Studopediya

КАТЕГОРИЯ:


Астрономия- (809) Биология- (7483) Биотехнологии- (1457) Военное дело- (14632) Высокие технологии- (1363) География- (913) Геология- (1438) Государство- (451) Демография- (1065) Дом- (47672) Журналистика и СМИ- (912) Изобретательство- (14524) Иностранные языки- (4268) Информатика- (17799) Искусство- (1338) История- (13644) Компьютеры- (11121) Косметика- (55) Кулинария- (373) Культура- (8427) Лингвистика- (374) Литература- (1642) Маркетинг- (23702) Математика- (16968) Машиностроение- (1700) Медицина- (12668) Менеджмент- (24684) Механика- (15423) Науковедение- (506) Образование- (11852) Охрана труда- (3308) Педагогика- (5571) Полиграфия- (1312) Политика- (7869) Право- (5454) Приборостроение- (1369) Программирование- (2801) Производство- (97182) Промышленность- (8706) Психология- (18388) Религия- (3217) Связь- (10668) Сельское хозяйство- (299) Социология- (6455) Спорт- (42831) Строительство- (4793) Торговля- (5050) Транспорт- (2929) Туризм- (1568) Физика- (3942) Философия- (17015) Финансы- (26596) Химия- (22929) Экология- (12095) Экономика- (9961) Электроника- (8441) Электротехника- (4623) Энергетика- (12629) Юриспруденция- (1492) Ядерная техника- (1748) Arhitektura- (3434) Astronomiya- (809) Biologiya- (7483) Biotehnologii- (1457) Военни бизнесмен (14632) Висока technologies- (1363) Geografiya- (913) Geologiya- (1438) на държавата (451) Demografiya- ( 1065) Къща- (47672) журналистика и смирен (912) Izobretatelstvo- (14524) външен >(4268) Informatika- (17799) Iskusstvo- (1338) историята е (13644) Компютри- (11,121) Kosmetika- (55) Kulinariya- (373) културата е (8427) Lingvistika- (374) Literatura- (1642) маркетинг-(23702) математиците на (16968) Механична инженерно (1700) медицина-(12668) Management- (24684) Mehanika- (15423) Naukovedenie- (506) образователна (11852) truda- сигурност (3308) Pedagogika- (5571) Poligrafiya- (1312) Politika- (7869) Лево- (5454) Priborostroenie- (1369) Programmirovanie- (2801) производствено (97 182 ) индустрия- (8706) Psihologiya- (18388) Religiya- (3217) Svyaz (10668) Agriculture- (299) Sotsiologiya- (6455) на (42831) спортист строително (4793) Torgovlya- (5050) транспорт ( 2929) Turizm- (1568) физик (3942) Filosofiya- (17015) Finansy- (26596) химия (22929) Ekologiya- (12095) Ekonomika- (9961) Electronics- (8441) Elektrotehnika- (4623) Мощност инженерно ( 12629) Yurisprudentsiya- (1492) ядрена technics- (1748)

Етапи на изграждане на модели




Същността на математически модел е, че реалната система или операция, тя изпълнява, опростена, схематизирани и описано с помощта на математически апарат.

Изграждане на модела започва с подготвителен етап, свързани с изясняване на задачата (вж. Предишната глава). Пояснява цел на изследването, и следователно за цел изграждане на модел, условията на решението на проучването, по-специално, предположения и ограничения, както и стратегия за решаването на проблема. Държани разбиране на основните начини за постигане на целта.

Всъщност работи по разработването на модела се отваря смислено описание на симулираната обект (концептуално моделиране). Този етап е един от основните. Симулиран обект е описано по подход система. Тя е напълно реализиран съвкупността от методологични насоки. Описание на обекта се осъществява на естествен език, с помощта на различни средства за изразяване. Резултатът е концептуален модел. Този модел трябва да се фокусира върху идентифицирането на специфичните свойства на обекта прототип и неговите показатели за качество в съответствие с целите на симулацията. В разработването на концептуалния модел е необходимо, за да оправдае това, което трябва да влезе в нея, и това, което може да бъде изхвърлен без значителни резултати изкривяване симулация. Като правило, на концептуалния модел е различна информация съкращения. Процесът на създаването му никога не може да бъде напълно формализирана, но когато провеждането му е възможно да се използват елементи от теорията на графите, комплекти и др В изграждането на концептуалния модел е допълнително отражение на проблема. се изисква Гледан стъпка, като смислено описание служи като основа за по-нататъшното изграждане на модел.

Следващата стъпка е действителното разработване на математически модел. Математически методи в основата математическо моделиране, без оглед на физическата природа на обекта. Следователно, математически модели са класифицирани като абстрактно, но същността на развитието на тези модели се намалява до описанието на обекта чрез формално моделиране. Трябва да се отбележи, че като обект на моделиране или формализация действа концептуален модел е създаден на етапа на изпълнение на задачата.

