Математика все более широко и все более успешно используется для решения таких конкретных задач, которые требуют индивидуального нешаблонного подхода при их формализации. Сталкиваясь с подобной задачей, математик вначале стремится сформулировать ее словами, то есть построить словесную модель, отражающую все существенные стороны явления и оставляющую в стороне второстепенные. Затем эту словесную модель предстоит формализовать, или построить математическую модель изучаемого объекта. Построенная модель подвергается изучению с помощью математических средств.
Применение средств ИКТ расширяет возможности компьютерного математического моделирования, позволяет строить информационные модели с целью выбора наиболее оптимального метода решения задачи. Компьютерная модель – класс знаковых моделей, описывающих информационные процессы в объектах различной природы. При обучении моделирование и модель выступают не только как инструмент и метод познания объектов и явлений, но и как метод усвоения основных существенных свойств и закономерностей реальной действительности.
Исходя из этих предпосылок применение методики использования компьютерных моделей в обучении математике является актуальным.
Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ.
Возможности моделирования, то есть перенос результатов, полученных в ходе построения и исследования модели, на оригинал основаны на том, что модель в определенном смысле отображает (воспроизводит, моделирует, описывает, имитирует) некоторые интересующие исследователя черты объекта.
Модель (от лат. modulus – мера, образец) – некоторый материальный или мысленно представляемый объект или явление, замещающий оригинальный объект или явление, сохраняя только некоторые важные его свойства, например, в процессе познания или конструирования.
Математические модели подразделяются на функциональные, структурные и информационные.
«Моделирование – совокупность методов построения моделей и изучения на них соответствующих явлений, процессов (в том числе и процесса решения задачи), систем объектов (оригиналов), а также совокупность методов использования результатов изучения модели для определения или уточнения характеристик самих объектов исследования».
Функциональные модели характеризуются установлением функциональной зависимости, которая объединяет показатели изучаемого объекта, обнаруженные экспериментальным путем. Такого рода модели выражают построение функции по значениям аргумента.
Структурные модели выражают то или иное предположение (гипотезу) о внутреннем строении и связях изучаемого объекта, что проявляется в наблюдаемых фактах. В этих моделях наблюдаемые и измеримые переменные определенным образом (структурно) связываются с ненаблюдаемыми и неизмеримыми характеристиками объекта.
Информационные модели характеризуются тем, что в них связаны функционально поступающая информация, её переработка и обратная связь. В основе информационных моделей находится отображение зависимостей исследуемого явления путем определенных действий над информацией. Информационные модели позволяют давать описание опыта изучаемого явления в определенной форме выражения информации, т. е. проверить кодирование и перекодирование сообщений, их связей и зависимостей. Всё это позволяет вводить в модели количественную и содержательную стороны сообщений и устанавливать связь логического и описательного.
Информационные модели, применяемые в школах, как правило, не являются универсальными. Каждая из них рассчитана на моделирование достаточно узкого круга явлений. Современные средства ИКТ позволяют не только работать с готовыми моделями объектов, но и производить их конструирование из отдельных элементов. Информационная модель никогда не характеризует объект полностью. Для одного и того же объекта можно построить различные информационные модели.
Применение компьютерных технологий обучения позволяет видоизменять весь процесс преподавания, реализовывать модель личностно-ориентированного обучения, интенсифицировать занятия, а главное – совершенствовать самоподготовку обучающихся. Безусловно, современный компьютер и интерактивное программно-методическое обеспечение требуют изменения формы общения преподавателя и обучающегося, превращая обучение в деловое сотрудничество, а это усиливает мотивацию обучения, приводит к необходимости поиска новых моделей занятий, проведения итогового контроля (доклады, отчеты, публичные защиты групповых проектных работ), повышает индивидуальность и интенсивность обучения.
Компьютерное моделирование, возникшее как одно из направлений математического моделирования, с развитием компьютерных технологий стало самостоятельной и важной областью применения компьютеров. Компьютерные модели используются для решения задач о моделируемых объектах
направленных на развитие теорий, гипотез и их проверку;
облегчающих решение практических вопросов;
улучшающих процесс обучения.
При работе с моделью задача о моделируемом объекте может быть сформулирована в виде цели, т. е. как задача получения желаемого состояния модели. Постановка цели предполагает определение устройства конкретного объекта, его структуры, основных свойств и взаимодействия с окружающим миром – понимание модели, а также целенаправленное вмешательство в функционирование модели – управление моделью. Управление компьютерной моделью происходит обычно в форме диалога человека с компьютером.
Компьютерные модели, применяемые в школах, можно классифицировать, исходя из разных критериев: возрастного, сюжетной тематики, уровня сложности, сложности управления, задач развития умственных способностей и других характеристик. Так, в частности можно выделить:
развивающие компьютерные модели и конструкторы;
обучающие компьютерные модели;
компьютерные модели для учебного экспериментирования;
компьютерные модели, нацеленные на диагностику;
компьютерные модели-тренажеры, нацеленные на формирование умений и навыков.
Компьютер можно использовать в различных режимах обучения, а самое главное – в режиме графической иллюстрации изучаемого материала, т. к. возможности компьютера при иллюстрировании намного превосходят возможности любого бумажного учебника, рисунков на школьной доске. Компьютер как чертежный прибор имеет ряд преимуществ по сравнению с циркулем и линейкой. Так для изображения тел вращения требуется построить изображение окружности являющееся эллипсом. Однако циркулем и линейкой можно построить приближенное изображение эллипса, не всегда отличающегося хорошим качеством. С помощью компьютера можно создать большое количество разнообразных моделей геометрических фигур, что затруднено в случае с материальными моделями, как в техническом, так и в материальном плане.
