Введение
 


Имитационное моделирование является важнейшим инструментом поисковых исследований в области анализа сложных систем и верификации аналитических и чис-ленных расчетных методик. Известный недостаток его – статистическая погрешность результатов – в условиях резко возросшего быстродействия ЭВМ перестал быть крити-чески важным. Однако остаются задачи, в которых проблема понижения дисперсии ре-зультатов моделирования остается актуальной:
1) анализ сильно загруженных систем массового обслуживания (СМО);
2) расчет структурно сложных систем с сильно зависящими от состояния вы-ходными показателями (например, те же СМО с отказами каналов);
3) расчет вероятностей редких событий (число испытаний, требуемое для полу-чения оценки с заданной относительной точностью, обратно пропорционально искомой вероятности и квадрату допустимой ее погрешности).
В таких случаях приходится прибегать к методам понижения дисперсии (МПД) результатов единичного испытания [1, 6], в которых можно найти ссылки на дополни-тельные источники. К сожалению, во всех этих источниках не обсуждаются или не рас-крываются критически важные детали технологии МПД-моделирования, без которых воспользоваться МПД не удается.
В докладе рассмотрены следующие вопросы реализации упомянутых технологий:
• логарифмическая шкала выдач; • раздельные датчики псевдослучайных чисел (ДСЧ);
• выбор оценок с наименьшей дисперсией;
• дополняющие ДСЧ;
• использование контрольных переменных;
• условная имитация.
Подчеркнем, что общей идейной основой МПД является использование дополнительных знаний о моделируемой системе. Предложения по МПД, не привлекающие таких знаний, могут «отметаться с порога» – по аналогии с проектами «вечных двигателей».

 
назад

вперед