера гостиничного бизнеса в современном мире на ...
  18. • Блочно-симметричные модели и методы проектирования ...
  19. • Проблемы и перспективы ценообразования на рынке ...
Рефетека ру refoteka@gmail.com