Полная версия

Главная arrow Информатика arrow Вычислительные системы, сети и телекоммуникации. Моделирование сетей

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ   >>

Планирование экспериментов

Часто возникают ситуации, в которых требуется определить, какие из множества параметров и структурных допущений имеют наибольшее влияние на показатели работы или какой набор параметров модели позволяет получить оптимальную характеристику. В таких ситуациях, при которых цель исследования системы посредством моделирования менее структурирована, весьма эффективным оказывается предварительное планирование эксперимента.

В терминологии планирования экспериментов входные переменные и структурные допущения, составляющие модель, называются факторами, а выходные показатели работы – откликами [6]. Решение о том, какие параметры и структурные допущения считать фиксированными показателями модели, а какие – экспериментальными факторами, зависит, скорее, от целей исследования, а не от внутреннего вида модели. Кроме того, при имитационных исследованиях часто интерес представляют несколько различных откликов или показателей работы.

Факторы могут быть либо количественными, либо качественными. Количественные факторы, как правило, предполагают численные значения, тогда как качественные факторы обычно являют собой структурные допущения, которые не измеряются количественно. При этом у некоторых факторов различие может быть не ясно.

При проведении имитационных экспериментов различают управляемые и неуправляемые факторы в зависимости от того, может ли руководство соответствующих реальных систем управлять ими.

Управляемые факторы имитационных экспериментов имеют наибольшее влияние на решения, которые могут быть приняты относительно реализации реальных систем. Тем не менее, неуправляемые факторы тоже представляют интерес при проведении имитационных экспериментов, поскольку может понадобиться оценить, каким образом резкое увеличение интенсивности прибытия заданий (клиентов и т. п.) повлияет на загруженность системы. В математическом моделировании (таком как выполняемое нами имитационное моделирование) доступно управление всеми факторами, независимо от их практической управляемости.

При моделировании перед выполнением прогонов модели планирование экспериментов позволяет решить, какие именно конфигурации следует создавать, чтобы получить нужную информацию при наименьшем объеме моделирования. Тщательно проработанные эксперименты гораздо более эффективны, чем выполняемая наугад последовательность прогонов, в ходе которых просто не систематически проверяется ряд альтернативных конфигураций, чтобы увидеть, что при них происходит.

Планирование особенно эффективно на ранних этапах экспериментов, когда еще не ясно, какие факторы важны и как они могут влиять на отклики.

Имитационные эксперименты имеют ряд особенностей, благодаря которым выгодно отличаются от обычных физических экспериментов, проводимых в науке, промышленности или сельском хозяйстве и традиционно использующихся в качестве примеров в литературе по планированию экспериментов.

При моделировании имеется возможность управлять таким фактором, как интенсивность прибытия клиентов, который в реальности контролировать нельзя. Таким образом, можно исследовать гораздо больше видов случайностей, чем при проведении физических опытов с системой.

Другой аспект расширения возможностей управления моделирующими экспериментами связан с детерминированным характером генераторов случайных чисел. При моделировании можно контролировать сам источник изменчивости, в отличие от физических экспериментов, результат которых зависит от реальных обстоятельств [6].

Выводы по главе

В данной главе рассмотрены основы теории вероятностей и математической статистики. Изучены базовые термины и понятия, используемые при построении моделей, а также рассмотрен такой важный аспект моделирования, как предварительное планирование эксперимента.

Таким образом, в первой и второй главе пособия изучены основные понятия модели и моделирования, рассмотрены существующие виды моделей, приведены базовые понятия теории вероятностей и математической статистики. В следующей главе перейдем к рассмотрению непосредственно моделирования вычислительных сетей.

 
<<   СОДЕРЖАНИЕ   >>