Разработка имитационной модели - Курсовая работа

Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться человеческая воля. Человек, руководящий операцией, может в зависимости от сложившейся обстановки, принимать те или иные решения. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки, в ответ на это решение и к каким последствиям оно приведет спустя некоторое время. В результате многократного повторения такой процедуры руководитель как бы «набирает опыт», учится на своих и чужих ошибках и постепенно выучиваться принимать правильные решения - если не оптимальные, то почти оптимальные. Процесс, протекающий в модели в ходе эксперимента, подобен процессу в реальном объекте.Спрос на товары (в единицах товара) в этих точках имеет пуассоновское распределение с математическим ожиданием 10 единиц в день. На передачу запроса торговой точки в магазин требуется 1 день. Товары по запросу поступают из оптового магазина в торговую точку в среднем через 5 дней после получения запроса.Решение, полученное на имитационной модели, всегда носит частный характер, т.к. оно соответствует фиксированным элементам структуры, алгоритмам поведения и значениям параметров системы. Момент времени, в который может измениться: состояние системы, называется моментом наступления события, а соответствующая ему логическая процедура обработки "изменений состояния системы называется событием. Начальное состояние системы устанавливается с помощью задания начальных значений переменных модели, генерации (при необходимости) начальных компонентов в системе, а также с помощью начального планирования событий в модели. Внутри события время не изменяется, а изменения состояния системы происходят только в моменты наступления событий. Когда происходит событие, состояние системы может быть изменено четырьмя способами: 1) изменением значений одной или нескольких переменных модели; 2) изменением количества компонентов в системе; 3) изменением значении одного иди нескольких атрибутов одного компонента; 4) изменением взаимосвязей между компонентами с помощью средств оперирования с файлами.В данной курсовой работе применяются следующие распределения: равномерное, нормальное, логнормальное, пуассоновское распределение.Функция плотности вероятности нормального закона имеет вид: - Генератор нормально распределенной случайной величины X можно получить по формулам: где Tj (j=1,…,12) - значения независимых случайных величин, равномерно распределенных на интервале (0,1). Функция плотности вероятности равномерного распределения задает одинаковую вероятность для всех значений, лежащих между минимальным и максимальным значениями переменной. Другими словами, вероятность того, что значение попадает в указанный интервал, пропорциональна длине этого интервала. Применение равномерного распределения часто вызвано полным отсутствием информации о случайной величине, кроме ее предельных значений.При окончании собственных товаров в торговой точке происходит их запрос от нее в оптовый магазин. Если и в магазине все запрашиваемые товары закончились, происходит их заказ на фабрику в целях пополнения запаса магазина.При нехватке товаров в торговой точке ежедневно поступает запрос на их определенное количество от нее в оптовый магазин.KOLTOV - спрос на товары в торговой точке; ZAKTOV-заказанное магазином количество товаров у фабрики; Z - заказанное торговой точкой количество товаров у магазина; SHOP[i] - массив с данными о текущем времени и числом товаров в магазине; TOVMAG-число товаров в оптовом магазине. time - текущее время при обращении в оптовый магазин.Структурное программирование - это технология создания программ, позволяющая путем соблюдения определенных правил уменьшить время разработки и количество ошибок, а также облегчить возможность модификации программы. Если язык программирования ориентирован на конкретный тип процессора и учитывает его особенности, то он называется языком программирования низкого уровня. Т.к. наборы инструкций для разных моделей процессоров тоже разные, то каждой модели процессора соответствует свой язык ассемблера, и написанная на нем программа может быть использована только в этой среде. С помощью языка программирования создается текст, описывающий ранее составленный алгоритм. #include float ravnom(float d11, float d21)На этапах верификации и валидации осуществляется оценка функционирования имитационной модели.Получим следующие результаты: Tekushee vremya=98Программа выдает на экран вероятностные и статистические характеристики объекта моделирования. Она имитирует работу описанной системы с целью определения изменения уровня запаса при заданной стратегии управления розничной торговой точкой и оптовым магазином.

Содержание

1. Введение

2. Постановка задачи

3. Описание метода решения

4. Разработка модели

4.1 Логико-математическое описание моделируемой системы

4.2 Формализованная схема объекта моделирования

4.3 Временная диаграмма

4.4 Блок-схемы программных блоков и основной программы

5. Перевод алгоритма на язык программирования

6. Верификация: установление правильности машинной программы

7. Результаты эксперимента

8. Анализ результатов

9. Заключение

10. Список использованной литературы

Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться человеческая воля. Человек, руководящий операцией, может в зависимости от сложившейся обстановки, принимать те или иные решения. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки, в ответ на это решение и к каким последствиям оно приведет спустя некоторое время. Следующее текущее решение принимается уже с учетом реальной новой обстановки и т. д. В результате многократного повторения такой процедуры руководитель как бы «набирает опыт», учится на своих и чужих ошибках и постепенно выучиваться принимать правильные решения - если не оптимальные, то почти оптимальные.

