|
|||||||
АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Статистическое имитационное моделированиеСтатистическое имитационное моделирование основывается на генерации случайных величин, имитации функционирования системы и статистической обработке результатов моделирования. Методом моделирования может быть исследована СМО любой степени сложности. Для проведения моделирования могут использоваться как универсальные языки программирования так и проблемно-ориентированные - GPSS, SIMULA и др. Параметры функционирования системы оцениваются при моделировании по результатам многократного обслуживания требований (многократных испытаний). При имитации работы системы случайные величины (длительность обслуживания в каналах, интервалы между поступлениями требований, время возврата требований в систему, моменты возникновения отказов каналов и их длительность и др.) получают генерацией по ранее приведенным алгоритмам в зависимости от вида распределения (закон, усечение, смещение). Число обслуживаний (опытов) необходимо принимать таким, чтобы обеспечить оценку интересующих параметров с заданной точностью при принятой доверительной вероятности. Таким образом, определение числа опытов производится по аналогии с расчетом размера выборки для исследования случайных величин. При этом это число рекомендуется определять в ходе моделирования на основе оценки точности рассчитываемых параметров. Алгоритмы моделирования ранее рассмотренных систем массового обслуживания приведены на рисунках 2.18 и 2.19. Число моделируемых обслуживаний определяется на основе формулы для нормального закона распределения, а в качестве интересующего показателя принята средняя продолжительность ожидания требованием начала обслуживания. Отноcительная точность оценивания задана равной e с односторонней доверительной вероятностью g= 0.95 (квантиль равна 1.645). Структура алгоритмов следующая: блок 2– ввод и вывод на принтер исходных данных; блоки 3-6 – формирование начальных условий моделирования; блоки 7-10 – поиск канала (источника) с минимальным значением момента времени освобождения от предыдущего обслуживания (прибытия на обслуживание); блоки 11-18– имитация обслуживания требований и накопление сумм длительностей времени простоев и обслуживания; блоки 19-21– принятие решения об окончании моделирования или его продолжении; блок 22 – наращивание номера опыта (испытания); блоки 23-24 – вычисление средних значений параметров и вывод их на монитор (принтер).
1 Пуск
2 n – число каналов; No – минимальное число испытаний; tобс – средняя Ввод n,No, tобс, L, e длительность времени обслуживания; L – средняя интенсивность потока на обслуживание; e – относительная точность оценки продолжи- тельности простоев требований в очереди 3 S1,S2,S3 –суммы длительностей простоев требований в S1=0: S2=0 очереди, простоев каналов, обслуживания требований S3=0: S4=0 S4– сумма квадратов длительностей простоев требований в очереди
j=1
To =0 To – текущий момент прибытия требования для j-го обслуживания
Tпi=0, Tпi – текущий момент освобождения i-го канала от обслуживания
k=1 22
Нет 9 Tпi < Tпk
Да k = i
Нет To < Tпk Да 12 13 t1 = Tпk - To t2 = To - Tпk t1 и t2 – соответственно продолжитель- t2 =0: S1=S1+t1 t1 =0: S2=S2+t2 ность простоя требования и канала в ожидании начала обслуживания
14 toбсм – продолжительность обслуживания при j - м опыте toбсм = - tобс ln x1 x1 – псевдослучайное число в интервале [0.-1.0] 1-й после- довательности
14
tин = -1/L ln x2 tин – интервал времени прибытия очередного требования на обслуживание x2 – псевдослучайное число в интервале [0.-1.0] 2- й последовательности
tk = tk + t2 + toбсм tk = To + t1 + toбсм
To = To + tин
S3=S3+tобсм S4=S4+t21
19 Нет j >No Да j=j+1 I =(S4 j/S21-1)1.6452/e2
j > I Нет
Да 23 tот и tок – соответственно средняя продолжитель- tот=S1/j: tок=S2/j ность ожидания требованиями и каналами начала tобо=S3/j обслуживания; tобо – средняя продолжительность обслуживания по результатам моделирования Вывод n, L, toбс, j, toт, toк, toбo, e
Останов
Рисунок 2.18 – Алгоритм моделирования многоканальной СМО разомкнутого типа с ожиданием
Пуск
2 m– число источников; No – миним. число испытаний; tобс – Ввод m,No, tобс , l1 , e средняя длительность времени обслуживания; l1 – поток, генерируемый одним источником; e – относительная точность оценки продолжительности простоев требований в очереди S1=0: S2=0 S1,S2,S3 –суммы длительностей простоев требований в S3=0: S4=0 очереди, простоев каналов, обслуживания требований S4– сумма квадратов длительностей простоев требований 4 в очереди
j=1
To =0 Tо – текущий момент осбождения канала от обслуживания
Tтi=0, Tтi– текущий момент поступления требования от i-го источника
k=1 22
Нет 9 Tтi < Tтk
10 Да
k = i
To < Tтk
12 13 t1 и t2 – соответственно продолжитель- t1 = Tт k - To t2 = To - Tтk ность простоя требования и канала t2 =0: S1=S1+t1 t1 =0: S2=S2+t2 в ожидании начала обслуживания
14 Toбсм – продолжительность обслуживания при j - м опыте toбсм = - tобс ln x1 x1 – псевдослучайное число в интервале [0.-1.0] 1- й после- довательности
w1 – период времени до следующего возврата в систему w1 = -1/l1 ln x2 x2 – псевдослучайное число в интервале [0.-1.0] 2- й после- довательности
Tо= Tтk + t2 + toбсм Tо= Tо + t1 + toбсм
Tтк = Tтк + w1
S3=S3+tобсм S4=S4+t21
j >No Нет 22
j=j+1
I =(S4 j/S21-1)1.6452/e2
Да
21 Нет j > I
Да 23 tот и tок – соответственно среднее время ожидания требованиями tот=S1/j:tок=S2/j и каналом начала обслуживания; tобо – средняя длительность tобо=S3/j времени обслуживания по результатам моделирования
Вывод m, tобс, l1, j, toт,toк,toбo, e
Останов
Рисунок 2.19 – Алгоритм моделирования одноканальной СМО замкнутого типа с ожиданием
Поиск по сайту: |
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.012 сек.) |