Необходимость включения информационных технологий в процесс обучения математике обусловлена несколькими причинами.
Одна из них состоит в том, что применение информационных технологий во всех сферах человеческой жизнедеятельности на сегодняшний день стало необходимым условием успешного функционирования в современном информационном обществе и значит, должно касаться и школьного образования.
Вторая обусловлена предметным содержанием. На уроках математики учащиеся много работают с графическим изображением пространственных геометрических фигур, которые не всегда наглядно отражают их свойства. Поэтому особый интерес представляют графические редакторы, позволяющие создавать и изменять компьютерные модели геометрических объектов.
И, наконец, возможности информационных технологий в проведении компьютерного эксперимента с целью самостоятельного получения нового знания о геометрическом объекте на основе изучения компьютерной модели, делает эти технологии в процессе обучения одним из инструментов познания.
Рассмотрим некоторые преимущества компьютерных моделей пространственных геометрических фигур, по сравнению с традиционными моделями (развертки, модели из дерева или металла, пластмасса), а также чертежами и рисунками, выполненными на доске или на бумаге учебника.
Возможность быстрого создания большого количества разнообразных компьютерных моделей геометрических фигур, что затруднено в случае с материальными моделями, как в техническом, так и материальном плане.
Неоднократное обращение к компьютерной модели с целью ее демонстрации, что вызывает трудности с традиционными моделями.
Моментальное копирование компьютерных моделей для индивидуальной работы в классе, что невозможно при работе с материальными моделями и затруднено с чертежами и рисунками.
Возможность динамического изменения количественных характеристик модели объекта, которая полностью исключена в случае с традиционными моделями.
Учащиеся с интересом включаются в работу на основе моделирования и испытывают удовольствие от самостоятельного получения знаний по геометрии. Это не только положительно сказывается на мотивации обучения, но и вселяет уверенность в выполнении нового задания, обеспечивающую продуктивность учебно-познавательной деятельности.
Применение ИКТ на уроках математики дает возможность учителю сократить время на изучение материала за счет наглядности.
Использование информационных технологий на уроке способствует повышению качества знаний, расширяет горизонты школьной математики. Кроме того, компьютер потенциально готовит учащихся к жизни в современных условиях, к анализу большого потока информации и принятию решений.
Применение моделирования для обучения в области компьютерных наук
Р. П. Романски
Технический Университет, София, Болгария
Введение
Для развития компьютерной техники и совершенствования архитектурной организации компьютерных систем (КС) необходимо непрерывное обучение и самосовершенствование компьютерных специалистов и студентов. При проведении этого обучения надо комбинировать формы традиционного обучения с возможностями самостоятльной подготовки, дистанционного обучения, практической разработки проектов и реализации экспериментов исследования . Существенная роль при обучении в области компьютерных наук выпольняет применение современных методов изучения архитектурной организации и анализа системной производительности КС . В этом смысле, применение методов моделирования в процессе изучения базовых структур различных КС и организации компьютерных процессов позволяет разработать подходящее математическое описание исследуемого объекта и создать программное обеспечение для выполнения компьютерных экспериментов [Романски, 2001, Arons, 2000]. Анализ экспериментальных результатов моделирования [Брююль, 2002] позволяет оценить основные характеристики системы и производительность изучаемых КС.
Применение моделирования в процессе изучения КС позволяет исследовать особенности архитектуры и организацию вычисления и управления. Это можно осуществить на основе модельного эксперимента, организация которого предполагает проектирование компьютерной модели как последовательности трех компонентов (концептуальная модель, математическая модель, програмная модель) и реализации этой модели в подходящей операционной среде. В настоящей работе рассматривается вожможность применения разных методов исследования КС в процессе их изучения и в частности применение принципов моделирования для исследования протекающих процессов, а также анализ системной производительности КС. Основная цель состоит в определении обобщенной процедуры компьютерного моделирования как последовательность взаимосвязанных этапов и представлении основных стадий методологии модельного исследования. Для этого в следующей части представлены общая формализация компьютерной обработки информации и особенности компьютерных вычислений в качестве объекта изучения. Применение принципов моделирования в процессе изучения КС связано с методологической организацией обучения в традиционном, дистанционном, либо распределенном смысле .
Компьютерные системы как объект изучения и методы исследования
Одной из основных задач специализированных курсов обучения в области компьютерных систем и исследования производительности является обучение будущих и настоящих компьютерных проектантов, разработчиков компьютерного оборудования и потребителей КС в правильном использовании технологических возможностей моделирования и измерения характеристик систем . Эти возможности применяют как в процессе оценивания еффективности новых компьютерных проектов, так и для проведения сравнительного анализа существующих систем. В процессе обучения ставится задача выяснения последовательности этапов исследования и возможности обработки экспериментальных результатов для получения адекватных оценок индексов производительности. Эту задачу можно уточнить в зависимости от конкретной области компьютерного обучения и особеностей принципов рассматриваемой компьютерной обработки информации.
Рис. 1. Информационное поддерживание компьютерной обработки.
В общем, компьютерная обработка связана с реализацией определенных функций для преобразования входных данных в виде окончательных решений. Это определяет два уровня функционального преобразования информации (рис. 1):
математическое преобразование информации - реальная обработка данных в виде математических объектов и представляется обобщенной функцией f:D®R, которая изображает елементы множества данных D в елементах множества результатов R;
компьютерная реализация обработки - представляет конкретную реализацию f*:X®Y математической функции f в зависимости от компьютерного и программного оборудования на базе подходящего физического представления реальных информационных объектов.
