🗊Презентация Основы моделирования вычислительных систем

Список литературы Сосновиков Г.К. Основы имитационного моделирования систем связи на GPSS World: Учебное пособие / МТУСИ. – М., 2015. Сосновиков Г.К. Практикум по имитационному моделированию в среде GPSS World / МТУСИ. – М., 2007. Сосновиков Г.К., Воробейчиков Л.А. Практикум по имитационному моделированию в среде GPSS World: Электронное пособие / МТУСИ. – 2013. (На компьютерах в дисплейном классе) Сосновиков Г.К., Воробейчиков Л.А. Компьютерное моделирование. Практикум по имитационному моделированию в среде GPSS World: учебное пособие. - М.: ФОРУМ : инфра-м, 2015. Шрайбер Т. Дж. Моделирование на GPSS: Пер. с англ. – М.: Машиностроение, 1980. Шеннон Р. Имитационное моделирование систем – искусство и наука: Пер. с англ. – М.: Мир, 1978. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем: Пер. с англ. – М.: Мир, 1975.

Объекты моделирования в научных разработках кафедры Сети передачи данных с коммутацией сообщений Узлы коммутации сетей передачи данных Система теледиагностики неисправностей элементов квазиэлектронных систем коммутации Система телеобработки данных Распределенная база данных сетей электросвязи Автоматизированные справочно–информационные службы предприятий связи Автоматизированные системы управления специального назначения Локальные вычислительные сети

Термин вычислительная система появился в начале - середине 60-х гг. при появлении ЭВМ III поколения. Это время знаменовалось переходом на новую элементную базу - интегральные схемы. Следствием этого явилось появление новых технических решений: разделение процессов обработки информации и ее ввода-вывода, множественный доступ и коллективное использование вычислительных ресурсов в пространстве и во времени. Появились сложные режимы работы ЭВМ - многопользовательская и многопрограммная обработка.

Понятие вычислительной системы Под вычислительной системой (ВС) будем понимать совокупность взаимосвязанных и взаимодействующих процессоров или ЭВМ, пери­ферийного оборудования и программного обеспечения, предназначен­ную для сбора, хранения, обработки и распределения информации.

Понятие инфокоммуникационной системы

Введение в моделирование Моделирование как метод научных исследований Виды моделирования и математических моделей Модели массового обслуживания

Сущность моделирования Моделирование — это исследование каких-либо объектов: явлений, процессов или систем путем построения и изучения их моделей, использование моделей для определения и уточнения характеристик (задачи анализа) и рационализации способов построения вновь конструируемых объектов (задачи синтеза). Моделирование — одна из основных категорий теории познания: на идее моделирования, по существу, базируется любой метод научного исследования  — как теоретический, так и экспериментальный. Сущность моделирования заключается в замещении исследуемого объекта его моделью с целью исследования свойств объекта при помощи модели.

Дополнительные сферы применения моделирования

Виды моделирования

Классификация математических моделей по характеру моделируемых процессов

Этапы имитационного статистического моделирования Содержательное описание объекта. Формулировка цели моделирования. Разработка концептуальной модели. Формализация модели. Разработка и программная реализация имитационной модели. Проверка адекватности модели. Планирование экспериментов с моделью. Проведение экспериментов с моделью. Статистическая обработка результатов моделирования.

Структура системы массового обслуживания

Процесс функционирования СМО Функционирование произвольной СМО протекает в общем случае следующим образом: очередная заявка пытается использовать свободный ресурс обслуживающего устройства; если таковой находится, то заявка занимает этот ресурс (поступает на обслуживание), а по окончании обслуживания покидает систему; если свободных ресурсов нет, то заявка поступает в очередь ожидающих заявок (при наличии очереди), или получает отказ в обслуживании и покидает систему (при отсутствии возможности ожидания); по окончании обслуживания очередной заявки в обслуживающем устройстве из очереди, если она не пуста, выбирается и поступает на обслуживание одна из ожидающих заявок; и т.д.

Классификация СМО

Многоканальная СМО

Приоритетные СМО Приоритетные СМО можно подразделить на системы с относительными и абсолютными приоритетами заявок. В системах с относительными приоритетами каждая заявки изначально имеет тот или иной уровень приоритета. Для каждого уровня приоритета образуется своя очередь. В первую очередь на обслуживание выбираются заявки из более приоритетной очереди, и только, если она пуста – из очереди с меньшим уровнем приоритета, и так далее. Разновидностью таких СМО являются системы, в которых относительный приоритет определяется требуемым временем обслуживания заявки: чем меньше время обслуживания, тем выше приоритет. В этом случае заявки упорядочиваются в единственной очереди в порядке возрастания времени обслуживания (дисциплина ПВВО) от начала к концу очереди. В системах с абсолютными приоритетами появление заявки с более высоким приоритетом прерывает обслуживание менее приоритетной заявки. В таких системах могут происходить вложенные прерывания, если обслуживание заявки, которая прервала обслуживание менее приоритетной заявки, в свою очередь будет прервано еще более приоритетной заявкой. Прерванные заявки могут либо покидать систему, либо снова становиться в очередь для дообслуживания. Дисциплина с абсолютными приоритетами характерна для моделирования различных вычислительных систем и устройств.

