Виды имитационного моделирования

Агентное моделирование — относительно новое (1990-е-2000-е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие, как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан ДжеемФоррестером в 1950 годах.

Области применения

· Бизнес-процессы

· Бизнес-симуляция

· Боевые действия

· Динамика населения

· Дорожное движение

· ИТ-инфраструктура

· Математическое моделирование исторических процессов

· Логистика

· Пешеходная динамика

· Производство

· Рынок и конкуренция

· Сервисные центры

· Цепочки поставок

· Уличное движение

· Управление проектами

· Экономика здравоохранения

· Экосистема

· Информационная безопасность

· Релейная защита

Классификация имитационных моделей

1. Физические модели. Имеют одинаковое строение с объектами исследования, но выполнены с определенной степенью уменьшения. Применяются для изучения статических явлений или динамических процессов, но в заданный момент времени. Примером этого класса моделей может служить глобус.

2. Аналоговые модели. Характеризуются тем, что набор свойств объекта заменяется по определенным правилам набором свойств модели. Применяются для описания динамических систем или процессов. Примеры: диаграммы потоков, календарные графики и т.д.

3. Знаковые модели. Основной класс моделей, применяемых при моделировании систем. Для описания свойств и взаимосвязей исследуемого объекта используются математические отношения и логические выражения.

Методы решения знаковых моделей. Для того чтобы охарактеризовать конкретную гомоморфную модель, примененную при моделировании систем, необходимо ввести еще один классификационный признак — метод решения.

1. Решение аналитическим методом. Применяются часто математические приемы исследования. В результате получают точное решение, правильность которого может быть проверена.

2. Решение численными методами. Обычно связано с итеративными вычислениями всех мыслимых состояний модели и выделением оптимального состояния.

3. Решение методом Монте-Карло (метод статистических испытаний). Как правило, сводится к испытанию модели с учетом ее некоторых вероятностных характеристик. Позволяет получить количественные решения, используя теорию вероятности и случайную выборку значений элементов системы.