Professional Documents
Culture Documents
Методичні вказівки до практичних занять МПтС-2023
Методичні вказівки до практичних занять МПтС-2023
МЕТОДИЧНІ ВКАЗІВКИ
до практичних занять з дисципліни
«Моделювання процесів та систем»
для студентів спеціальності 122 Комп'ютерні науки,
освітня програма «Інформаційні технології управління»
ЗАТВЕРДЖЕНО
кафедрою системотехніки.
Протокол № 8 від 21.03.2023 р.
Харків 2023
1
Методичні вказівки до практичних занять з дисципліни «Моделювання
процесів та систем» для студентів спеціальності 122 Комп'ютерні науки, освітня
програма «Інформаційні технології управління» / Упор. В. В. Безкоровайний,
Г. Є. Безугла, О. М. Драз. – Харків: ХНУРЕ, 2023. – 85 с.
2
ЗМІСТ
3
ЗАГАЛЬНІ ПОЛОЖЕННЯ
______________
1)
[1] Методичні вказівки щодо структури, змісту та оформлення навчально-методичної
літератури / Упоряд.: П. С. Ковтун, І. О. Мілютченко, Б. П. Косіковська. – Харків: ХНУРЕ, 2002.
– 60 с.
[2] Методичні рекомендації щодо організації, структури та змісту навчальних занять /
Упоряд.: Н. С. Лєсна, В. В. Логвин, І. О. Милютченко. Харків: ХНУРЕ, 2009. 40 с.
4
1 ОЦІНКА СТІЙКОСТІ МОДЕЛЬНИХ РОЗВ’ЯЗКІВ
Ax b , (1.1)
( A A)x b , x ( x x ) , (1.2)
Ax ( b b ) , x ( x x ) , (1.3)
5
де b – збурення вектора правої частини b , що відповідає похибці
визначення (завдання) його координат;
x – збурення розв’язку x системи (1.1), що відповідає збуренню b її
правої частини b .
Для оцінки стійкості моделі (1.1) використовується число обумовленості
матриці A :
A 1 .
Канонічні норми матриці A визначаються за формулами:
A 1 max aij ; (1.5)
j i
2
A 2 sqrt aij ; (1.6)
ij
A max aij , (1.7)
i j
det ( A E ) 0 , (1.9)
6
де E – одинична матриця.
Для оцінки максимальних відносних збурень (похибок) розв’язків
використовувати співвідношення:
x A
Cond A (1.10)
x x A
та
x b
Cond A . (1.11)
x b
Варі- a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33
ант
1 55 0 0 – 0,2 0,002 0 0,7 0,5 – 0,2
2 – 0,2 0,7 – 0,5 0 70 – 0,8 0 0 0,003
3 0,002 – 0,3 0 0 – 0,3 0 0,6 – 0,7 60
4 – 50 0,7 0,4 0 0,002 0 0 0,6 0,2
5 0,001 0 0 – 0,4 75 – 0,8 0,7 0 0,6
6 0,1 0 – 0,5 0,7 0,001 – 0,8 0 0 71
7 54 0 0 – 0,2 0,2 0 0,7 0,5 0,005
8 – 0,2 0,7 – 0,3 0 176 – 0,8 0 0 0,1
9 0,02 – 0,3 0 0 95 0 0,6 – 0,7 – 0,2
10 – 0,03 0,7 0,5 0 0,3 0 0 – 0,6 97
11 0,5 0 0 – 0,3 0,2 0 0,7 0,6 110
12 – 0,3 0,5 – 0,5 0 102 0,7 0 0 0,3
13 95 0,4 0 0 – 0,4 0 0,6 – 0,8 – 0,2
14 – 112 0,6 0,6 0 0,1 0 0 0,4 0,2
15 0,6 0 0 – 0,3 0,2 – 0,9 – 0,7 0 127
16 75 0 0 – 0,5 0,4 0 0,7 0,5 0,01
17 – 0,2 0,6 – 0,5 0 0,05 0,8 0 0 105
18 52 – 0,3 0 0 0,03 0 0,9 – 0,7 0,2
19 65 0,7 – 0,6 0 0,1 0 0 0,4 0,2
20 0,3 0 0 – 0,2 0,2 0 0,7 0,5 110
21 – 0,2 0,7 – 0,5 0 104 0,8 0 0 0,3
22 100 0,3 0 0 – 0,3 0 0,6 – 0,7 – 0,2
23 – 108 0,7 0,6 0 0,1 0 0 0,3 0,2
24 0,5 0 0 – 0,4 0,2 – 0,8 – 0,7 0 145
25 – 0,5 0 0 – 0,4 0,2 0,8 0,7 0 110
26 – 0,2 0,3 – 0,5 0 120 – 0,6 0 0 0,3
27 0,2 0,6 0 0 – 0,3 0 0,6 – 0,7 110
28 50 0,7 0,5 0 0,1 0 0 – 0,6 0,2
29 60 0 0 – 0,4 0,02 – 0,8 0,6 0 – 0,6
30 0,1 0 0,4 0,7 97 – 0,8 0 0 – 0,3
8
1.5 Зміст звіту
9
0.2 0.7 0.4 10
A 0 0.05 0.8 , b 6 , A 0.1 , b 0.1 .
0 0 105 12
10
Таблиця 1.2 – Розв’язки збурених СЛАР та їх похибки
12
q = [q0, q1,..., qm] – вектор параметрів моделі,.
