ЗАДАЧІ ТА МЕТОДИ МОДЕЛЮВАННЯ

Моделлю називається представлення об’єкта, системи чи поняття в деякій

абстрактній формі, що є зручною для наукового дослідження.
В загальному випадку модель має структуру, зображену на рисунку 1.1.
Тут X – множина вхідних змінних системи, Y – множина вихідних змінних системи,
P – множина параметрів, F – функція, функціонал, алгоритм або формальне
представлення залежності змінних Y від змінних X.

Рисунок 1. Загальна структура моделі

 Способи побудови моделей

Iснують два способи побудови моделей. При першому способі в ре-

зультаті ретельного вивчення системи встановлюються закони функціонування
системи, які потім відтворюються за допомогою моделі. Поведінку системи, таким
чином, досліджують на моделі. Параметри моделі P в цьому випадку пов’язані з
реальними процесами, що протікають в системі, і мають фізичну інтерпретацію. Тому
моделі такого типу називають фізичними моделями.

При другому без усякого фізичного обґрунтування припускається

вид залежності F, невідомі параметри якої P потім відшукуються за даними
спостережень за змінними системи X, Y. Параметри P в цьому випадку не зв’язані з
фізикою реальних процесів, що протікають в системі, або, точніше, цей зв’язок
досліднику залишається невідомим. Тому моделі такого типу називають
нефізичними моделями.
 В літературі зустрічаються також терміни моделей типу сірого та чорного
ящику, які еквівалентні термінам фізичної та нефізичної моделі. Для фізичної
моделі закони функціонування системи досліднику відомі, тому ящик є прозорим,
сірим. Для нефізичної моделі сутність системи залишається для дослідника скритою,
потаємною, тобто ящик є чорним.
 Класифікація моделей

З точки зору вихідної змінної моделі поділяють на статичні – якщо вихідна

змінна Y не змінюється з часом, та динамічні – якщо змінна Y змінюється з часом.
Динамічні моделі поділяють на неперервні – якщо змінювання змінної Y є
неперервним, та дискретні – якщо змінювання змінної Y трапляється в деякі особливі
моменти часу, а в інші моменти часу залишається незмінним. Дискретні системи
поділяють на детерміновані якщо змінювання змінної Y в особливі моменти часу є
цілком передбачуваними, та стохастичні – якщо змінювання змінної Y відомо з
деякою ймовірністю. З точки зору способу представлення залежності вихідних
змінних моделі від вхідних її змінних розрізняють також алгебраїчні моделі,
диференційні моделі, аналітичні моделі, імітаційні моделі і багато інших.
Наприклад, диференційна модель описується системою диференційних рівнянь.
Імітаційна модель описується алгоритмом імітації.
 Задачі моделювання

Однакові об’єкти моделювання в залежності від цілі та задачі дослідження

можуть мати різні моделі. Серед задач моделювання виділимо такі задачі:
задача моделювання,
задача управління,
задача ідентифікації,
задача оптимізації,
задача прогнозування.
Задача моделювання (або пряма задача) полягає у відшуканні значень вихідних
змінних Y при відомих значеннях вхідних змінних X, відомій моделі F та визначених
параметрах P (див. рис. 1.).
Задача управління (або зворотна задача) полягає у відшуканні таких
значень вхідних змінних Х, що забезпечують задані значення вихідних
змінних Y при відомій моделі F та фіксованих значеннях параметрів P.

У формулюванні задачі ідентифікації відомими являються множина вхідних змінних X,

множина вихідних змінних Y та множина моделей F. Потрібно визначити єдину модель f
з множини запропонованих моделей F, і визначити її параметри P, що забезпечують при
вхідних значення Х вихідні значення Y
У постановці задачі оптимізації відомими являються модель F,
множина можливих вхідних значень X та критерій оптимізації К, а від дослідника
вимагається знайти значення вхідних змінних X, значення параметрів P, та значення
вихідних змінних Y, що задовольняють заданому критерію оптимізації К.
 Задача прогнозування формулюється так, що при відомих для дослі-
дника значеннях вхідних та вихідних значень моделі Xt, Yt до моменту ча-
су t та заданому часі прогнозування Т потрібно визначити модель F та її
параметри P, які забезпечують найліпший прогноз Yt+Т .

Стисло визначення методів моделювання представлені на рисунку 2.

Рисунок 2. Задачі моделювання
 Методи моделювання
Серед великої кількості методів моделювання, що існують, виділимо такі методи:
аналітичне моделювання, математичне моделювання, імітаційне моделювання.

Моделювання аналітичне, якщо представлення залежності F вихідних змінних Y

від вхідних її змінних X має аналітичний вигляд, тобто представлений у вигляді
відомих аналітичних функцій. Нагадаємо, що функція називається аналітичною,
якщо вона розкладається у ряд Тейлора.
Аналітичні функції диференційовані безліч разів і тому до них можуть за-
стосовуватись методи математичного аналізу. Перевагою цього методу моделювання
є можливість отримання залежності Y=f(X) в явному вигляді
і застосування до неї методів класичного математичного аналізу. Якщо є
можливість побудувати аналітичну модель системи, то завжди віддають
перевагу цьому методу моделювання.
 Зауважимо, що відшукання залежності Y=f(X) може виявитись насті-
льки складним, що досліднику доведеться застосовувати спеціальне про-
грамне забезпечення, а для деяких систем доводиться відмовлятись від
пошуку абстрактної залежності Y=f(X) і задовольнятись наближеним
розв’язком, що знаходиться чисельними методами.