В результате можно записать обобщенную функциональную модель компьютерной обработки r = f(d)ºj 2 {f*[ 1(d)]}, где функции j 1 и j 2 являются вспомогательными для кодирования и декодирования информации.
Рассматривая КС как объект изучения, надо иметь ввиду, что компьютерная обработка состоит из процессов, каждый из которых можно представить в виде структуры I = , где: t - начальный момент возникания процесса; A - дефинирующие атрибуты; T - трасса процесса. Последний компонент формального описания определяет временную последовательность событий e j для обращения данного процесса к елементам системного ресурса S={S 1 , S 2 , …, S n }. Последовательность времевых этапов и нагрузка системного ресурса позволяют определить профиль процесса вычисления (рис. 2).
Рис. 2. Примерный профиль компьютерного процесса.
Поддерживание разных процессов при организации компьютерной обработки формирует системную нагрузку компьютерной среды. Для каждого момента (t =1,2,...) ее можно представить вектором V(t)=Vt= , элементы которого выражают свободное (v j =0) или занятое (v j =1) устройство S j єS (j=1,2,...,n).
При изучении КС необходимо определить набор базовых системных параметров, которые отражают сущность компьютерной обработки, а также разработать методику исследования поведения системного ресурса и протекающих процессов. В качестве основных системных параметров (индексы производительности) можно исследовать, например, рабочую нагрузку каждого элемента системного ресурса, общую системную нагрузку КС, время ответа при решении комплекса задач в мультипрограммном режиме, степень устойчивости (стойкости) оборудования, стоимость компьютерной обработки, эффективность планирования параллельных или псевдопараллельных процессов и т.д.
Типичный курс обучения в области анализа и исследования производительности КС должен обсуждать основные теоретические и практические проблемы в следующих направлениях:
возможности исследования производительности компьютерного оборудование и эффективности компьютерных процессов;
применение эффективных методов исследования (измерение, моделирование);
технологические особенности измерения параметров системы (benchmark, monitoring);
технологические особенности и организация моделирования (аналитическое, симуляционное и др.);
методы анализа экспериментальных результатов.
Все это связано с применением данного метода исследования и выбором подходящего инструментария. В этом смысле на рис. 3 представлена примерная классификация методов исследования КС и процессов. Можно определить три основные группы:
Программные смеси - представляют математические зависимости для оценки производительности процессора на базе коэффициентов применения отдельных операционных классов. Позволяют оценить нагрузку процессора статистическим анализом после выполнения типовых программ.
Методы подсчета - позволяют получить достоверную информацию о протекании компьютерных процессов на основе непосредственной регистрации определенных значений доступных параметров КС . Для этого необходимо использовать или разработать подходящее средство подсчета (монитор) и организовать выполнение эксперимента по подсчету. Надо отметить, что современные операционные системы имеют собственные системные мониторы, которые можно использовать на программном или микропрограммном уровне.
Методы моделирования - применяются в том случае, когда отсуствует реальный объект эксперимента. Исследование структуры или протекающих процессов в КС осуществляется на базе компьютерной модели. Она отражает самые важные аспекты поведения структурных и системных параметров в зависимости от поставленной цели. Для разработки модели надо выбрать самый подходящий метод моделирования, позволяющий получить максимальную адекватность и достоверность .
Рис. 3. Классификация методов исследвания КС и процессов.
Традиционный процесс обучения предполагает проведение основного курса лекций совместно с набором аудиторных упражнений и/или лабораторным практикумом. В области компьютерных наук при изучении организации КС и принципов управления компьютерными процессами (на низком и на высоком уровне), а также при анализе системной производительности, часто возникает необходимость в разработке компьютерных моделей во время выполнения лабораторных задач в классе или при самостоятельной реализации проектов. Для удачного выполнения этих практических работ и для получения нужных практических умений необходимо определить последовательность этапов и представить технологические особенности разработки моделей. Это позволит обучаемым приобрести необходимые знания о разработке адекватных и достоверных компьютерных моделей исследования, оценки и сравнительного анализа системной производительности разных компьютерных архитектур. В результате этого далее предложена обобщенная процедура проведения моделирования, а также методологическая схема модельного исследования КС и процессов.
Процедура компьютерного моделирования при исследовании КС и процессов
Основная задача компьютерного моделирования при исследовании КС и процессов заключается в получении информации об индексах производительности. Планирование модельного эксперимента в процессе обучения осущевляется на основе следующих этапов:
сбор эмпирических данных для конкретных значений базовых системных параметров;
структурирование и обработка эмпирической информации и разработка функциональной схемы модели;
определение априорной информации и дефиниционные области рабочих параметров для разработки подходящей математической модели объекта-оригинала;
реализация модельных экспериментов, накапливание модельной информации и ее последующий анализ.
Обобщенная формализованная процедура модельного исследования для организации модельного эксперимента показана на рис. 4.
Рис. 4. Процедура модельного исследования.
Первоначальная цель определяется необходимостью исследования реального объекта (система или процесс). Основные этапы процедуры следующие:
Определение базовой концепции построения модели декомпозированием объекта на подсистемы и введение допустимой степени идеализации для некоторых аспектов поведения системных процессов.
Математическая формализация структуры и взаимосвязи в исследованном объекте на базе подходящей формальной системой.
Математическое описание функционирования реальной системы и разработка подходящей функциональной модели в зависимости от цели моделирования.