Сигнали на виході об'єкта спостерігаються в умовах відсутності перешкод у
дискретні моменти часу t0, t1, ..., tn і мають значення y(t0) = y0, y(t1) = y1, ...,
y(tn) = yn. Вибір моделі здійснювати на множині поліномів
n n
K [ y( ti ) y м ( ti )] { yi Fм [ x( ti ), q м ,0 ] }2 min .
2
(2.3)
m, q
i 0 i 0
K K K
0; 0;...; 0, (2.4)
q0 q0 qm
n 2m n n n
0 i 1 i m i tim yi ;
2m 1
q t q t ... q t m
i 0 i 0 i 0 i 0
n n n n
q0 ti2m 1 q1 ti2m 2 ... qm tim 1 tim 1 yi ;
i 0 i 0 i 0 i 0 (2.5)
. . . . . . . . . . . . . . . . . . . . . . .
n m n n n
q0 ti q1 ti ... qm ti ti yi ,
m 1 0 0
i 0 i 0 i 0 i 0
max yi y мi , (2.6)
0 i n
n
ynE1 α ( 1 α) j yn j , (2.7)
j 0
1 n
ynK1 yn j , (2.8)
k j 0
графіки залежностей вихідних сигналів від часу для об'єкта y(t) і отриманої
модельної траєкторії руху об'єкта yм(t), оцінити точність моделі за
співвідношенням (2.6).
6. При необхідності ( > * ) змінити ступінь полінома моделі і повторно
зробити вибір найкращих значень її параметрів qо і побудувати відповідні графіки.
7. Спрогнозувати за допомогою отриманих моделей стан об’єкта для
моменту часу t5.
8. Спрогнозувати стан об’єкта для моменту часу t5 за методом
експоненціального згладжування (2.7) і методом ковзного середнього (2.8).
9. Зробити висновки, оформити та захистити звіт про виконану роботу.
У висновках необхідно вказати на найкращу з розглянутих моделей, дати
оцінку її точності і проаналізувати характер зміни точності наближення від ступеня
полінома моделі, відповідність отриманих результатів теорії. Провести
порівняльний аналіз результатів, отриманих за методом найменших квадратів,
методом експоненціального згладжування і методом ковзного середнього.
Результатами експериментів є значення параметрів моделі q і вихідних
координат об'єкта y(t) і моделей yм(t) для заданого інтервалу часу, отримані
прогнозні значення вихідного сигналу об’єкта на наступний момент часу.
Варіант t0 y0 t1 y1 t2 y2 t3 y3 t4 y4
1 2 3 4 5 6 7 8 9 10 11
1 0,4 3,2 0,8 2,9 1,2 1,7 1,6 2,4 2,0 – 2,2
2 2,1 3,7 2,4 0,7 2,7 – 0,9 3,0 2,5 3,3 3,4
3 0,9 1,7 1,4 0,7 1,9 – 0,9 2,4 2,5 2,9 3,4
4 2,4 1,5 2,7 1,2 3,0 – 0,4 3,3 3,4 3,6 3,6
5 1,4 – 0,5 1,8 2,0 2,2 2,7 2,6 1,9 3,0 – 3,2
15
Закінчення табл. 2.1
1 2 3 4 5 6 7 8 9 10 11
6 0,5 0,2 1,0 1,4 1,5 3,6 2,0 2,7 2,5 5,1
7 1,2 5,3 1,8 6,1 2,4 2,8 3,0 3,7 3,6 1,4
8 1,0 2,1 1,4 0,4 1,8 – 2,0 2,2 – 1,2 2,6 0,5
9 1,4 4,2 1,9 3,6 2,4 0,2 2,9 5,4 3,4 – 0,8
10 3,2 1,6 4,2 2,8 5,2 0,4 6,2 – 3,1 7,2 2,6
11 1,8 0,4 2,5 0,7 3,2 – 1,2 3,9 0,9 4,6 – 2,1
12 0,6 0,9 1,1 – 1,8 1,6 0,4 2,1 5,2 2,6 0,6
13 0,4 3,6 0,8 2,7 1,2 0,7 1,6 2,4 2,0 – 1,2
14 2,1 2,4 2,4 0,7 2,7 – 0,3 3,0 2,4 3,3 1,4
15 0,9 1,4 1,3 2,6 1,7 1,9 2,1 – 4,5 2,5 3,8
16 1,0 1,6 1,5 – 2,1 2,0 3,6 2,5 5,2 3,0 0,2
17 1,4 – 1,5 2,0 – 3,0 2,6 3,7 3,2 0,9 3,8 – 4,2
18 2,7 2,4 3,7 4,6 4,7 – 1,5 5,7 4,8 6,7 – 1,4
19 3,0 0,6 3,5 5,4 4,0 0,8 4,5 –1,9 5,0 2,7
20 4,0 1,0 5,5 – 2,0 7,0 0,4 8,5 0,9 9,0 4,3
21 2,4 0,5 2,7 3,2 3,0 – 1,4 3,3 2,4 3,6 5,6
22 3,7 7,4 4,2 5,6 4,7 – 2,1 5,2 4,6 5,7 2,4
23 5,4 0,6 5,7 0,4 6,0 0,5 6,3 – 0,2 6,6 0,2
24 6,2 5,2 6,4 – 1,3 6,6 4,8 6,8 0,7 7,0 5,8
25 1,1 4,7 1,7 2,6 2,3 4,8 2,9 1,6 3,5 6,4
26 1,0 1,6 1,9 – 2,1 2,8 3,6 3,7 5,2 4,6 0,2
27 1,4 – 1,5 1,8 – 3,0 2,2 3,7 2,6 0,9 3,0 – 4,2
28 2,7 2,4 3,2 4,6 3,7 – 1,5 4,2 4,8 4,7 – 1,4
29 3,1 0,6 3,7 5,4 4,3 0,8 4,9 –1,9 5,5 2,7
30 4,0 1,0 4,3 – 2,0 4,6 0,4 4,9 0,9 5,2 4,3
17
Рисунок 2.1 – Текст програми і результати розв’язання задачі
для моделі-поліному 2-го ступеня
квадратів K j [ y( t ) y м ( t )] 2 , j 1,4 та прогнозні значення для моделей-
поліномів різних ступенів y j ( t5 ) , j 1,4 подано у табл. 2.2.
