Имитационное моделирование как метод исследования вычислительных систем

 

Свойства аналитических моделей. Аналитические модели ВС, основанные на представлении исследуемых систем в виде экспоненциальных стохастических сетей, очень важны в решении задач анализа и синтеза ВС. Однако эти модели строятся с использованием ряда допущений, каждое из которых в той или иной степени ведет к уменьшению степени адекватности моделей. Вследствие этого характеристики ВС, определяемые на основе аналитических моделей — приближенные, степень же приближенности характеристик зависит от многих трудно поддающихся учету факторов. Рассмотрим наиболее существенные допущения и ограничения, присущие аналитическим моделям ВС:

1. Представление потоков заявок как простейших. Интервалы времени между заявками в простейших потоках считаются распределенными по экспоненциальному закону, т. е. вводится предположение о стационарности, ординарности и отсутствии последействия. Во многих случаях такое предположение оправданно и в моделях не происходит существенного искажения характера реальных процессов. Однако при сильном последействии, например в результате занятости канала при передаче сообщений, простейший поток может оказаться слишком грубой моделью реального процесса.

2. Предположение об экспоненциальном распределении длительности обслуживания заявок. Как показывают статистические данные, это предположение часто вполне обоснованно. Тем не менее важное значение имеют случаи, когда распределение длительности обслуживания отлично от экспоненциального, например при постоянном времени обслуживания.

3. Однородность потока. Предположение об однородности потока значительно упрощает аналитические исследования, но наряду с этим и ограничивает возможности аналитического подхода получением только средних оценок характеристик обслуживания. Различия в обслуживании заявок разных типов, например связанных с наличием приоритетов, в аналитических моделях сложных систем почти не поддаются учету. В аналитических моделях, основанных на экспоненциальных сетях, всевозможные дисциплины обслуживания приходится заменять обслуживанием на основе дисциплины FIFO.

4. Невозможность представления в аналитических моделях обслуживания заявок одновременно несколькими приборами. Учет одновременности обслуживания одной заявки несколькими приборами необходим при анализе многих систем, в частности когда для реализации программы необходимо выделить ей одновременно несколько ресурсов. Игнорирование таких ситуаций может сильно загрубить модель. 

5. Трудности получения зависимостей в явной аналитической форме при большом числе систем в сети. Сети, содержащие более трех систем, уже не поддаются аналитическому исследованию, а при использовании численных методов расчета сложных сетевых моделей теряется общность результатов, присущая аналитическому подходу.

Принципы имитационного моделирования. Альтернатива аналитического исследования ВС — имитационное моделирование, позволяющее преодолеть основные ограничения, свойственные аналитическим моделям. Имитационная модель — это описание объекта исследования на некотором языке. Составными частями имитационной модели являются описания: элементов, образующих систему; структуры системы, т. е. совокупности связей между элементами; свойств среды, в которой функционирует исследуемая система. Указанная информация в целом имеет логико-математический характер и представляется в форме совокупности алгоритмов, описывающих функционирование исследуемой системы. Программа, построенная на основе этих алгоритмов, позволяет получить информацию о поведении исследуемой системы. Таким образом, в качестве имитационной модели выступает программа для ЭВМ, а имитационное моделирование сводится к проведению экспериментов с моделью путем прогонов программы на некотором множестве данных.

Имитационные модели, используемые при исследовании ВС, обычно имеют вероятностную природу. Моделирование вероятностных процессов основывается на методе статистических испытаний (методе Монте — Карло). По этой причине имитационное моделирование часто называют статистическим моделированием, хотя в большинстве имитационных моделей метод статистических испытаний сочетается с вычислениями по детерминированным зависимостям.

В общем случае при проведении имитационного моделирования можно выделить следующие этапы:

1. Создание концептуальной модели. Цель этого этапа — определение общего замысла модели на основе анализа поставленной задачи. На этапе создания концептуальной модели выдвигаются основные гипотезы, фиксируются сделанные допущения, определяется общая методика проведения исследования и производится выбор программных и технических средств.

2. Разработка имитационной модели. Цель этого этапа — создание программы для ЭВМ путем составления алгоритмического описания концептуальной модели. Алгоритмическое описание заключается в детальном определении параметров, характеристик, критериев эффективности и логико-математическом представлении концептуальной модели. Составная часть разработки алгоритмического описания — разработка структуры модели и, возможно, представление модели в графической форме. Необходимый элемент выполняемых работ — тщательный анализ адекватности модели. Этап завершается программированием и контрольными испытаниями модели.

3. Моделирование на ЭВМ. Цель этого этапа — сбор на модели статистических данных о поведении исследуемой системы и их обработка для получения требуемых характеристик последней. Исходя из целей моделирования производится планирование машинных экспериментов с моделью: определяются необходимые наборы исходных данных и порядок прогонов программы на ЭВМ. Ввиду сложности и неформальности определенной выше последовательности работ при создании имитационных моделей широко используется метод последовательного уточнения модели, основывающийся на циклическом повторении отдельных этапов имитационного моделирования.

Важнейшее свойство имитационного моделирования — его универсальность. Имитационные модели используют при исследовании систем, сложность которых изменяется в широких пределах. При этом сложность создания и использования имитационных моделей не обнаруживает столь резкого роста с увеличением сложности исследуемых систем, как это обычно имеет место при применении аналитических моделей. Изменение уровня детализации описания системы в имитационных моделях обычно возможно без отказа от единого подхода к организации моделирования. Благодаря этому имитационные модели особенно эффективны при исследовании систем, структура которых может быть представлена в виде совокупности иерархически организованных подсистем.

Исследование ВС средствами имитационного моделирования в общем случае — трудоемкий и сложный процесс. Состав и последовательность работ при имитационном моделировании зависят от сложности исследуемой системы, особенностей постановки задачи,