Разомкнутая сеть массового обслуживания

Замкнутая сеть массового обслуживания

Количественные параметры СМО n - количество каналов обслуживания; λ - интенсивность (скорость) входного потока заявок (среднее количество заявок, поступающих в систему в единицу времени); μ - интенсивность (скорость) обслуживания (среднее количество заявок, которое может обслужить один канал в единицу времени).

Входной поток и время обслуживания В общем случае, в силу случайности входного потока, он может быть описан распределением вероятностей дискретной случайной величины Pk(T) - количества заявок k, поступающих в систему за время T. Параметр λ – математическое ожидание этой случайной величины. Входной поток может быть описан также распределением вероятностей непрерывной случайной величины p(t) – интервалов времени между поступлением двух соседних заявок. Математическое ожидание этой случайной величины равно 1/λ. Время обслуживания обычно также описывают распределением вероятностей непрерывной случайной величины p(t) – продолжительности обслуживания заявки в каждом канале обслуживания. Математическое ожидание этой случайной величины равно 1/μ.

Пуассоновский входной поток В теории массового обслуживания, занимающейся аналитическим исследованием СМО, особое место занимает так называемый пуассоновский поток заявок, для которого Для пуассоновского потока распределение интервала времени между поступлением двух соседних заявок подчиняется экспоненциальному закону:

Экспоненциальное распределение времени обслуживания Большинство результатов (теоретических формул) в теории массового обслуживания получено в предположении, что входной поток является пуассоновским, а распределение времени обслуживания также подчинено экспоненциальному закону:

Коэффициент загрузки СМО Важнейшей характеристикой СМО является коффициент загрузки (использования) – доля каналов, занятых обслуживанием заявок. Для одноканальных СМО эту характеристику следует интерпретировать как долю времени, когда канал занят обслуживанием заявок. Коэффициент загрузки ρ определяется через параметры СМО по следующей формуле: Если ρ >= 1, то в СМО с неограниченным ожиданием отсутствует стационарный режим. Это означает, что длина очереди бесконечно растет с течением времени. Таким образом, условием стационарного процесса функционирования СМО c неограниченным ожиданием является ρ < 1.

Основные характеристики СМО Для систем с отказами основными характеристиками являются: Pотк – вероятность отказа в обслуживании поступившей заявки; А – абсолютная пропускная способность СМО (среднее число заявок, обслуженных в единицу времени). Для систем с ожиданием основными характеристиками являются: W – средняя длина очереди (среднее количество заявок, ожидающих обслуживания); N – среднее количество заявок в системе (в очереди плюс на обслуживании); TW – среднее время ожидания заявки (среднее время нахождения в очереди, от момента поступления заявки до начала обслуживания); TN – среднее время нахождения заявки в системе (от момента поступления до окончания обслуживания).

Формулы для характеристик одноканальной СМО Для одноканальных СМО с пуассоновским входным потоком и экспоненциально распределенным временем обслуживания в теории массового обслуживания получены следующие формулы: для системы с отказами для системы с неограниченным ожиданием

Пример "ручного" моделирования Моделируемый объект – магазин с одним продавцом. Концептуальная модель – одноканальная СМО с неограниченным ожиданием: заявки = покупатели, обслуживающее устройство = продавец Пусть интервал поступления заявок – случайная величина τa с равномерным распределением на отрезке [1;10] мин., а время их обслуживания – случайная величина τb с равномерным распределением на отрезке [1;6] мин. Тогда математическое ожидание интервала поступления 1/λ = 5.5 мин., математическое ожидание времени обслуживания 1/μ = 3.5 мин. Требуется найти среднее время ожидания обслуживания Tw и долю времени η, в течение которого обслуживающее устройство простаивает (коэффициент простоя). Распределения случайных величин τa и τb не экспоненциальные, поэтому аналитические формулы не годятся.

Пример "ручного" моделирования

Схема алгоритма имитационной модели

Временная диаграмма процессов в одноканальной СМО с ожиданием

Механизм модельного времени Наиболее эффективный подход – переменный шаг продвижения модельного времени, который реализуется в соответствии с принципом “до ближайшего события”, заключающемся в следующем. По всем процессам, параллельно протекающим в моделируемой системе, формируются моменты наступления “ближайшего события в будущем”. Затем модельное время продвигается до момента наступления ближайшего из всех возможных событий. В зависимости от того, какое событие оказалось ближайшим, выполняются те или иные действия.

Дискретно–событийные модели Имитационные модели, построенные на основе моделирующего алгоритма с переменным шагом модельного времени до ближайшего события, часто называют дискретно–событийными моделями, а моделирование с использованием таких моделей – имитационным событийным моделированием.