18
Таблиця 2.2 – Результати розрахунків для моделей-поліномів
ti y( ti ) y м1 ( ti ) y м2 ( ti ) y м3 ( ti ) y м4 ( ti )
1.2 5.3 5.9 5.614 5.524 5.3
1.8 6.1 4.88 5.023 5.203 6.1
2.4 2.8 3.86 4.146 4.146 2.8
3.0 3.7 2.84 2.983 2.803 3.7
3.6 1.4 1.82 1.534 1.624 1.4
j – 1.22 1.346 1.34 0
K j [ y( t ) y м ( t )] 2 – 3.89 3.6 3.5 0
y j ( t5 ) – 0,8 – 0,202 1,06 – 27,2
19
3 АНАЛІТИЧНЕ МОДЕЛЮВАННЯ ДИНАМІКИ ОБ'ЄКТІВ
Z AZ( t ) B ( t ) , (3.1)
det ( A – E ) = 0, (3.2)
де E – одинична матриця.
Власні вектори X (1) , X ( 2) ,…, X (n) матриці А є розв’язками систем лінійних
алгебраїчних рівнянь, що мають вигляд:
21
(A – i E) X (i ) = 0, i = 1, 2,…, n (3.3)
де Z(k) = ( 1 2 2 2 3 4 ) / 6 ;
1 = h f ( tk , Z(k) ); 2 = h f ( tk + h/2, Z(k)+ 1 /2 );
3 = h f( tk + h / 2, Z(k) + 2 / 2 ); 4 = h f ( tk + h, Z(k) + 3 ).
Крок розв’язання h вибирається виходячи з заданого значення допустимої
похибки з урахуванням співвідношення ~ h5. Уточнення розміру кроку
виконувати шляхом порівняння результатів розрахунку траєкторії зі звичайним і
половинним його значенням.
Аналітичний розв’язок задачі (3.1) у прийнятих раніше позначеннях може
бути поданий у вигляді:
t t
A( t )
Z( t ) e Z( 0 ) e
At
B ( )d e A( t ) d . (3.5)
0 0
23
Таблиця 3.1 – Варіанти завдань
Варіант а11 а12 а13 а21 а22 а23 а31 а32 а33 1 2 3
1 0,4 0 0 -0,5 0,2 0 0,6 0,5 -0,2 0,2 0,1 0,2
2 -0,2 0,7 -0,5 0 -0,4 0,8 0 0 0,3 0,2 -0,2 0,1
3 0,2 0,3 0 0 -0,3 0 0,6 -0,7 -0,2 0,2 0,2 -0,1
4 -0,3 0,7 0,6 0 0,1 0 0 0,3 0,2 0,1 0,1 -0,1
5 0,5 0 0 -0,4 0,2 -0,8 -0,7 0 -0,6 0,2 0,1 0,1
6 0,2 0 0,4 0,7 0,2 -0,8 0 0 -0,3 -0,2 -0,2 -0,2
7 -0,3 0 0 -0,2 0,2 0 0,7 0,5 -0,2 0,2 0,2 0,2
8 -0,4 0,7 -0,3 0 0,4 -0,8 0 0 0,1 -0,2 0,2 -0,1
9 -0,2 -0,3 0 0 0,3 0 0,6 -0,7 -0,2 0,2 -0,3 0,2
10 0,3 0,7 0,5 0 0,3 0 0 -0,6 0,2 -0,1 -0,2 0,2
11 -0,4 0 0 -0,4 0,2 0,8 0,7 0 0,6 0,2 0,2 0,2
12 -0,2 0,3 -0,5 0 0,4 -0,6 0 0 0,3 -0,2 0,1 -0,1
13 0,2 0,6 0 0 -0,3 0 0,6 -0,7 -0,2 -0,3 0,2 -0,3
14 -0,3 0,7 0,5 0 0,1 0 0 -0,6 0,2 -0,2 0,1 -0,2
15 0,5 0 0 -0,4 0,2 -0,8 0,6 0 -0,6 0,1 0,3 0,1
16 0,1 0 0,4 0,7 0,2 -0,8 0 0 -0,3 -0,2 -0,2 -0,2
17 0,3 0 0 -0,2 0,2 0 0,7 0,5 -0,2 0,2 0,2 0,2
18 -0,2 0,7 -0,3 0 0,4 -0,8 0 0 0,1 -0,2 0,2 -0,1
19 0,2 -0,3 0 0 0,3 0 0,6 -0,7 -0,2 0,2 -0,3 0,2
20 -0,3 0,7 0,5 0 0,3 0 0 -0,6 0,2 -0,1 -0,2 0,2
21 0,1 0 0 0,3 0,2 0 0,4 0,5 -0,2 0.1 0.3 -0,1
22 -0,1 0,7 -0,3 0 0,4 -0,5 0 0 0,3 0,2 -0,1 0,2
23 0,3 -0,3 0 0 -0,3 0 0,6 -0,7 0,2 0,3 0,2 0,2
24 -0,3 0,7 0,3 0 0,1 0 0 0,6 0,2 -0,1 0,2 0,2
25 0,4 0 0 -0,4 0,2 -0,8 0,7 0 0,6 0,2 0,2 0,1
26 0,1 0 -0,5 0,7 0,2 -0,8 0 0 0,3 0,2 0,1 0,2
27 0,2 0 0 -0,5 0,4 0 0,7 0,5 -0,1 0,2 0,3 0,2
28 -0,2 0,6 -0,5 0 0,6 0,8 0 0 0,2 0,1 -0,1 0,1
29 0,2 -0,3 0 0 -0,3 0 0,9 -0,7 0,2 0,3 0,2 0,3
30 0,3 0,7 -0,6 0 0,1 0 0 0,4 0,2 -0,2 0,2 -0,2
24
4. Здійснити для початкових умов Z(o), що співпадають з одним із власних
векторів X (1) , X ( 2) , X ( 3 ) , за формулою (3.4) визначення траєкторії вільного руху
об'єкта за методом Рунге-Кутти зі звичайним h і зменшеним кроком h/2. При
необхідності повторювати розрахунок зі зменшеним кроком до забезпечення
належної точності.
