ПРОБЛЕМЫ УПРАВЛЕНИЯ 5/2005

О б з о р ы

Г.М. Антонова, А.Д. Цвиркун

Рассмотрены история развития и современное состояние компьютерного моделирования крупномасштабных систем. Указаны проблемы построения современных метамоделей и перспективы их решения с целью повышения эффективности функционирования моделируемых объектов.

Предлагаемая вниманию читателей статья посвящена описанию современных имитационных моделей сложных производственных систем и преследует цель отразить существующие достижения, успехи и привлечь внимание к возможностям методов моделирования в направлении повышения эффективности функционирования крупных производственных объектов. В современных исследованиях термин моделирование имеет разнообразные трактовки. Физическое или аналоговое моделирование предполагает создание аналога рассматриваемой системы путём изменения масштаба представления или перехода к другой предметной области, в которой действуют аналогичные закономерности и которая изучена в большей степени. Математическое моделирование состоит в создании аппарата для описания и исследования структуры и поведения объекта, причём достаточно часто считают естественным тот факт, что математическое моделирование завершается созданием алгоритмов расчёта характеристик объекта и программ, реализующих эти алгоритмы на современных ЭВМ. Более конкретный смысл вкладывается в название компьютерное или машинное моделирование, под которым понимается создание такой модели объекта, которая обязательно требует реализации в виде программы для ЭВМ. В дальнейшем будет использоваться такое толкование названия имитационное статистическое моделирование, которое предполагает наличие элементов имитации функционирования реального объекта, реализацию модели в виде компьютерной программы и многократное повторение прогонов программы для учёта воздействия помех, характерных для реальной действительности.

Создание имитационных моделей социально-экономических и производственных систем приносит значительный эффект при решении задач оптимизации и управления. Компьютерное моделирование незаменимо при предварительной проверке решений, связанных с изменением функционирования элементов социально-экономической сферы, позволяет значительно улучшить бизнес-процессы. На рис. 2 показаны основные направления применения компьютерных моделей производственных систем. Разнообразие применений говорит о том, что затраты на исследование и подготовку адекватной имитационной статистической модели обязательно окупаются и приносят прибыль.

Отметим, что современный этап развития имитационного моделирования характеризуется увеличением числа и разнообразия методов обработки результатов имитационных экспериментов. Можно отметить две особенности статистики, содержащей результаты имитационных экспериментов. Первая состоит в том, что статистика не вполне адекватна реальным процессам, поскольку получена в результате обобщения сведений, полученных из реальной статистики и путём изучения закономерностей поведения реального объекта, которые, естественно, не могут отразить закономерности поведения реального объекта с исчерпывающей полнотой. Вторая особенность состоит в том, что для имитации случайных воздействий и помех в стохастических имитационных моделях применяются датчики псевдослучайных чисел, имеющие ограниченный период, после которого значения моделируемых случайных чисел начинают повторяться. Методы обработки результатов имитационных экспериментов обязательно должны учитывать эту особенность при длинных реализациях. Несмотря на эти трудности, метамоделирование, под которым понимают построение моделей второго уровня, обобщающих сведения, полученные в результате многократных экспериментов с имитационными моделями объектов, даёт возможность полнее изучить закономерности поведения моделируемого объекта.

Приведенные в обзоре примеры показывают результаты применения новых алгоритмов моделирования, современных языков моделирования, актуальных информационных технологий для решения задач повышения эффективности эксплуатации сложных производственных систем. Они показывают, что, несмотря на трудоёмкость и затраты, эти приёмы и методы позволяют сделать существенный вклад в развитие моделируемых объектов и повышение качества жизни их создателей.

1. Бусленко Н.П., Шрейдер Ю.А. Метод статистических испытаний (Монте-Карло) и его реализация на цифровых вычислительных машинах. – М.: Физматгиз, 1961. – 226 с.

3. Метод статистических испытаний (метод Монте-Карло) / Н.П. Бусленко, Д.И. Голенко, И.М. Соболь и др. – М.: Физматгиз, 1962. – 332 с.

4. Бусленко Н.П. Математическое моделирование производственных процессов на цифровых вычислительных машинах. – М.: Наука, 1964. – 364 с.

5. Бусленко Н.П. Метод статистического моделирования. – М.: Статистика, 1970. – 112 с.

6. Старосельский В.А. Об оптимизации функционалов, заданных статистической моделью // Экономика и математические методы. – 1967. – Т. 3, вып. 3. – С. 460–461.