В процеса на изграждане на математически модели на два относително различни фази могат да бъдат разграничени. Първият преход от описанието на концептуалния модел по отношение на предметната област на описанието им по отношение на избрания математически методи, за да се опише формализирането на съдържание (изграждането на официална модел) .. В резултат от изследвания обект губи своята физическа природа и става абстрактно. Вторият етап е свързан с описанието на формализирано модел на математически средства, което означава, че действителната конструкция на математически модел.



Представеният подход към структурирането на процеса на разработване на математически модел позволява да се разделят правомощията на страните - на клиента и на художника, представляваща темите на проучването. Той също така намалява изискванията за компетентност на художника по отношение на знания на обекта на изследване - средства и системи за автоматизация на. Изпълнителят трябва да бъде постижения в областта на математическото моделиране. Лесно е да се види, че изискванията за професионални умения на обратното на клиент, определен за изпълнител.

В по-широк смисъл, моделът може и трябва да се разглежда като средство за натрупване на знания в резултат на научни изследвания. От тази гледна точка, в много случаи се оказва достатъчен избор на готовия модел, ако има доверие в адекватността на своя нов изследователски център. Освен това, успешното изпълнение на официална терминологично описание на концептуалния модел ще позволи да се използва модел, построен за един доста отдалечен от обекта, и по този начин се намали проблема да бъде известен. По принцип за това допълнително, относително прост модел за интерфейс проблем да се реши и да се разработи избран модел на нивото на входните и изходните данни. Може да има ситуации, когато двойката се свежда до различно от уговореното, тълкуването на оригиналните данни и резултатите от добре познат проблем.

Развитие на модела може да се разглежда като решение на математически проблем - описателен или оптимизация. Първата е насочена към изграждането на задоволително описание на обекта, а вторият - за оценка на граничните стойности на показателите за качество и изходни опции за търсене на данни, осигуряващи изключителна стойност на критерия за качество.

Разнообразие от методи за изграждане на модели на разположение на съвременната математика, ви позволи да създадете различни модели на един и същ обект с различно качество. Всеки метод е фокусиран върху определен модел клас, във връзка с която могат да бъдат класифицирани в по унифициран начин. Така че, отличава аналитични и симулационни модели. Първият е набор от математически изрази, свързани данните на продукцията и суровините, докато вторият включва изграждането на алгоритъм на функциониране на обекта.

Характеристики на аналитично изследване се определят от избрания метод, използването на които изисква приемането на някои специални допускания често са доста значително. Всеки един от тези предположения различна степен води до адекватност намаляване на модела и следователно изисква обосновка приемливост аналитично моделиране във всеки отделен случай.

Въпреки тези ограничения за аналитично проучване на практиката стреми преди всичко, защото получаването на функционални зависимости, толкова по-ясно, да същото ограничен набор от елементарни функции е най-цялостно решение на проблема.

Въпреки това, за да се постигне тази цел, т.нар проблема на сложността на модела, който по принцип е да се обсъждат опростяване на модела и получаване на най-малко приблизително разтвор.

опростени методи могат да бъдат много различни. Техният избор зависи от много фактори - целите и условията за решаване на проблема, като математически модел, обучение на изследователи. Последното е често от решаващо значение. Характеристики на компютърни системи като обект на изследване са следствие от факта, че техните аналитични модели за по-голямата част са вероятностни и по този начин да ограничи обхвата на възможните методи за намаляване на тяхната сложност. По този начин, пълнотата на изграждане на вероятностни модели е да се намери функции разпределението на очакваните параметри. Въпреки това, при такова решение е възможно само в някои специфични случаи, тъй като по правило, получените функционални зависимости или не е очевидно, или са извън обхвата на елементарни функции.

Можете да го направите по различен начин в подобни ситуации. Например, за да се получи резултат в цифрова форма за някои групи от входни данни и да го помисли за междинно. След изграждането на модела е намалена до сближаване на резултата и формирането на набор от функционални зависимости. В случай на неприемливост на такъв метод за получаване на общ разтвор ограничава до конкретен разтвор - намери функционална зависимост на някои моменти на разпределението, като правило, първо, най-малко - втората.

И накрая, когато трудностите в изграждането на вероятностен модел са непреодолими, проблемът се свежда до детерминирана. За да направите това, на случайни величини са заменени с техните математически очаквания, което дава основание да се наричаме такива модели са модели от среден. Тази техника се използва широко в изследователския процес на компютърни системи и процеси, е да ги представи като операция времето диаграми. Въпреки това, както е подчертано по-горе, този метод на опростяване е приложима само когато има стохастичен детерминизъм.