5. Визначити траєкторію вільного руху об'єкта за аналітичним методом (3.6)
для обраних початкових умов Z(0).
6. Оцінити за формулою (3.7) точність чисельного розв’язання.
7. За методом Рунге-Кутти визначити траєкторію руху об'єкта в умовах дії
збурення (t ) .
8. Експериментальним шляхом підібрати значення параметрів керуючого
впливу b1, b2, b3, що забезпечують зміну координат вектора станів у заданих межах
z i z i (t ) z i , i 1, n . Кількісно оцінити відхилення траєкторії керованого руху
від траєкторії вільного руху (3.8).
9. Зробити висновки, оформити і захистити звіт про виконану роботу.
Висновки повинні містити відомості про відповідність отриманих
результатів теорії, аналіз залежності точності (похибки) моделювання траєкторії
об'єкта від кроку інтегрування системи ЗДР, вигляд найкращої за критерієм (3.8)
функції керування, результати особистих спостережень, що зібрані у ході
виконання експериментів.
Результатами експериментів є значення векторів координат стану об'єкта Z(t)
на інтервалі моделювання для розглянутих випадків руху.
26
Скориставшись процедурами математичних пакетів програм, обчислимо
власні числа матриці A: 1 0.2, 2 0.2, 3 0.3 .
Скориставшись процедурами математичних пакетів програм, обчислимо
власні вектори матриці A:
0
1 0.2 X ( 1 ) 0 ;
1
0
2 0.2 X ( 2 ) 0.625 ;
0.781
0.432
3 0.3 X (3)
0.864 .
0.259
Рисунок 3.1 – Текст модуля для розв’язання задачі аналізу вільного руху об’єкта,
аркуш1
27
Рисунок 3.1, аркуш 2
k j ( x ) k j
j( x ) k j( x ) , j 1,3 , (4.2)
k j k j
_
де ki , ki+ – відповідно найгірше і найкраще значення і-го часткового
критерію (границі зміни часткового критерію).
Множина допустимих рішень Х подається у вигляді об’єднання двох
S
підмножин X X S X K , де X – множина (область) згоди, будь-яке рішення з
якої може бути поліпшене хоча б за одним із критеріїв без погіршення якості за
іншими; X K – множина (область) компромісів, жоден із розв’язків якої не може
бути поліпшений одночасно за всіма критеріями.
Необхідно визначити підмножину ефективних (недомінованих,
компромісних, Парето-оптимальних) рішень ХК.
Алгоритм формування МЕПР полягає в порівнянні всіх можливих пар
варіантів xi , x j X P , тобто x1 та x 2 , x1 та x3 ,…, x 2 та x3 , x 2 та x 4 ,… і так далі та
видаленні з подальшого розгляду таких, які за всіма частковими критеріями гірші
за інші (інший).
Для опуклих множин допустимих рішень Х попередньо можна виділяти
наближену множину ефективних проєктних рішень (НМЕПР) ХР (рис. 4.1). Для
цього на множині допустимих рішень Х здійснюється оптимізація послідовно за
кожним із часткових критеріїв k1 , k 2 ,... , k m , результати якої заносяться в окремі
рядки таблиці (табл. 4.1). В i-му рядку таблиці подані значення всіх часткових
критеріїв, отримані в ході оптимізації за частковим критерієм ki. Стовпець j містить
набір значень часткового критерію kj у точках оптимуму за всіма частковими
критеріями. Таким чином, у кожному стовпці таблиці значення часткового
критерію змінюються від найкращого k j нк до найгіршого k j нг . Причому найкращі
30
значення часткових критеріїв знаходяться на діагоналі таблиці k j нк k jj , j 1,m .
k 2 ( x)
k 22 ХK
ХР
k12
k 21 k11 k1 ( x )
ki \ k j k1 k2 ... km
k1 k11 k12 ... k1m
k2 k21 k 22 ... k2m
31
4.4 Порядок виконання завдання
32
Таблиця 4.2 – Варіанти завдань
33
Вхідними даними задачі є множина альтернативних варіантів побудови
мережі екологічного моніторингу (проєктних рішень) X { x } зі значеннями їх
часткових критеріїв k j ( x ) , i = 1,3 .
Проміжними даними є обчислені функції корисності (нормовані значення)
часткових критеріїв j ( x ) , j 1,3 , таблиця з результатами оптимізації за
частковими критеріями і визначені на ній пари значень j нк , j нг , j 1,3 , що
визначають границі НМЕПР .
