建立系統的數學模型
模擬是基於模型的活動,用模型模擬代替真實系統進行實驗和研究。因此,首先需要對要模擬的問題進行定量描述,也就是建立系統的數學模型。
模型是對現實世界的模仿,五顏六色,所以模型也是五花八門;
根據模型是否包含隨機因素,可以分為隨機模型和確定性模型。
根據模型是否時變,可以分為動態模型和靜態模型。
根據模型參數在空間上是否連續變化,可分為分布參數模型和集總參數模型。
根據模型參數是否隨時間連續變化,可分為連續系統模型和離散系統模型。
根據模型的數學描述,可分為常微分方程、偏微分方程、差分方程、離散事件模型等。
對於以上不同類型的模型,這裏不做深入討論,只討論建立系統數學模型的幾個* * *問題。
1)建模過程是壹個信息處理過程,換句話說,信息是構建模型的“原材料”,根據建模所用“原材料”類型的不同,建模方法可以分為兩類:
壹種是演繹建模,即利用先驗技術信息建模。過程是:從壹些前提、假設、原則和規則出發,通過數理邏輯推導,建立模型。所以這是壹個由壹般到特殊的過程,即根據壹般的技術原理推導出對模擬對象的特殊描述。
另壹種是歸納建模,即利用真實系統的實驗數據信息進行建模。其過程是:通過對真實系統的測試得到數據,數據中包含了能夠反映真實系統本質的信息,然後通過數據處理得到真實系統規律性的描述,比如大家熟知的最小二乘回歸模型。這是壹個從特殊到壹般的過程。
但在實際應用中,往往是將上述兩種方法結合起來建立模型,即混合方法建模。
無論采用哪種建模方法,關鍵在於對真實系統的了解。如果我們沒有完全正確地理解真實系統,那麽模型就不會準確地模仿真實系統的本質。
2)模型的可信度。既然模型是對真實系統的模仿,那麽就存在壹個模仿的問題,即模型的相似性和準確性的可靠性。
模型的可信度取決於建模所使用的信息“原材料”(先驗知識、實驗數據)是否正確、完整,還取決於所使用的建模方法(演繹法、歸納法)是否合理、嚴謹。另外,對於很多仿真軟件來說,需要將數學模型轉化為仿真算法能夠處理的仿真模型。所以也存在模型轉換精度的問題。建模中的任何錯誤都會影響模型的可信度。
因此,模型建立後,檢驗模型的可信度是必不可少的重要步驟。檢驗模型可靠性的方法通常是:首先由熟悉模擬系統的專家對模型進行分析評估,然後對建模所用的數據進行統計分析,最後對模型進行嘗試,將初步模擬結果與估計結果進行比較。
模擬計算
仿真計算是對建立的仿真模型進行數值實驗和求解的過程,不同的模型有不同的解。例如,連續系統通常用常微分方程、傳遞函數甚至偏微分方程來描述。因為幾乎不可能得到這些方程的解析解,所以總是使用數值解,例如對於常微分方程主要使用各種數值積分方法,對於偏微分方程使用有限差分法、特征線法、蒙特卡羅法或有限元法。
再比如,對於離散事件系統,通常使用概率模型,其仿真過程實際上是壹個數值實驗過程,這些參數必須符合壹定的概率分布規律。不同類型的離散事件系統(如隨機服務系統、隨機庫存系統、隨機網絡計劃等)有不同的模擬方法。).
隨著仿真對象的日益復雜和對實時仿真的迫切需求,研究新的仿真算法,尤其是各種並行仿真算法壹直是壹項重要的任務。
模擬結果分析
為了通過仿真得出正確有效的結論,有必要對仿真結果進行科學的分析。早期的仿真軟件以大量數據的形式輸出仿真結果,因此需要對仿真結果數據進行整理,進行各種統計分析,才能得出科學的結論。可視化技術廣泛應用於現代仿真軟件中,通過圖形、圖表甚至動畫形象地展示仿真對象的各種狀態,使仿真的輸出信息更加豐富和詳細,更有利於對仿真結果進行科學分析。