Реализация математической модели с использованием самого подходящего метода моделирования.
Описание созданной математической модели средствами подходящей программной среды (специлизированной или универсальной).
Выполнение экспериментов на базе созданной модели и последующая обработка и интерпретация модельной информации для оценки параметров объекта исследования.
Основные методы компьютерного моделирования следующие:
Аналитические методы - используют математические средства для описания компонентов реальной системы и протекающих процессов. На базе выбранного математического подхода математическая модель обычно строится как система уравнений, позволяющая легко программировать, но для реализации необходимы высокая точность формулировок и принятых рабочих гипотез, а также значительная верификация.
Симуляционные (имитационные) методы - поведение реального объекта подражается программному имитатору, который при своей работе использует реальную рабочую нагрузку (эмуляция), либо программную модель рабочей нагрузки (симуляция). Такие модели позволяют исследование сложных систем и получение достоверных результатов, но выполняются во времени и это определяет основной надостаток метода - значительное потребление машинного времени.
Эмпирические методы - это количественные приемы для регистрации, накопления и анализа информации функционирования реального объекта, на базе которых можно построить статистическую модель для его исследования. Обычно применаются линейные или нелинейные уравнения для представления взаимосвязи выбранных параметров (например, из множества первычных факторов) и для вычисления статистических храктеристик.
Основной задачей компьютерного моделирования является создание адекватной модели, при помощи которой достаточно точно можно представить структуру исследуемой системы и протекающих процессов . Разработка компьютерной модели включает три последовательных уровня - концептуальная модель (идейная концепция структурирования модели), математическая модель (изображение концептуальной модели средством математической формальной системы) и программная модель (программная реализация математической модели с подходящей языковой средой). На каждом уровне компьютерного моделирования необходимо проверять адекватность модели, чтобы обеспечить достоверность конечной модели и точность результатов модельных экспериментов. Специфика отдельных этапов процедуры моделирования определяет применяемые подходы и средства оценки адекватности. Эти особенности нашли место в разработанной методологии компьютерного моделирования, которая представлена ниже.
Методология модельного исследования
В процессе компьютерного моделирования, независимо от применяемого метода, можно определить обобщенную матодологическую схему модельного исследования (рис. 5). Предложенная формализованная методологическая последовательность предусматривает несколько основных фаз, представленных ниже. В основном, она представляет итерационную процедуру для получения необходимой достоверности разрабатываемой компьютерной модели на базе формулировки начальной модельной гипотезы и ее последовательной модификации. Такой подход является удачным при исследовании сложных систем, а также и при отсуствии достаточной априорной информации для исследуемого обьекта.
Стадия "Формулирование"
На первом этапе разработки модели необходимо точно и ясно определить объект моделирования, условия и гипотезы исследования, а также критерии оценки модельной эффективности. Это позволит разработать концептуальную модель и дефинировать ее абстрактными терминами и понятиями. Обычно абстрактное описание определяет начальные принципы модельного построения (основные апроксимации, дефиниционные области переменных, критерии эффективности и типы ожидаемых результатов). На этой стадии можно определить следующие подэтапы:
Дефинирование и анализ поставленной задачи. Включает ясно определенную сущность задачи исследования и планирование необходимых мероприятий. На базе анализа проблемы определяется объем предпологаемых действий и необходимость декомпозиции задачи.
Уточнение типа начальной информации. Эта информация позволяет получить корректные выходные результаты моделирования и поэтому надо обеспечить необходимый уровень достоверности оценок.
Введение допусщенйх и гипотез. Это необходимо при отсуствии достаточной информации для реализации модели. Допусщения заменяют отсуствующие данные, либо отсуствие их полности. Гипотезы относятся к типу возможных результатов или к среде реализации исследуемых процессов. В процессе моделирования эти гипотезы и допусщения могут быть приняты, отброшены, либо модифицированы.
Определение основного содержания модели. На базе применяемого метода моделирования отчитывается особеность реального объекта, поставленая задача и средства ее решения. Результаты этого подэтапа включают формулировку базовой концепции модели, формализованное описание реальных процессов и выбор подходящей апроксимацией.
Определение модельных параметров и выбор критериев эффективности. На этом подэтапе определяются первычные и вторычные факторы, входные воздействия и ожидаемые на выходе реакции модели, что является особенно важным для достижения необходимой точности математического описания. Уточнение критериев эффективности связано с дефинированием функциональных зависимостей оценки реакции системы при изменении модельных параметров.
Абстрактное описание модели. Фаза общего формулирования концептуальной модели заканчивает построение абстрактой модели в подходящей среде абстрактных терминов - например, в виде структурной схемы, как потоковой диаграмы (Data Flow Diagram), в виде графической схемы (State Transition Network) и т.д. Это абстрактное представление позволить легко построить математическую модель.
Рис. 5. Методологическая схема модельного исследования.
Стадия "Проектирование"
Проектирование компьютерной модели связано с разработкой математической модели и ее программным описанием.
Математическая модель является представлением структуры исследуемого объекта и протекающих процессов в подходящем математическом виде Y=Ф(X, S, A, T), где: X - множество внешних воздействий; S - множество системных параметров; A - отражает функциональное поведение (алгоритмы функционирования); T - время работы. Таким образом поведение (реакция) объекта Y моделирует набор функциональных воздействий Ф, представляющих аналитические зависимости (детерминированные или вероятностные). В этом смысле, математическая модель является описанием абстрактной модели средствами выбранной математической системы, оценивая принятые гипотезы и апроксимации, начальные условия и дефинированные параметры исследования. При разработке математической модели возможно применить известные математические формулы, зависимости или математические законы (например, вероятностные распределения), а также комбинировать и дополнить их. Самые распространенные для цели моделирования теоретические математические системы предоставляют возможность представить математическую модель и в графическом виде - сети Петри , цепи Маркова , системы массового обслуживания и др. На базе определенных на предыдущей стадии критериев, созданную математическую модель необходимо оценить с целью достижения необходимой степени достоверности и адекватности, и после этого можно утвердить или отбросить ее.