Вхідними даними задачі є виділені підмножини ефективних проєктних
рішень X 1K і X 2K та проєкція множин допустимих рішень і визначеної МЕПР X 1K
у просторі функцій корисності часткових критеріїв 1 ( x ), 2 ( x ) , 1 ( x ), 3 ( x ) і
2 ( x ), 3 ( x ) .
X 1K X і X 2K X .
k j ( x ),k j ( x ) , j 1,3 граничні значення часткових критеріїв з табл. 4.2. (табл. 4.3).
Для формування підмножини ефективних рішень X 1K порівняємо пари
варіантів xi , x j X , i, j 1,20 , тобто x1 та x 2 , x1 та x3 ,…, x 2 та x3 , x 2 та x 4 ,… і
т. д. Видалимо з подальшого розгляду рішення, які за всіма частковими критеріями
гірші за інші (інший). Всі випадки домінування рішень xi x j , xi , x j X відмічені в
останньому стовбці (табл. 4.3).
Доміновані варіанти рішень складають підмножину згоди:
X S { x1 ,x2 ,x3 ,x6 ,x7 ,x8 ,x9 ,x10 ,x12 ,x13 ,x14 ,x18 ,x19 ,x20 } .
Відомо, що X X
S
X 1K . Виключивши із множини допустимих рішень X
підмножину згоди X C , отримаємо підмножину ефективних рішень:
K
Проєкції множини допустимих рішень Х, визначених МЕПР X 1 і НМЕПР
X P у просторі функцій корисності часткових критеріїв подані на рис. 4.2.
35
Таблиця 4.3 – Характеристики допустимих варіантів побудови мережі
x k1( x ) k2 ( x ) k3 ( x ) 1 ( x ) 2( x ) 3 ( x ) xi xj
36
P K
Рисунок 4.2 – Проєкції множин X , X і X 1 у просторі функцій корисності
часткових критеріїв
37
Для визначення множини ефективних рішень X 2K попередньо визначимо її
границі за кожним із часткових критеріїв k j ( x ) , j 1,3 (табл. 4.4).
ki \ k j k1 k2 k3
x5 X 1K , x5 X P x5 X 2K ,
38
5.2 Вказівки з організації самостійної роботи
3 k j ( x ) k j
x arg max j j ( x ) , j ( x )
o
, j 1,3 , (5.1)
xX
i 1 k j k j
x o X 2o X 1o X K X . (5.3)
де – адаптаційний параметр.
Змінюючи значення параметра в моделі (5.4), можна одержати різні схеми
вибору. Так при отримаємо максимінну схему вибору (5.2), що
використовується в ситуації 1, при = 1 отримаємо схему, придатну для вибору
рішень у ситуаціях 2 і 3:
3
x o arg max j j ( x ) . (5.5)
xX
i 1
41
3
системи переваг і умов j 0 , j 1.
j 1
42
5.5 Зміст звіту
x k1 ( x ) , с k2 ( x ) k3 ( x ) , у.о. x k1 ( x ) , с k2 ( x ) k3 ( x ) ,
у.о.
х1 10,24 0,94 34,41 х11 5,22 0,97 29,23
х2 8,07 0,96 25,17 х12 11,42 0,94 27,98
х3 5,41 0,94 41,31 х13 7,45 0,94 34,78
х4 6,96 0,93 31,57 х14 10,34 0,97 33,62
х5 7,14 0,93 40,2 х15 5,35 0,95 39,17
х6 7,23 0,94 25,94 х16 7,71 0,96 40,59
х7 8,11 0,99 29,12 х17 5,47 0,96 33,68
х8 5,95 0,96 26,66 х18 6,25 0,95 26,07
х9 7,86 0,97 36,22 х19 8,04 0,99 29,97
х10 9,83 0,95 32,04 х20 7,21 0,96 32,1
44
xo arg max min j j ( x ) x8 .
xX 1 j 3
x 1 ( x ) 2( x ) 3 ( x ) min j j ( x ) P( x )
1 j 3
45
найкращих варіантів за наступним за важливістю критерієм k2 ( x ) :
X 2o { x8 ,x17 ,x20 } . На останньому етапі з множини рішень X 2o вибираємо
найкращий розв’язок за критерієм k 3 . Це буде варіант x8 зі значенням функції
корисності 3 ( x8 ) 0.794 . Він буде найкращим компромісним розв’язком x o x8
для заданих умов в ситуації 2.
На першому етапі розв’язання задачі 3 для розміру похибки =0,3 за
співвідношенням (5.6) обчислимо значення параметра узагальненого критерію
ефективності:
46
фігури; повторити матеріал щодо технології роботи з пакетами програм для
розв’язання обчислювальних задач. З цією метою може бути використаний
лекційний матеріал із відповідних тем, матеріал, викладений у рекомендованій
літературі [3, с. 60–63; 8, с. 97–99], а також матеріал цих методичних вказівок.
Постановка задачі. Методом статистичного моделювання знайти оцінку
площі фігури, обмеженої на відрізку [ xmin , xmax ] осями координат і кривою
f ( x, y ) .
Ця задача є детермінованою, а її аналітичне розв’язання зводиться до
обчислення визначеного інтеграла. Наприклад, шукана площа фігури дорівнює:
xmax
S f ( x ) dx. (6.1)
xmin
n
S , (6.2)
N
47
статистичної стійкості результатів).