Модельное и машинное время

Моделирующий алгоритм и его функции Имитационная модель СМО отображает стохастический процесс смены дискретных состояний в непрерывном времени в форме моделирующего алгоритма. При этом элементам СМО ставятся в соответствие объекты модели, а свойствам элементов СМО – свойства (атрибуты) объектов модели. Например, обслуживающему прибору ставится в соответствие объект модели с набором атрибутов, описывающих текущее состояние устройства: текущее состояние (занято или свободно), количество вошедших заявок, среднее время обслуживания и т.д. Реальному времени ставится в соответствие особый атрибут – системное или модельное время.

Моделирующий алгоритм и его функции В процессе выполнения моделирующего алгоритма имитационная модель СМО проходит через ряд последовательных дискретных состояний, упорядоченных в соответствии с увеличением модельного времени. Изменение состояний модели происходит под воздействием событий, причем каждому событию ставится в соответствие определенный момент модельного времени.

Планирование событий Одной из основных функций моделирующего алгоритма является планирование событий, т.е. определение моментов модельного времени, в которые должны происходить изменения состояния модели. Такое планирование связано с генерированием случайных временных интервалов в соответствии с заданными распределениями интервалов поступления заявок, времени их обслуживания и других управляющих последовательностей.

Синхронизация событий События должны обрабатываться в модели в порядке увеличения модельного времени, поэтому еще одной важной функцией моделирующего алгоритма является синхронизация событий, т.е. выбор для обработки ближайшего по времени события.

Обработка событий Еще одной функцией моделирующего алгоритма является обработка событий, связанная с изменением атрибутов объектов модели. При обработке событий одновременно производится накопление статистики по тем объектам модели и их атрибутам, которые являются предметом исследования. По окончании моделирования накопленная статистика обрабатывается с целью получения выборочных распределений исследуемых величин или их выборочных моментов (средних, дисперсий и пр.)

Специализированные системы моделирования Функции моделирующего алгоритма достаточно разнообразны и сложны, и их реализация средствами универсальных языков программирования представляет собой непростую и трудоемкую задачу. В специализированных системах имитационного моделирования, эти функции реализуются средствами самих систем. Одну из таких систем, общецелевую систему моделирования GPSS World, мы начнем подробно рассматривать на следующих лекциях.

Представление имитационного эксперимента

Факторы и реакция Фактор называется количественным, если его значения (уровни) являются числами, влияющими на реакцию. В противном случае фактор называется качественным. Так, например, в имитационной модели одноканальной СМО с ожиданием, количественными факторами могут служить интенсивность входного потока и скорость обслуживания, а качественными факторами – закон распределения вероятностей времени обслуживания и дисциплина обслуживания. В качестве переменной реакции может быть выбрано, например, время ожидания заявки. Случайное воздействие определяется случайным характером интервала поступления заявок и времени их обслуживания.

Стратегическое планирование эксперимента Говоря о планировании имитационных экспериментов с моделью, следует различать два вида планирования: стратегическое и тактическое. Стратегическое планирование – это разработка эффективного плана эксперимента в соответствии с его целями, который дает требуемый объем информации о моделируемой системе при наименьших затратах. Т.е. основная цель стратегического планирования – получить желаемую информацию для изучения моделируемой системы при минимальных затратах на экспериментирование, при наименьшем числе прогонов модели.

Цели моделирования Выбор плана эксперимента существенно зависит от его цели. Наиболее распространенными целями моделирования являются: оценка реакции модели при заданных уровнях факторов; выявление зависимости реакции от факторов; выбор уровней факторов на множестве альтернатив; нахождение такой комбинации уровней факторов, при которой переменная реакции принимает оптимальное значение.

Задачи стратегического планирования Основными задачами, решаемыми при стратегическом планировании, являются: выбор переменной реакции в соответствии с целью эксперимента; выбор (определение) существенных факторов и их сочетаний, влияющих на работу моделируемой системы; выбор значений (уровней) каждого фактора. В теории планирования эксперимента разработано и доступно для использования множество видов планов постановки экспериментов для всех перечисленных целей и множество методов решения указанных задач.

Тактическое планирование эксперимента Тактическое планирование эксперимента связано с вопросами эффективности и определением способов проведения имитационных прогонов, намеченных планом эксперимента. Основными задачами тактического планирования являются: определение продолжительности имитационного прогона или требуемого числа повторений каждого прогона (размера выборки), обеспечивающего заданную точность результатов моделирования; определение длительности переходного режима (анализ установившегося состояния), задание начальных условий (начального состояния). Эти задачи решаются методами дисперсионного и регрессионного анализа, а также другими методами математической статистики.

Статистическая обработка результатов моделирования После того, как эксперимент спланирован и проведен, необходимо обработать его результаты. Статистическая обработка результатов моделирования проводится классическими методами математической статистики. В зависимости от цели моделирования могут использоваться дисперсионный и (или) регрессионный анализ, различные критерии проверки статистических гипотез, методы множественного сравнения и множественного упорядочения и ряд других методов.