Программная модель представляет собой реализацию математического описания программным языком - для этого выбираются подходящие технические и технологические средства. В процессе программной реализации на базе математической модели разработывается логическая структурно-функциональная схема модели. Для построения этой схемы можно использовать традиционные блок-схемы, либо графические средства, которые представляются специализированной средой моделирования - как например в GPSS (General Purpose Simulation System) . Программная реализация модели является задачей разработки программного обеспечения и в этом смысле подчиняется принципам технологии программирования.
Стадия "Уточнение"
Действия этой стадии предназначенны для полной валидизации проектированной модели и утверждения ее адекватности. Существенное значение для их эффективности имеет оценка текущей адекватности на предыдущих стадиях. В этом смысле процесс уточнения модели надо рассмотривать как совокупность распределенных действий на всех предыдущих стадиях компьютерного моделирования. В общем плане, стадию уточнения можно представить как итеративную процедуру (рис. 6), позволяющую последовательную модификацию начальной версии разрабатываемой модели.
Рис. 6. Итеративная процедура для уточнения модели.
Основной целью проверки модельной достоверности является определение уровня точности соответствия при представлении процессов реального объекта и механизма регистрации модельных результатов. В общем плане, компьютерная модель представляет совокупность отдельных компонентов и в этом смысле особенно важно правильно планировать проверки адекватности.
Стадия "Выполнение"
Это этап реализации созданной модели (решение численным методом либо выполнение во времени). Самая главная цель - получение максимальной информации для минимальных затрать машинного времени. Предусмотрены два подэтапа:
Планирование модельного эксперимента - определение значения управляемых факторов и правила регистрации наблюдаемых факторов при выполнении модели. Выбор конкретного плана эксперимента зависит от поставленной цели исследования при оптимизации времени выполнения. Для получения эффективного плана обычно применяются статистические методы (полный план, однофакторный план, рандомизированный план и т.д.), позволяющие удалить совместное влияние наблюдаемых факторов и оценить допустимую экспериментальную ошыбку.
Реализация эксперимента - подготовка входных данных, компьютерная реализация экспериментального плана и сохранение экспериментальных результатов. Реализацию эксперимента можно выполнить следующим образом: контрольное моделирование (для проверки работоспособности и чувствительности модели и оценки модельного времени); рабочее моделирование (действительная реализация разработанного плана эксперимента).
Стадия "Анализ и интерпретация модельных результатов"
При реализации плана модельного эксперимента накапливается информация (результаты моделирования), которую необходимо анализировать для получения оценки и выводов о поведении исследуемого объекта. Это определяет два аспекта - выбор методов для анализа экспериментальной информации и применение подходящих способов интерпретации полученных оценок. Последнее особенно важно для формирования коректных выводов исследования. В смысле первого аспекта обычно применяют статистические методы - дискриптивные анализы (подсчет граничных значений параметров, математического ожидания, дисперсии и средне-квадратической ошибки; определение расслоения для выбранного фактора; вычисление гистограммы и др.); корреляционный анализ (определение уровня факторной взаимосвязи); регрессионный анализ (исследование причинной взаимосвязи в группе факторов); дисперсионный анализ (для устанавливания относительного влияния определенных факторов на базе экспериментальных результатов).
Результаты анализа модельных данных можно представить в числовом или табличном виде, при помощи графических зависимостей, диаграмм, гистограмм и пр. Чтобы выбрать подходящие графические средства существенное значение имеет использованный метод анализа, а также субъективные умения экспериментатора для оформления результатов эксперимента.
Заключение
Основная цель организации каждого модельного эксперимента - это реализация эффективного моделирования. Она связывается с машинным временем - значительный объем обработки в моделе повышает стоимость моделирования и понижает эффективность. Для эффективности исследования существенное значение имеет быстрая валидизация модели и достижение сходимости. Для каждой реальной системы часто приходится создавать множество разных моделей, отличающихся способом декомпозиции и уровнем детайлизации, методом моделирования, средствами программной реализации и т.д. В процессе выбора оптимального варианта только оценка точности и адекватности является недостаточной. Из множества сходимых моделей надо выбрать самый эффективный вариант, который тратить минимальное время на реализацию.
Существенное значение для достижения достаточной эффективности модели имеет и применяемый язык программной реализации, а также полность формальной системы абстрактного представления концептуальной модели, простота терминов описания, разработывание оптимального плана и др. Применение универсальных программных систем отличается отсуствием специфических языковых операторов и поэтому они являются подходящими прежде всего для аналитического моделирования. Для реализации симуляционных моделей удачно использовать специализированные языковые среды.
Список литературы
[Брююль 2002] Брююль А. SPSS: искусство обработки информации. Анализ статистических данных. Санкт Петербург: ДиаСофт, 2002, - 608 с.
[Романски, 2001] Романски Р. Математическое моделирование и исследование стохастических временных характеристик процессов компютерной обработки данных // Информационные технологии. - Москва, Россия, 2001, No 2, - С. 51 - 55.