У загальному випадку, коли xmin 0 , xmax 1 і (або) f ( x ) 1 , для оцінки
площі фігури навколо неї необхідно описати прямокутник зі сторонами a і b ,
xmax xmin a , ymax ymin b . Як координати точок Ai ( xi , yi ) , i 1, 2, 3,..., N
використовувати пари незалежних випадкових чисел із рівномірним розподілом на
інтервалах [ xmin , xmin a ] , [ ymin , ymin b ] :
n
S Sпр , (6.4)
N
1 ( N ) t p(1 p) / N , (6.5)
49
Зробити висновки, оформити і захистити звіт про виконану роботу.
Таблиця 6.1 – Варіанти завдань
1 y x2 xmin 0 , xmax 5
2 у x2 4x xmin 0 , xmax 3
3 у 3x x 2 xmin 0 , xmax 3
4 у x 2 3x / 8 xmin 0 , xmax 3
5 у x x3 / 8 xmin 0 , xmax 2
6 ( у 2) 2 ( x 2) 2 4 x 0, y 2
8 у 2 ( x 1) 2 4 xmin 1 , xmax 3
9 у 2 ( x 3) 2 9 x 0, y 0
10 у ( x 3) 3 / 3 xmin 3 , xmax 6
11 у ( x 2 2 x) / 6 xmin 2 , xmax 8
12 у 2 x2 x / 2 xmin 0 , xmax 2
13 у 3x 2 2 xmin 1 , xmax 2
14 у ( x 5) 2 xmin 5, xmax 8
15 x2 y2 4 x 0, y 0
16 у ( x 3 )2 / 3 xmin 3 , xmax 6
17 у ( 2 x 2 4) / 5 xmin 2 , xmax 5
18 x2 y2 9 xmin 0 , xmax 3
19 у ( x 4) 2 xmin 0 , xmax 3
21 у ( x 3) 2 / 3 xmin 3 , xmax 6
22 у x 3 / 10 xmin 0 , xmax 5
50
Закінчення табл. 6.1
23 ( у 1)2 ( x 1)2 1 x 0, y 0
24 ( x 2)2 y 2 4 x 0, y 0
25 у x x 3 / 20 xmin 0 , xmax 10
26 ( у 3)2 ( x 3)2 9 x 0, y 3
27 у 3x 2 6 x xmin 0 , xmax 1
28 у 2 ( x 3)2 9 x 0, y 0
29 у x2 9 xmin 0 , xmax 3
30 у x x2 / 2 xmin 0 , xmax 3
52
Таблиця 6.2 – Результати експериментів
№ хі yі x2 y2 hi № хі yі x2 y2 hi
1 2 3 4 5 6 7 8 9 10
1 0,286 1,613 2,685 1 26 -1,321 1,073 2,8965 1
2 -1,214 1,070 2,619 1 27 0,511 1,474 2,4337 1
3 -1,843 0,591 3,747 1 28 -1,385 1,666 4,6955 0
4 -0,466 0,166 0,244 1 29 -1,182 0,365 1,5297 1
5 0,725 1,261 2,116 1 30 -0,793 0,172 0,6583 1
6 1,850 1,848 6,839 0 31 1,444 1,160 3,4299 1
7 0,412 0,920 1,016 1 32 -1,199 0,408 1,6055 1
8 -0,161 0,811 0,684 1 33 -0,629 0,427 0,5776 1
9 0,536 0,853 1,015 1 34 -1,792 1,668 5,9939 0
10 -0,283 1,947 3,870 1 35 0,272 1,028 1,1303 1
11 -0,294 1,857 3,536 1 36 1,763 1,223 4,6033 0
12 -1,938 0,619 4,139 0 37 1,355 0,058 1,8404 1
13 0,909 1,464 2,969 1 38 -1,611 1,378 4,4930 0
14 -0,190 1,855 3,478 1 39 0,249 0,950 0,9648 1
15 0,167 1,866 3,508 1 40 0,809 0,618 1,0370 1
16 -1,255 1,952 5,386 0 41 -1,795 0,603 3,5848 1
17 -1,765 1,940 6,881 0 42 -1,287 1,790 4,8586 0
18 -1,549 1,874 5,912 0 43 1,374 0,945 2,7812 1
19 1,334 1,801 5,026 0 44 0,959 1,567 3,3770 1
20 -1,721 1,406 4,939 0 45 1,660 0,680 3,2184 1
21 -1,359 1,209 3,308 1 46 -1,892 0,367 3,7126 1
22 -1,348 0,691 2,295 1 47 0,635 0,777 1,0061 1
23 -1,315 0,189 1,765 1 48 0,598 0,449 0,5597 1
24 -1,816 0,600 3,657 1 49 -0,734 1,826 3,8737 1
53
25 -1,913 0,311 3,756 1 50 -0,500 1,480 2,4406 1
Аналітична оцінка (6.1) площі фігури дорівнює:
xmax
S f ( x ) d x r 2 / 2 3,1415 2 2 / 2 6,283 .
xmin
9
N 10 , S( 10 ) 4 2 7,2 , 1( 10 ) 0,186 , 2 ( 10 ) 0,917 ,
10
13
N 20 , S( 20 ) 4 2 5,2 , 1( 20 ) 0,209 , 2 ( 20 ) 1,083 ,
20
22
N 30 , S( 30 ) 4 2 5,867 , 1( 30 ) 0,158 , 2 ( 30 ) 0,416 ,
30
29
N 40 , S( 40 ) 4 2 5,8 , 1( 40 ) 0,138 , 2 ( 40 ) 0,483 ,
40
38
N 50 , S( 50 ) 4 2 6 ,08 , 1( 50 ) 0,118 , 2 ( 50 ) 0,203 .