Деякі системи настільки складні, що не дивлячись на те, що опис їх функціонування

піддається опису аналітичними функціями, знаходження залежності Y=f(X) у явному
вигляді виявляється неможливим. Наприклад, усі задачі математичного програмування
мають досить простий аналітичний опис, але розв’язок задачі може бути знайдений
тільки в результаті виконання певної кількості кроків. Іншими словами відомий алгоритм
відшукання точного розв’язку задачі, але сам розв’язок не може бути записаний в
аналітичній формі. Такий метод моделювання називають математичним
моделюванням. Зауважимо, що алгоритм F відшукання точного розв’язку задачі може
бути реалізований дослідником самостійно, за допомогою спеціального програмного
забезпечення або за допомогою чисельних методів.
Існують системи, опис яких не піддається опису аналітичними фун-
кціями, але процес функціонування їх може бути описаний алгоритмом
імітації. Під імітацією розуміють відтворення за допомогою комп’ютерної
програми процесу функціонування складної системи в часі. У результаті
багатократних прогонів імітаційної моделі дослідник отримує інформацію
про властивості реальної системи. Такий метод моделювання називають
імітаційним моделюванням.
 Процес моделювання

Процес моделювання складається з кількох етапів. На першому етапі дослідник

визначає мету та задачу моделювання.
На другому етапі, виходячи з мети та задачі моделювання, дослідник приступає до
вербального опису системи.
Вербальний опис об’єкта чи процесу комп’ютеризації 
Необхідно привести постановку задачі, коротко описати її математичну чи технічну суть;
описати, яку результуючу інформацію потрібно отримати у результаті розв'язку, на основі якої
вхідної інформації; словесно описати процедури перетворення даних. Потрібно вказати можливі
підходи до розв’язування задачі, обґрунтувати його вибір.

Аналіз системи на цьому рівні включає такі три найбільш загальні форми
опису:
- історична (історичний аналіз);
- предметна (морфологічний аналіз);
- функціональна (функціональний аналіз).
Опис набору змінних моделі, разом із описом структури системи та формулюванням
цілі та задачі дослідження складає концептуальну модель системи. Виходячи з
концептуальної моделі системи та з огляду на вибір інструментальних засобів,
дослідник робить вибір теоретичної бази, на основі якої буде побудована модель
системи.

Формальне представлення системи має вигляд схеми, в якій указані зв’язки

між елементами системи та зв’язки із зовнішнім середовищем і указані параметри
елементів системи.

У формальній моделі міститься також інформація, яким чином будуть знайдені

вихідні змінні моделі в результаті моделювання.
 ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ
Необхідність у використанні імітаційного моделювання може виникнути з наступних
причин:
1) методи аналітичного моделювання не можуть бути використані
через складність моделі;
2) застосування методів аналітичного моделювання дасть резуль-
тати, які не задовольняють меті дослідження системі;
3) застосування методів імітаційного моделювання дозволяє уні-
версалізувати рішення множини задач, що розглядається.
Імітаційне моделювання системи передбачає, що процес функціону-
вання системи відтворюється за допомогою алгоритму, який реалізується
за допомогою комп’ютера.
 Англійський термін імітаційного моделювання „simulation modeling”
підказує суть цього методу. Моделлю системи у разі імітації є комп’ютерна
програма, яка прикидається (симулює), що вона є реальна система.
Будь-яка реальна система функціонує в часі, змінювання якого відбу-
вається незалежно від людини. Якщо дослідник збирається відтворювати
функціонування системи, то йому доведеться, по-перше, моделювати змі-
нювання часу, і тільки, по-друге, моделювати зміни в моделі відповідно до
змінювання часу.
Особливо корисною виявилась імітація для дослідження стохастич-
них систем, в яких переплітається вплив багатьох випадкових величин.
Моделювання випадкових величин в комп’ютерних програмах пов’язано
із побудовою генераторів випадкових величин. Тому від дослідника, який
займається проблемами імітаційного моделювання систем, потрібно на-
самперед досконале знання методів та способів побудови генераторів випадкових
величин.
 Генератори випадкових величин

Імітаційні моделі складних систем містять випадкові величини, що

мають різні закони розподілу. При побудові алгоритму імітації ці випад-
кові величини реалізуються генераторами випадкових чисел. Від якості
генераторів випадкових чисел, що використовуються, залежить точність
результатів імітаційного моделювання.

Генератори випадкових чисел, що рівномірно розподілені на інтер-

валі (0; 1), зазвичай є вбудованими в програмне забезпечення.

Неперервна випадкова величина ξ, яка рівномірно розподілена на ін-

тервалі (0;1) має:
 Для генерування випадкового числа r, розподіленого за заданим за-
кону F(x), використовують такі методи (рисунок 3):
-метод оберненої функції;
-табличний метод;
-метод, оснований на функціональних властивостях законів розподілу.

Випадкову величину r, розподілену за заданим законом розподілу F(x), можна

отримати у такий спосіб: спочатку генерувати випадкову рівномірно
розподілену величину ζ, потім перетворити її у випадкову величину