Arons H., van Asperen E. Computer assistance for model definition // Proceedings of the 32nd Winter Simulation Conference. - Florida, USA, December 2000. - P. 399-408.
Benveniste A., Fabre E., Haar St. Markov nets: probabilistic models for distributed and concurrent systems // IEEE Transactions on Automatic Control. November 2003, vol. 48, No 11. - P. 1936-1950.
Butler J.E., Brockman J. B. A Web-based learning tool that simulates a simple computer architecture // ACM SIGCSE Bulletin. June 2001, vol. 33, No. 2. - P. 47-50.
Crosbie R. E. A model curriculum in modeling and simulation: Do we need it? Can we do it? // Proceedings of the 32nd Winter Simulation Conference. December 2000. -P. 1666-1668.
Fabre E., Pigourier V. Monitoring distributed systems with distributed algorithms // Proceedings of the 41st IEEE Conference on Decision and Control. - vol. 1. 10-13 December 2002 - P. 411-416.
Ibbett R.N. WWW Visualisation of Computer Architecture Simulations // Procedings of the 7th Annual Conf. on Innovation and Technology in Computer Science Education. June 2002. - P. 247.
Lilja D.J. Comparing Instructional Delivery Methods for Teaching Computer Systems Performance Analysis // IEEE Trans. on Education. February 2001, vol. 44, No 1, - P. 35-40.
Music G., Zupancic B., Matko D. Petri net based modeling and supervisory control design in Matlab // Proceedings of the IEEE Conference EUROCON 2003 "Computers as a Tool". - vol. 1. 22-24 Sept. 2003. - Slovenia. - P. 362-366.
Pandey S., Ramamritham K., Chakrabarti S. Monitoring the dynamic Web to respond to continuous queries // Proceedings of the 12th International Conference on World Wide Web. - Hungary, May 2003, - P. 659-668.
Pockec P., Mardini W. Modeling with queues: an empirical study // Proceedings of the Canadian Conference on Electrical and Computer Engineering. - vol. 1. 13-16 May 2001. - P. 685-689.
Romansky R. et all. An Organization of Informational Network InfoNet for Distributed e-Learning // Proceedings of the 3rd International Conference оn Computer Systems and Technologies (e-Learning). 20-21 June 2002. Sofia, Bulgaria. - P. IV.4-1 - IV.4-6.
Sargent R.G. Verification and validation of simulation models // Proceedings of the 2003 Winter Simulation Conference. - vol. 1. 7-10 December 2003. - P. 27-48.
Stahl, I. GPSS: 40 years of development // Proceedings of the 33rd Winter Simulation Conference. December 2001. - P. 577-585.
Ye D, Xiaofer Xu, Yuliu Chen. Integrated modeling methodology for virtual enterprises // Proceedings of the 10th Conference on Computers, Communications, Control and Power Engineering. - vol. 3. October 2002. - P. 1603-1606.
Магистрант
Мордовский Государственный Педагогический Институт имени М.Е. Евсевьева
Кафедра информатики и вычислительной техники
Сафонов В.И., кандидат физико-математических наук, доцент кафедры информатики и вычислительной техники
Аннотация:
The article shows the importance of modeling in school course in Informatics. Demonstrated modeling and classification models shown software and interactive environment for the realization of computer simulation.
Ключевые слова:
моделирование; информатика; формализация; модель; математическая модель; математическое моделирование.
modeling; computer science; formalization; model; mathematical model; mathematical modeling.
УДК 004
Изучение моделирования является значимым аспектом подготовки школьников. Необходимо рассматривать моделирование как способ развития мышления школьника, и кроме того, как инструмент для решения различных задач. Моделирование - это важный метод научного познания. В различных предметах, помимо информатики изучается моделирование, например, в математике, физике, биологии, химии и т.д. Однако непосредственно на уроках информатики рассматриваются ступени построения модели, проверка модели, создание моделей в разнообразных компьютерных программах .
Практически все темы школьного курса информатики имеют отношение к моделированию, в том числе такие, как алгоритмизация и программирование. Авторы учебников информатики полагают, что важнейшей задачей при обучении моделированию является формирование умения анализировать и строить модели. Однако данные умения нужны и в других разделах информатики, например, «Информационные процессы». Таким образом, моделирование присутствует во многих разделах курса информатики, являясь основополагающим при изучении школьного курса информатики.
В курсе информатики изучаются не только математические модели, но и информационные, к которым относятся рисунки, таблицы, программы, алгоритмы, что придает информатике межпредметный характер.
Модель - это упрощенное сходство реального объекта или процесса. Ключевым понятием в моделировании считается цель. Цель моделирования - это назначение будущей модели. Цель определяет свойства объекта-оригинала, которые должны быть воспроизведены в модели. Моделировать можно как материальные объекты, так и процессы. Информационная модель - это описание объекта моделирования. По признаку представления модели делятся на табличные, графические, объектно-информационные и математические.
Формализация - это замена реального объекта или процесса его формальным описанием, т.е. его информационной моделью. Содержательная линия темы моделирования выполняет важнейшую задачу: развитие системного мышления учащихся.
Электронные таблицы - это самая распространенная и удобная инструментальная среда для решения задач математического моделирования. Математическая модель - это описание состояния поведения какой-либо реальной системы (процесса, объекта) на языке математики, т.е. с помощью формул, уравнений и других математических соотношений. Осуществление математической модели - это использование определенного метода расчетов значений выходных параметров по значениям входных параметров. Технология электронных таблиц - один из методов реализации математической модели. Существуют еще методы реализации математической модели, к которым можно отнести составление программ на языках программирования, применение математических пакетов (MathCad, Математика, 1С: Математический конструктор и др.), использование специализированных программных систем для моделирования. Созданные такими средствами математические модели называются компьютерными математическими моделями.