7. Снапелев Ю.М., Старосельский В.А. Моделирование и управление в сложных системах. – М.: Сов. радио, 1974. – 264 с.

8. Бусленко Н.П., Соколов Г.А. Об одном классе задач оптимального распределения // Экономика и математические методы. – 1965. – Т. 1, № 1. – С. 123–136.

9. Цвиркун А.Д., Акинфиев В.К., Филиппов В.А. Имитационное моделирование в задачах синтеза структуры сложных систем (оптимизационно-имитационный подход ). – М.: Наука, 1985. – 174 с.

10. Антонова Г.М. Методика ЛП_τ-поиска с усреднением для исследования динамических стохастических систем, представленных имитационными моделями. – М.: Ин-т проблем управл. им. В.А. Трапезникова РАН, 2000. – 76 с.

11. Антонова Г.М. ЛП_τ-поиск с усреднением как новая технология поиска рациональных решений / Прилож. к журн. “Информационные технологии”. – 2001. – № 6. – 24 с.

12. Бродский Ю.И., Павловский Ю.Н. Имитационное моделирование и распределенные вычисления // Моделирование, декомпозиция и оптимизация сложных динамических процессов / ВЦ РАН. – М., – 2003. – С. 30–40.

13. Эколого-социально-экономическая модель: гуманитарный и информационный аспекты. / Н.В. Белотелов, Ю.И. Бродский, Н.Н. Оленев, Ю.Н. Павловский // Информационное общество. – 2001. – № 6. – С. 43–51.

14. Белотелов Н.В. Устойчивое развитие и интегрированные модели // Открытое общество и устойчивое развитие: местные проблемы и решения / МИДА. – М., 2000.

15. Бродский Ю.И. Эколого-социально-экономическая имитационная модель: технология реализации // Моделирование, декомпозиция и оптимизация сложных динамических процессов / ВЦ РАН. – 2001. – С. 89–107.

16. Павловский Ю.Н. Имитационные модели и системы. – М.: ФАЗИС; ВЦ РАН, 2000. – 131 с.

17. Бродский Ю.И. Проблемы создания центра имитационного моделирования в Интернет // Моделирование, декомпозиция и оптимизация сложных динамических процессов / ВЦ РАН. – М.; 1998. – С. 29–35.

18. Бродский Ю.И., Лебедев В.Ю. Инструментальная система имитации MISS. – М.: ВЦ АН СССР, 1991. – 180 с.

19. Елохин В.Р., Санаев Б.Г. Аппроксимация моделей энергетических систем. Планирование и анализ регрессионных экспериментов. – Новосибирск: Наука, 1982. – 150 с.

20. Елохин В.Р. Имитационные методы при анализе и планировании экспериментов (регрессионный анализ). – Апатиты: Изд-во Кольского науч. центра РАН, 2003. – 135 с.

21. Елохин В.Р. Елохин И.В. Имитационный метод статистической аппроксимации. – Там же. 2002. – 120 с.

22. Власов С.А., Шплихал И. Состояние разработок и перспективы развития имитационных систем для анализа функционирования и автоматизированного проектирования производства (на примере металлургии и машиностроения) // Моделирование и идентификация производственных систем / ИПУ. – М., 1988. – С. 5–17.

23. Власов С.А., Дургарян И.С. Принципы интеллектуализации средств имитационного моделирования и автоматизированной идентификации для производств повышенного риска // Идентификация и моделирование производств повышенного риска / ИПУ. – М., 1993. – Вып. 2. – С. 5–13.

24. Методы и модели управления проектами в металлургии / В.С. Смирнов, С.А. Власов, Е.С. Ваулинский, Б.И. Лебедев. – М.: СИНТЕГ, 2001. – 176 с.

25. Рожков И.М., Власов С.А., Мулько Г.Н. Математические модели для выбора рациональной технологии и управления качеством стали. – М.: Металлургия, 1990.

26. Прицкер А. Введение в имитационное моделирование и язык СЛАМ 2. – М.: Мир, 1987. – 646 с.

27. Шрайбер Т.Дж. Моделирование на GPSS. – М.: Машиностроение, 1980. – 592 с.

34. Выбор оптимального набора ресурсов с помощью имитационного моделирования / Ю.А. Меркурьев, В.В. Бардаченко, А.В. Соломенников, Ф. Камперман // Информационные технологии и вычислительные системы. – 2004. – № 4. – С. 104–118.