В исследовании операций широко применяются как аналитические, так и статистические модели. Каждый из этих типов имеет свои преимущества и недостатки. Аналитические модели более грубы, учитывают меньшее число факторов, всегда требуют каких-то допущений и упрощений. Зато результаты расчета по ним легче обозримы, отчетливее отражают присущие явлению основные закономерности. А, главное, аналитические модели больше приспособлены для поиска оптимальных решений. Статистические модели, по сравнению, с аналитическими, более точны и подробны, не требуют столь грубых допущений, позволяют учесть большое (в теории - неограниченно большое) число факторов. Но и у них - свои недостатки: громоздкость, плохая обозримость, большой расход машинного времени, а главное, крайняя трудность поиска оптимальных решений, которые приходятся искать «на ощупь», путем догадок и проб.

Наилучшие работы в области исследования операций основаны на совместном применении аналитических и статистических моделей. Аналитическая модель дает возможность в общих чертах разобраться в явлении, наметить как бы контур основных закономерностей. Любые уточнения могут быть получены с помощью статистических моделей.

Имитационное моделирование основано на прямом описании моделируемого объекта. Существенной характеристикой таких моделей является структурное подобие объекта и модели. Это значит, каждому существенному с точки зрения решаемой задачи элементу объекта ставится в соответствие элемент модели. При построении имитационной модели описываются законы функционирования каждого элемента объекта и связи между ними. Работа с имитационной моделью заключается в проведении имитационного эксперимента. Процесс, протекающий в модели в ходе эксперимента, подобен процессу в реальном объекте. Поэтому исследование объекта на его имитационной модели сводится к изучению характеристик процесса, протекающего в ходе эксперимента.

Для формального представления информационной системы при имитационном моделировании обычно используется схема с дискретными событиями. При этом процесс функционирования системы во времени отождествляется с последовательностью событий, возникающих в системе в соответствии с закономерностями ее функционирования. И формальное понятие «событие» вкладывается конкретное смысловое содержание, определяемое целями моделирования. Ценным качеством имитации является возможность управлять масштабом времени. Динамический процесс в имитационной модели протекает в так называемом системном времени. Системное время имитирует реальное время. При этом пересчет системного времени в модели можно выполнять двумя способами. Первый заключается в «движении» по времени с некоторым постоянным шагом ?t, второй - в «движении» по времени от события к событию. Считается, что в промежутках времени между событиями в модели изменении не происходит. Кроме реального и системного времени существует еще один тип времени - машинное, т.е. время, за которое реализуется имитационный эксперимент.

Цель курсовой работы по дисциплине «Имитационное моделирование экономических процессов» состоит в ознакомлении с современными концепциями построения моделирующих систем, с основными приемами имитационного моделирования, встраиваемыми в общую процедуру преобразования информации от структурирования и формализации составляющих предметных областей до интерпретации обработанных данных и приобретенных знаний, связанных с описанием экономических процессов.

Программа выдает на экран вероятностные и статистические характеристики объекта моделирования. Она имитирует работу описанной системы с целью определения изменения уровня запаса при заданной стратегии управления розничной торговой точкой и оптовым магазином.

На основании проделанной работы, можно сделать следующие выводы: 1. Созданная математическая модель адекватна реальному объекту;

2. Проведенные исследования показали эффективность модели и способов “приведения ее в действие” при определении необходимых нам параметров по сравнению с ручным способом моделирования и расчетов параметров;

3. Созданная модель имеет достаточную, для таких моделей, степень универсальности, т.к. диапазон входных параметров системы можно легко и быстро изменить.

1. Клейнрок Л.«Теория массового обслуживания.»-М.: Машиностроение, 1979.-432 с.

2. Прицкер А. «Введение в имитационное моделирование» -М.: Мир, 1987.-644с.

3. Емельянов А.А., Власова Е.А., «Имитационное моделирование экономических процессов» - М. Финансы и статистика,2002.

6. Вентцель Е. С. Теория вероятностей. - М.: Наука, 1969. - 564 с.

7. Пугачев В. С. Теория вероятностей и математическая статистика. - М: Наука, 1979. -327 с.

8. Бусленко Н.П. Моделирование сложных систем. - М.: Наука, 1978. 399 с.

9.Шрайбер Т. Дж. Моделирование на GPSS. -W.: Машиностроение, 1979. - 287 с, 10. Варфоломеев В.И. Алгоритмическое моделирование элементов экономических систем. - М.: Финансы и статистика, 2000. -208 с.

Размещено на