Взаимосвязанное обучение информатике, математике и физике дает возможность познакомить учащихся с использованием прикладных математических пакетов в качестве инструмента при решении типовых задач. Поэтому в разделе «Моделирование и формализация» проявляется метапредметная роль информатики.
Моделирование является одним из сложных разделов в школьном курсе информатики. Содержательно-структурный компонент «Моделирование и формализация» - важная составляющая дисциплины, которая постоянно усовершенствуется, вследствие чего исследование методологии ее изучения еще не завершены. На данный момент имеется большое количество методик обучения компьютерному моделированию, которые активно применяются на уроках информатики в школе .
Программное и ресурсное обеспечение темы «Информационное моделирование» на ступени основного общего и среднего общего образования представлено программным обеспечением и интернет-ресурсами, в частности, ресурсами единой коллекции цифровых образовательных ресурсов.
Одним из доступных средств моделирования является офисное приложение Microsoft Excel, так как практически во всех школах имеется пакет MS Office. Microsoft Excel - программа для работы с электронными таблицами, позволяющая анализировать большие массивы данных. В данной программе используется более 600 математических, финансовых, статистических и других специализированных функций, с помощью которых можно связывать различные таблицы между собой, выбирать произвольные форматы представления данных, создавать иерархические структуры.
Mathcad - это приложение для инженерных и математических вычислений, промышленный стандарт проведения, распространения и хранения расчетов. Mathcad является универсальной системой, т.е. может использоваться в любой области науки и техники - везде, где применяются математические методы.
КОМПАС - это система автоматизированного проектирования. При помощи системы КОМПАС можно создавать 3-мерные ассоциативные модели деталей и отдельных единиц, которые содержат оригинальные либо стандартизированные конструктивные элементы.
Blender - бесплатная программа для 3-мерного моделирования. Хитростью в данной программе является то, что во время создания 3-мерной сцены, окно утилиты можно разделить на части, каждая из которых будет представлять собой независимое окно с определенным видом 3D сцены, линейкой временной шкалы, настройками объекта. Количество таких частей ограничивается только разрешением экрана. Приложение также располагает инструментами сплайнового моделирования, а для формирования 3D-объектов используются еще кривые Безье и В-сплайны.
Компьютерное моделирование обладает рядом преимуществ только тогда, когда в полной мере задействованы вычислительные и графические возможности компьютера, что позволит реализовать многообразие возможностей соответствующего программного обеспечения.
Пример графического решения уравнения в интерактивной среде «1С: Математический конструктор»:
Сколько решений имеет уравнение log1/16x = (1/16)x? На первый взгляд графики левой и правой частей имеют только одно решение, лежащее на прямой y = x(Рис.1). Однако, используя инструменты "Изменить масштаб" и "Сдвинуть лист", вы можете увеличить картинку и откроете для себя неожиданное переплетение двух графиков, которое ведет к трем, а не одному, корням!
Рис. 1. Решение графического уравнения
Интуиция в этом случае обманывает: если же нарисовать данные графики уравнения от руки, то мы увидим, что уравнение имеет один корень - на пересечении обоих графиков с прямой y
= x
(т.е. корень уравнения (1/16) x
= x
). Но нетрудно заметить и проверить подстановкой, что числа x
= 1/2 и x
= 1/4 тоже являются корнями. Откуда же они берутся?
Если построить графики в «Математическом конструкторе», то программа найдет три точки их пересечения (Рис.2), хотя в окрестности этих точек при «нормальном» масштабе графики «слипаются». Пользуясь инструментом Изменить масштаб
можно укрупнить изображение и увидеть, каким образом графики «переплетаются».
Рис. 2. Решение графического уравнения
Таким образом, построение простых графических моделей, таких как решение простых математических задач, уместно уже в базовом курсе информатики. Самостоятельная разработка графических моделей требует знания программирования, а это относится материалу повышенной трудности, который изучается в профильном курсе информатики или в рамках элективного курса.
Библиографический список:
1. Королев, А. Л. Компьютерное моделирование / А.Л. Королев. – М: БИНОМ. Лаборатория знаний, 2010 – 230 с.
2. Сафонов, В.И. Компьютерное моделирование: учеб. пособие / В. И. Сафонов. – Мордов. Гос. Пед. ин–т. – Саранск, 2009. – 92 с.
3. Тарасевич, Ю.Ю. Математическое и компьютерное моделирование. Вводный курс: учеб. пособие / Ю.Ю. Тарасевич. – М. : ЛИБРОКОМ, 2013. – 152 c.
Рецензии:
25.11.2017, 14:51 Феофанов Александр Николаевич
Рецензия
: Статья плохо структурирована, не понятно кто читатель. Пусть покажут различие между 1 и 2 рисунком. Что должно быть я представляю, а что есть - это повтор рис. 1.После доработки возможно опубликование в журнале. Д.т.н., проф. Феофанов А.Н.
19.12.2017, 20:53 Феофанов Александр Николаевич
Рецензия : А были внесены исправления в материал? (по ссылке ничего нет) - кто читатель (учитель или школьник). Для кого статья? - различие в рис. 1 и 2 - должен быть разный масштаб. Но этого не сделано! Масштаб на рисунках остался один и тот же. На 1 рисунке не были видны точки пересечения, на 2 - их поставили. Но это не результат компьютерного моделирования. - в статье присутствуют повторы. Д.т.н., проф. Феофанов А.Н.