50
Generate A, B, C, D, E ,
де A, B, C, D, E – операнди блоку.
За допомогою операндів A та B задається розподіл інтервалів надходження
транзактів. Операнд C визначає момент модельного часу, в який y блоці Generate
повинен з’явитися перший транзакт. Операнд D задає максимальну кількість
транзактів, що можуть увійти до моделі через даний блок Generate. Якщо кількість
транзактів не задана, блок генерує необмежену кількість транзактів. Операнд E
встановлює рівень пріоритету кожного з транзактів, що генеруються цим блоком.
Якщо пріоритет не заданий, транзактам присвоюється найнижчий пріоритет (його
55
значення дорівнює нулю).
Видалення транзактів із моделі здійснюється блоком
Terminate А .
Start A, B, C, D .
5 Function P3, D4
2, 10/5, 17/6, 20/7, 26 .
X 5 8 11 14
Y 0.1 0.2 0.3 0.4
Дискретна функція для імітації цієї випадкової величини може бути записана
у такий спосіб
58
Proba Function Rn3, D4
. 1, 5/. 2, 8/. 3, 11/. 4, 14 ,
Seize Кanal
Advance 10, 4
Release Кanal.
Кожен пристрій має чотири СЧА, які зберігають статистичні дані про
використання пристрою: Fj (F$ім’я) – стан j-го пристрою: Fj=1, якщо пристрій
зайнятий, і Fj=0, якщо пристрій вільний; Frj (Fr$ім’я) – коефіцієнт використання;
Fcj (Fc$ім’я) – загальна кількість входів; Ftj (Ft$ім’я) – середній час використання
пристрою одним транзактом.
Організація збирання статистичної інформації щодо черг. Збирання й
обробку статистичних даних щодо черг транзактів в моделі виконують реєстратори
черг – блоки Queue (зайняти чергу) і Depart (звільнити чергу), кожен з яких має два
операнди: A – ім’я (номер) черги; B – число, на яке змінюється довжина черги при
60
вході до неї або при виході з неї транзакта. За відсутності числа у полі B значення
його параметра приймається рівним одиниці. Правила застосування імен черг такі
ж як і для пристроїв.
Збирання статистичної інформації щодо черги Ocher пристрою Kanal можна
здійснити у такий спосіб
Queue Ocher
Seize Kanal
Depart Ocher
Advance A, B
Release Kanal.
Номер
Вхідний Час p
Варіант t* параметра
потік обслуговування
табулювання
1 Е: 10 Р: 3÷9 10 0.14 3
2 Н: 7; 2 Е: 6 7 0.1 1
3 Р: 3÷5 Е: 5 10 0.2 2
4 Р: 3÷10 Е: 10 24 0.13 3
5 Р: 4÷5 Н: 5;1 10 0.14 4
6 Р: 4÷9 Н: 9; 2 16 0.1 1
7 Е: 7 Р: 2÷7 9 0.2 2
8 Р: 4÷6 Е: 6 12 0.23 3
9 Е: 9 Р: 5÷10 10 0.14 4
10 Н: 13; 3 Е: 11 16 0.1 1
11 Р: 5÷8 Н: 8;2 10 0.12 2
12 Р: 2÷4 Е: 4 6 0.3 1
13 Е: 8 Р: 4÷12 10 0.14 2
14 Р: 3÷7 Е: 7 7 0.21 3
15 Н: 10; 2 Е:10 10 0.12 4
16 Р: 4÷7 Н: 7; 2 6 0.1 1
17 Е: 5 Р: 2÷5 8 0.2 2
18 Р: 4÷6 Е: 6 7 0.13 3
19 Е: 9 Р: 4÷9 10 0.14 4
20 Н: 7; 2 Е: 6 7 0.21 3
21 Р: 5÷8 Н: 9;2 10 0.12 2
22 Р: 2÷4 Е: 4 6 0.3 1
23 Е: 8 Р: 4÷8 10 0.14 2
24 Р: 3÷7 Е: 7 7 0.21 3
25 Н: 10; 2 Е:10 10 0.12 4
26 Н: 5; 1 Р: 4÷5 9 0.13 3
27 Н: 12; 3 Р: 6÷11 24 0.14 2
28 Е: 4 Р: 3÷4 9 0.11 1
29 Р: 4÷6 Е: 6 12 0.12 2
30 Н: 9; 2 Р: 5÷9 10 0.3 3
62
Задача 2. Змоделювати процес функціонування одноканальної СМО без
відмов в обслуговуванні, що складається: з джерела Д, що генерує потік заявок на
обслуговування; черги, в якій заявки можуть очікувати обслуговування; каналу К,
що обслуговує заявки. Обслуговування заявок відбувається згідно з порядком
їхнього надходження. Відомі види і параметри законів розподілу інтервалів часу
між заявками вхідного потоку та часу обслуговування. Із ймовірністю р виникає
потреба у повторному обслуговуванні.
Для заданого інтервалу моделювання [0, t* ] визначити кількість обслужених
заявок n й незміщені оцінки характеристик системи (час очікування заявки у черзі,
час перебування заявки у системі, максимальну довжину черги заявок, інші
характеристики у відповідності до варіанту завдання).
Варіанти завдань наведені у табл. 7.1. Інтервали надходження заявок, час
обслуговування задані у хвилинах, час моделювання – у годинах. Номери
параметрів, що табулюються:
1 – довжина черги заявок;
2 – час очікування заявки у черзі;
3 – час обслуговування;
4 – час перебування заявки у системі.
63
містити: титульний аркуш, умови задач, тексти програм, результати моделювання.