В допълнение, специално внимание трябва да се обърне така наречените асимптотичната методи за намаляване на сложността на аналитични модели. Тяхната същност е да замените някои функции на своята асимптота или средно. Освен това, заместването може да бъде подложен на не един, а няколко функции в краен експресия. В някои случаи, тези методи дават възможност не само да се намали сложността на моделите, но причината основно платежоспособността на проблема в дадена форма.

Асимптотичната методи намират приложение при оценката на граничните стойности на показателите за качество. Например, когато се оценява полза на ефективността от въвеждането на компютри буфер памет, когато тя се сваля някои процеси масив и обработка на последната изпълнена строго последователно, че е необходимо да се знае отношението на продължителност на тези процеси. Лесно е да се види, че това съотношение зависи от разнообразието на използване на всеки елемент на масива и растеж клони към нула, което е функция на съотношението счита времето за асимптота. Очевидно е, че преходът към компютър оценка асимптотичната производителност в този случай означава, че е взето времето за зареждане буфер памет, за да бъде незначително.

Този пример показва, между другото, че включването на асимптотичната оценки може да се извърши на етапа на формулиране на проблема в процеса на изграждане на концептуален модел.

Симулационни модели позволяват да се преодолеят основните ограничения на аналитични модели, и е алтернатива на последната. The вероятностен характер на функционирането на компютърните системи, е наложително да се изгради симулационни модели за изследванията си единствено въз основа на метода на Монте Карло, което дава основание да се наричаме тези статистически модели.

Споменатият метод е до известна степен може да се счита за универсален, тъй като все още няма фундаментални ограничения на нивото на детайлност на изследваните процеси, и следователно, точността на симулация. Въпреки това, методът на статистически тестове, както и всички цифрови методи, недостатъка, свързани със сложността на създаване функционални връзки между цифровите стойности на параметрите. Резултатите са частни, тъй като те осигуряват на системата само в отделни точки в пространството на първоначалните данни.

Проблемът с оглед на сложността на симулационни модели е само в сложността на строителството им, но не по принцип разрешимост на проблема.

Горните характеристики на всеки от двата класа математически модели определят възможността за тяхната комбинация в оценката на качеството компютърни системи. Аналитични модели са най-полезни в първия търсенето, етапи на системите при определяне на изискване бързи показателите за оценка на качеството. Тези стъпки трябва да се моделира експеримент има достатъчно често. В същото време, задачата подробна и точна проучвания не са предназначени, тъй като нито структурна нито параметри синтез все още не е завършено. Ето защо, една възможност за получаване на резултатите значително ще съкрати търсенето на приемливи решения.

Допълнителни подробности за системата, създадена в рамките на аналитичната моделиране е възможно само до определен лимит, след което тя се превръща целесъобразно преход към симулация. Като правило, тази гама е възможно да се създадат комплексни решения за автоматизация е значително намален, което оправдава разработването на статистически модели за всяка от изследваните варианти.

Разработване на математически модел, не изчерпва съдържанието на процеса на развитие на инструменти. Последните проучвания са склонни да се извършва с използването на автоматизация. По отношение на оценката на качеството на компютърни системи, автоматизация на изследването не е само желателно, но задължително. Причината за това е голямата сложност на математически модели.

И това е вярно не само за статистически модели, за изпълнението на която ръчни методи е невъзможно по принцип, но за най-аналитичните. Последното може да се основава не само въз основа на методите на теорията на вероятностите и изчакване, но също и с използването на комбинаторни методи. Въпреки това, дори ако конструиран модел е сравнително проста, но трябва да се получи с помощта на числени резултати на снимачната площадка на набори от данни за въвеждане, автоматизация на изчисленията става възможно.

Така, развитието на математически модел, в повечето случаи води естествено за развитието на програма, която тя изпълнява на компютъра. Повечето от сложността на този процес е довело някои автори да го разпредели в отделна фаза на изследвания, като по този начин увеличава своята роля.

Следващият етап на изграждане на модел - модел на оценка на качеството, в центъра на който е дадена оценка на адекватността на модела на този етап се проверява как разработен модел е еквивалентен на прототип обект, и по този начин е подходящ за използване. Според резултатите от изпитването на модел на адекватността на решението относно възможността за практическото му използване е от корекцията.





; Дата: 01.07.2014; ; Прегледи: 758; Нарушаването на авторските права? ;


Ние ценим Вашето мнение! Беше ли полезна публикуван материал? Да | не



ТЪРСЕНЕ:


Вижте също:



zdes-stroika.ru - Studopediya (2013 - 2017) на година. Тя не е автор на материали, и дава на студентите с безплатно образование и използва! Най-новото допълнение , Al IP: 66.102.9.26
Page генерирана за: 0.048 сек.