Исследование и реализация систем дискретно-событийного имитационного моделирования на основе графовых моделей

• Автор: Карпухин, Илья Николаевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 321 с. : ил. + Прил. (с. 143-321)

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
Актуальность темы работы
Цель работы
Решаемые задачи
Научная новизна
Практическая полезность
Методы исследований и достоверность результатов
Апробация работы
Личный вклад диссертанта
Публикации
Содержание работы по главам
1. ИССЛЕДОВАНИЕ МОДЕЛЕЙ И МЕТОДОВ ИМИТАЦИОННОГО
МОДЕЛИРОВАНИЯ
1.1. Глоссарий
1.2. Значимость
1.3. Определение имитационного моделирования
1.4. Этапы имитационного моделирования
1.5. Модели времени в имитационном моделировании
1.5.1. Дискретно-событийное моделирование
1.5.2. Моделирование Монте-Карло
1.5.3. Непрерывное моделирование
1.6. Методы имитационного моделирования
1.7. Модели представления знаний
1.7.1. Формальные грамматики
1.7.2. Логические модели
1.7.3. Комбинаторные модели
1.7.4. Алгебраические модели
1.7.5. Продукционные модели
1.7.6. Семантические сети
1.7.7. Байесовские сети
1.7.8. Фреймы
1.7.9. Ленемы
1.7.10. Нечёткие логики
1.7.11 .Нейронные сети
1.7.12. Генетические алгоритмы
1.8. Основные подходы к имитационному моделированию
1.8.1. Агентное моделирование
1.8.2. Дискретно-событийный подход
1.8.3. Системная динамика
Выводы и результаты по главе
2. АНАЛИЗ СУЩЕСТВУЮЩИХ ПРОГРАММНЫХ СРЕДСТВ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
2.1. Программные средства имитационного моделирования
2.1.1. AnyLogic by XJ Technologies
2.1.2. GPSS by Minuteman Software
2.1.3. Arena Simulation Software by Rockwell Automation
2.1.4. SC ADA-системы
2.1.5. VisSim by Visual Solutions
2.1.6. 20-sim by Control ab Products В
2.1.7. Dymola by Dassault Systèmes AB
2.1.8. Omola by M. Andersson

2.1.9. COMNET 111 by CAC1 Products
2.I.10.SIMNET II by Hamdy A
2.1.1 l.AutoMod by Brooks-PRl Automation
2.1.12.MedModel by PROMODEL Corporation
2.1.13.Vensimby Ventana Systems
2.1.14.Powersimby Powersim Software AS
2.1.15.Ascape by The Brookings Institution
2.1.16.The RePast Suite
2.1.17.CSIM by Mesquite Software
2.1.18. Extend by Imagine That
2.1.19.SIMI
2.1.20.SimPy by SimPy Developer Team
2.2. Программные средства имитационного моделирования в российской высшей школе
2.2.1. Инструментальный комплекс СИМПР-WINDOWS
2.2.2. Среда имитационного моделирования РДО
Выводы и результаты по главе
3. МОДЕЛЬ ДИСКРЕТНО-СОБЫТИЙНОГО ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ НА ОСНОВЕ РЕШАЮЩИХ ГРАФОВ
3.1. Понятие решающего графа и его использование в имитационном моделировании
3.2. Формальное представление
3.3. Полнота, неоднозначность и эквивалентность решающих графов
3.4. Утверждение (о сводимости многодольных моделей)
Выводы и результаты по главе
4. ПРОГРАММНОЕ СРЕДСТВО «G-IPS ULTIMATE»
4.1. Общие сведения о программных разработках
4.2. История развития комплекса G-IPS Ultimate
4.3. Программное средство G-IPS Ultimate
4.3.1. Требование к программе
4.4. Реализация
4.4.1. Структура проекта
4.4.2. Графический интерфейс G-IPS Ultimate
4.4.3. Структуры данных в G-IPS Ultimate
4.4.4. API Gipslnclude
4.4.5. API GipsHostPlugins
4.4.6. Функциональное наполнение
4.4.7. Объемные характеристики G-IPS Ultimate
4.5. Примеры использования G-IPS Ultimate
4.5.1. Пример реализации в G-IPS Ultimate алгоритма поиска цепей заданной длины в графе
4.5.2. Пример реализации логики игры в G-IPS Ultimate
4.5.3. Пример моделирования бизнес-процесса работы приёмного отделения медицинского центра
4.6. Тестирование комплекса G-IPS Ultimate
4.6.1. Постановка эксперимента
Результаты по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. ПРИМЕРЫ ШАБЛОНОВ КОДА
П 1.1 .Автоматически сгенерированный шаблон кода для модуля поиска 1SSC
П 1.2. Автоматически сгенерированный шаблон кода «РасМап»
ПРИЛОЖЕНИЕ 2. СПИСОК СОКРАЩЕНИЙ
ПРИЛОЖЕНИЕ 3. ИСХОДНЫЙ КОД ПРОГРАММНОГО СРЕДСТВА G-IPS
ULTIMATE

ВВЕДЕНИЕ
Тема работы
Исследование и реализация систем дискретно-событийного имитационного моделирования на основе графовых моделей.
Объект работы
Модели дискретно-событийного имитационного моделирования, базы знаний на их основе.
Предмет работы
Создание и интерпретация моделей поведения дискретных систем, эффективное манипулирование моделями.
Актуальность темы работы
Имитационное моделирование является мощным инструментом исследования поведения реальных систем. Методы имитационного моделирования позволяют собрать необходимую информацию о поведении системы путем создания её математической модели и последующего имитационного эксперимента. Эта информация используется затем для проектирования системы.
Современное имитационное моделирование применяется в основном для исследования ситуаций и систем, которые можно описать как системы массового обслуживания. Это не ограничивает применение имитационного моделирования, поскольку на практике любую ситуацию исследования операций или принятия решений можно в той или иной мере рассматривать как систему массового обслуживания. По этой причине методы имитационного моделирования находят широкое применение в задачах, возникающих в процессе создания систем массового обслуживания, систем связи; в экономических и коммерческих задачах, включая оценки поведения потребителя, определение цен, экономическое прогнозирование деятельности фирм; в социальных и социально-психометрических задачах; в задачах анализа военных стратегий и тактик; в задачах дорожного движения, логистики, динамики экосистем, социальных сетей и многого другого [1].

• количественные (больше, меньше, равно...);
• пространственные (далеко от, близко от, за, под, над...);
• временные (раньше, позже, в течение...);
• атрибутивные связи (иметь свойство, иметь значение);
• логические связи (И, ИЛИ, НЕ);
• лингвистические связи и др.
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе [47].
На рис. 1.7 изображена семантическая сеть. В качестве вершин тут выступают понятия «Человек», «Иванов», «Волга», «Автомобиль», «Вид транспорта» и «Двигатель». Данная модель была предложена американский психологом Куил-лианом. Основным её преимуществом является то, что она более других соответствует современным представлениям об организации долговременной памяти человека [48].
Значение
Красный - Цвет Двигатель
Свойство

«Волга»
Автомобиль
частью |
Это Вид
т транспорта
Принадлежит

Любит
Иванов
Например
Человек
Рис. 1.7 Пример семантической сети
1.7.7. Байесовские сети
Байесовские сети доверия (БСД) разработаны для того, чтобы выражать зависимости между различными переменными, которые (и зависимости, и переменные) можно представить в виде направленного ациклического графа причинно-следственных связей. Под словом «ациклический» понимается граф, в котором