🗊Презентация Системная динамика, дискретно-событийное, агентное моделирование

Системная динамика, дискретно-событийное, агентное моделирование

Системная динамика Системная динамика – это метод по изучению комплексных систем, которые подвержены изменениям с течением времени. При моделировании учитываются причинно-следственные взаимосвязи между элементами системы, особое внимание уделяется обратной связи между ними.  Модели в системной динамике можно поделить на концептуальные (качественные) и количественные (с возможностью симуляции числовых показателей).

Концептуальная модель показывает структуру проблемы и то, каким образом один элемент системы зависит от другого. Существует две формы взаимосвязи (полярности) между двумя переменными: положительная и отрицательная. Концептуальная модель показывает структуру проблемы и то, каким образом один элемент системы зависит от другого. Существует две формы взаимосвязи (полярности) между двумя переменными: положительная и отрицательная.

Некоторые взаимосвязи между переменными содержать обратную связь и образуют так называемые «петли». Петли бывают двух видов: усиливающая и стабилизирующая. Некоторые взаимосвязи между переменными содержать обратную связь и образуют так называемые «петли». Петли бывают двух видов: усиливающая и стабилизирующая.

Две простейшие структуры, представленные выше, генерируют следующее поведение системы: Две простейшие структуры, представленные выше, генерируют следующее поведение системы:

Чтобы модель могла сгенерировать график поведения системы во времени, она должна быть количественной и включать в себя статистические данные. В количественной модели системной динамики есть свои элементы. Чтобы модель могла сгенерировать график поведения системы во времени, она должна быть количественной и включать в себя статистические данные. В количественной модели системной динамики есть свои элементы.

В количественной модели системной динамики очень важным концептом является понятие аккумулирования. Наиболее наглядный пример с Резервуаром, входящих и исходящим Потоками – это обычная ванна. Вода в ванной накапливается, это не мгновенный процесс, также как и в обратном случае, требуется время, чтобы ванна стала пустой. В количественной модели системной динамики очень важным концептом является понятие аккумулирования. Наиболее наглядный пример с Резервуаром, входящих и исходящим Потоками – это обычная ванна. Вода в ванной накапливается, это не мгновенный процесс, также как и в обратном случае, требуется время, чтобы ванна стала пустой. При этом единицей измерения Потоков будет литры/час или любая другая единица, важно что это скорость пополнения уровня воды в ванне. В то время как единицей измерения для Резервуара будет просто литры.

Дискретно-событийное моделирование  В дискретно-событийном моделировании функционирование системы представляется как хронологическая последовательность событий. Событие происходит в определённый момент времени и знаменует собой изменение состояния системы.

Заявки, в данном случае звонки, представляют собой некие пассивные объекты, которые перемещаются, захватывают и освобождают ресурсы согласно потоковым диаграммам – схемам, описывающим изучаемый процесс. Заявки могут представлять собой людей, товары, детали, документы, сообщения. ДС моделирование является дискретным – каждому событию соответствует определённый дискретный момент времени. Характерной чертой данного подхода является «обезличенность» заявки, от её индивидуальных свойств абстрагируются. Считается, что все заявки обладают универсальной логикой поведения и обрабатываются по единому, заранее известному алгоритму. Ядро модели отвечает за генерацию, обработку и уничтожение заявок. Заявки, в данном случае звонки, представляют собой некие пассивные объекты, которые перемещаются, захватывают и освобождают ресурсы согласно потоковым диаграммам – схемам, описывающим изучаемый процесс. Заявки могут представлять собой людей, товары, детали, документы, сообщения. ДС моделирование является дискретным – каждому событию соответствует определённый дискретный момент времени. Характерной чертой данного подхода является «обезличенность» заявки, от её индивидуальных свойств абстрагируются. Считается, что все заявки обладают универсальной логикой поведения и обрабатываются по единому, заранее известному алгоритму. Ядро модели отвечает за генерацию, обработку и уничтожение заявок.

Основные математические показатели, которые можно извлечь из дискретно-событийных моделей: Основные математические показатели, которые можно извлечь из дискретно-событийных моделей: загрузку отдельных ресурсов производительность системы в целом время ожидания клиентов в очередях у каждого сервера суммарное время обслуживания клиентов

Агентное моделирование С точки зрения практического применения агентное моделирование можно определить как метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как это поведение определяет поведение всей системы в целом. При разработке агентной модели, инженер вводит параметры агентов (это могут быть люди, компании, активы, проекты, транспортные средства, города, животные и т.д.), определяет их поведение, помещает их в некую окружающую среду, устанавливает возможные связи, после чего запускает моделирование. Индивидуальное поведение каждого агента образует глобальное поведение моделируемой системы.

Хороший пример использования агентного моделирования – потребительский рынок. В очень динамичной, конкурентной и сложной среде рынка выбор покупателя зачастую зависит от индивидуальных особенностей, врождённой активности потребителя, сети контактов, а также внешних влияний, которые лучше всего описываются с помощью агентного моделирования.  Другой стандартный пример – это эпидемиология. Здесь агенты это люди, которые могут быть иммунными, носителями инфекции, переболевшими или восприимчивыми к болезни. Агентное моделирование поможет спроецировать в мир моделей социальные сети, разнородные контакты между людьми и в итоге получить объективные прогнозы распространения инфекции. Хороший пример использования агентного моделирования – потребительский рынок. В очень динамичной, конкурентной и сложной среде рынка выбор покупателя зачастую зависит от индивидуальных особенностей, врождённой активности потребителя, сети контактов, а также внешних влияний, которые лучше всего описываются с помощью агентного моделирования.  Другой стандартный пример – это эпидемиология. Здесь агенты это люди, которые могут быть иммунными, носителями инфекции, переболевшими или восприимчивыми к болезни. Агентное моделирование поможет спроецировать в мир моделей социальные сети, разнородные контакты между людьми и в итоге получить объективные прогнозы распространения инфекции. Однако, не следует думать, что агентное моделирование применимо только для решения задач коммуникативного характера. Задачи, связанные с логистикой, производством, цепями поставок или бизнес-процессами, также решаются с помощью агентного моделирования. Например, поведение сложной машины может быть эффективно смоделировано отдельным объектом (агентом) с картами состояний, описывающими её систему таймеров, внутренних состояний, разного рода реакции в различных ситуациях и т.д. Подобная модель может быть необходима для воссоздания технологических процессов на производстве.