7.6 Контрольні запитання та завдання
64
пам’яті (FREE_MEMORY); імені або номера таблиці (TABLE); середнього значення
(MEAN) та стандартного відхилення (STD.DEV) послідовностей; границь інтервалів
(RETRY RANGE ); кількості спостережень (частоти попадань), що потрапили до
кожного з інтервалів (FREQUENCY) та накопичені значення частот в процентах
(CUM.%).
Результати виконання програми наведені на рис. 7.2. Таблиця Raspr містить
статистичні дані щодо одержаної послідовності псевдовипадкових чисел, що
розподілені за рівномірним законом у діапазоні 100 50.
67
Рисунок 7.3 – Текст програми моделювання
FACILITY ENTRIES UTIL. AVE. TIME AVAIL. OWNER PEND INTER RETRY DELAY
KAN 31 0.935 43.448 1 58 0 0 0 1
68
Одержані за результатами подвійного (по 24 години зі збереженням стану й
обновленням статистики) моделювання оцінки характеристик системи:
– кількість заявок, що були обслужені системою – 28 (кількість надходжень
до каналу Kan – 35; кількість надходжень до черги Och –36);
– середній час очікування заявки у черзі Och (хвилин) – 12.72 (середній час
очікування в черзі Och без врахування нульових входів – 21.81);
– час перебування заявки у системі (хвилин): – 60.57;
– максимальна довжина черги заявок (MAX) – 2.
Таблиця Tpreb містить статистичні дані щодо чаcу перебування заявок у
системі:
– середнє значення MEAN (хвилин) – 60.57;
– стандартне відхилення STD.DEV – 18.42;
– частоти попадань до інтервалів (FREQUENCY): від 0 до 50 – 11; від 55 до
60 – 4; від 60 до 65 – 1 і т.д.;
– накопичені значення частот у процентах (CUM.%): – 39.29; 53.57; 57.14.
71
Terminate
Generate 480
Terminate 1
Start 1
73
8.6 Контрольні запитання та завдання
74
ПЕРЕЛІК ПОСИЛАНЬ
75
13. Імітаційне моделювання в системі GPSS World URL:
https://stud.com.ua/145145/informatika/imitatsiyne_modelyuvannya_sistemi_gpss_worl
d (дата звернення: 12.08.2022 р.).
14. Томашевський В. М., Нехай В. В. Засоби імітаційного моделювання для
навчання, які ґрунтуються на мові GPSS // Технічні науки та технології 2015.
№2 (2). С. 101–105.
76
Додаток А
77
Структура і запуск GPSS World1 . У процесі інсталяції система GPSS W за
замовчанням встановлюється в каталог C:\Program Files\Minuteman Software\GPSS
World Student Version.
Для системи GPSS W потрібно: IBM-сумісний комп'ютер з ОС Windows 95або
вище; не менш 32 Мбайт оперативної, 10 Мбайт пам'яті на жорсткому диску.
Після запуску відкривається головне вікно, у рядку заголовка якого
вказується назва вікна – GPSS World, у другому рядку – пункти головного меню, у
третьому – стандартна панель інструментів. Нижній рядок головного вікна – рядок
стану системи, у якому наводиться короткий опис виділеної команди.
Система GPSSW має ієрархічну систему меню, що складається з головного
меню системи та спадних і спливаючих меню (підміню).
Головне меню GPSSW. Головне меню забезпечує доступ до всіх засобів
системи GPSSW: File, Edit, Search, View, Command, Window, Help.
Меню File. Пункт File (Файл) головного меню служить для роботи з файлами
документів: файли імітаційних моделей записуються з вікна Model (Модель) і
зберігаються з розширенням .gps; текстові – з вікна Text File (Текстовий файл) з
розширенням .txt; результати моделювання – з вікна REPORT (Звіт) з розширенням
.gpr; повідомлення, що з'являються в процесі моделювання – з вікна JOURNAL
(Журнал), з розширенням .sim.
Спадне меню пункту File містить стандартний набір пунктів: New
(Створити); Open... (Відкрити); Close (Закрити); Save (Зберегти); Save As...
(Зберегти як); Print... (Друк); Internet; Recent File (Останній файл); Exit (Вийти).
Використовуючи пункт New ідіалогове вікно Новий документ, можна
створити файл для моделювання (пункт Model) з розширенням .gps або текстовий
файл (пункт Text File) з розширенням .txt.
У системі передбачений стандартний звіт за результатами моделювання.
Щоб одержати стандартний звіт за наявності в моделі керуючого оператора START,
необхідно вибрати пункт Command (Команда) головного меню і далі пункт Create
Simulation (Створити виконувану модель). По закінченні моделювання з'явиться
вікно JOURNAL, а потім звіт REPORTз результатами моделювання (рис. А.1).
У стандартний звіт включаються такі основні показники:
– час моделювання системи – END TIME;
– кількість обслужених вимог у каналі – ENTRIES;
– коефіцієнт використання каналу – UTIL;
– середній час обслуговування вимоги в каналі – AVE. TIME;
Розглядається студентська версія системи GPSSW, яку можна безкоштовно отримати з сайту
1
Рисунок А.2 – Діалогове вікно Insert GPSS Block into Model Object
із шаблоном Enter Block Information блоку Generate
84
Навчальне видання
Методичні вказівки до практичних занять з дисципліни «МОДЕЛЮВАННЯ
ПРОЦЕСІВ ТА СИСТЕМ» для студентів спеціальності 122 Комп'ютерні науки,
освітня програма «Інформаційні технології управління».
Редактор
Комп’ютерна верстка
85