19.12.2017 21:21 Ответ на рецензию автора Резаева Наталья Сергеевна
:
Читателем в большей степени является студент, но и отчасти учитель. Именно с помощью программы можно увеличить и данный график и увидеть эти пересечения, все это увеличивается и уменьшается в программе, и смысла нет на картинках это увеличивать.
20.12.2017, 7:31 Феофанов Александр Николаевич
Рецензия : Лучше и наглядней показать пример с треугольниками или окружностями (пересечение, общие точки и т.п.) И из статьи не выявляется функциональные возможности автоматизированного масштабирования программы "1С: Математический конструктор". Феофанов А.Н
22.01.2018, 16:16 Бовтрук Наталия Сергеевна
Рецензия
: статья имеет очень хорошее название, а в статье просто сделан маленький анализ программ. Нужно больше проанализировать суть программ именно у Вашем случае.
Применение моделирования для обучения в области компьютерных наук
Р. П. Романски
Технический Университет, София, Болгария
Введение
Для развития компьютерной техники и совершенствования архитектурной организации компьютерных систем (КС) необходимо непрерывное обучение и самосовершенствование компьютерных специалистов и студентов. При проведении этого обучения надо комбинировать формы традиционного обучения с возможностями самостоятльной подготовки, дистанционного обучения, практической разработки проектов и реализации экспериментов исследования . Существенная роль при обучении в области компьютерных наук выпольняет применение современных методов изучения архитектурной организации и анализа системной производительности КС . В этом смысле, применение методов моделирования в процессе изучения базовых структур различных КС и организации компьютерных процессов позволяет разработать подходящее математическое описание исследуемого объекта и создать программное обеспечение для выполнения компьютерных экспериментов [Романски, 2001, Arons, 2000]. Анализ экспериментальных результатов моделирования [Брююль, 2002] позволяет оценить основные характеристики системы и производительность изучаемых КС.
Применение моделирования в процессе изучения КС позволяет исследовать особенности архитектуры и организацию вычисления и управления. Это можно осуществить на основе модельного эксперимента, организация которого предполагает проектирование компьютерной модели как последовательности трех компонентов (концептуальная модель, математическая модель, програмная модель) и реализации этой модели в подходящей операционной среде. В настоящей работе рассматривается вожможность применения разных методов исследования КС в процессе их изучения и в частности применение принципов моделирования для исследования протекающих процессов, а также анализ системной производительности КС. Основная цель состоит в определении обобщенной процедуры компьютерного моделирования как последовательность взаимосвязанных этапов и представлении основных стадий методологии модельного исследования. Для этого в следующей части представлены общая формализация компьютерной обработки информации и особенности компьютерных вычислений в качестве объекта изучения. Применение принципов моделирования в процессе изучения КС связано с методологической организацией обучения в традиционном, дистанционном, либо распределенном смысле .
Компьютерные системы как объект изучения и методы исследования
Одной из основных задач специализированных курсов обучения в области компьютерных систем и исследования производительности является обучение будущих и настоящих компьютерных проектантов, разработчиков компьютерного оборудования и потребителей КС в правильном использовании технологических возможностей моделирования и измерения характеристик систем . Эти возможности применяют как в процессе оценивания еффективности новых компьютерных проектов, так и для проведения сравнительного анализа существующих систем. В процессе обучения ставится задача выяснения последовательности этапов исследования и возможности обработки экспериментальных результатов для получения адекватных оценок индексов производительности. Эту задачу можно уточнить в зависимости от конкретной области компьютерного обучения и особеностей принципов рассматриваемой компьютерной обработки информации.
Рис.
1. Информационное поддерживание компьютерной обработки.
В общем, компьютерная обработка связана с реализацией определенных функций для преобразования входных данных в виде окончательных решений. Это определяет два уровня функционального преобразования информации (рис. 1):
математическое преобразование информации - реальная обработка данных в виде математических объектов и представляется обобщенной функцией f:D®R, которая изображает елементы множества данных D в елементах множества результатов R;
компьютерная реализация обработки - представляет конкретную реализацию f*:X®Y математической функции f в зависимости от компьютерного и программного оборудования на базе подходящего физического представления реальных информационных объектов.
В результате можно записать обобщенную функциональную модель компьютерной обработки r = f(d)ºj 2 {f*[ 1(d)]}, где функции j 1 и j 2 являются вспомогательными для кодирования и декодирования информации.
Рассматривая
КС как объект изучения, надо иметь ввиду, что компьютерная обработка состоит из
процессов, каждый из которых можно представить в виде структуры I =
Рис. 2. Примерный профиль компьютерного процесса.
Поддерживание
разных процессов при организации компьютерной обработки формирует системную
нагрузку компьютерной среды. Для каждого момента (t =1,2,...) ее можно
представить вектором V(t)=Vt=
При изучении КС необходимо определить набор базовых системных параметров, которые отражают сущность компьютерной обработки, а также разработать методику исследования поведения системного ресурса и протекающих процессов. В качестве основных системных параметров (индексы производительности) можно исследовать, например, рабочую нагрузку каждого элемента системного ресурса, общую системную нагрузку КС, время ответа при решении комплекса задач в мультипрограммном режиме, степень устойчивости (стойкости) оборудования, стоимость компьютерной обработки, эффективность планирования параллельных или псевдопараллельных процессов и т.д.
Типичный курс обучения в области анализа и исследования производительности КС должен обсуждать основные теоретические и практические проблемы в следующих направлениях:
возможности исследования производительности компьютерного оборудование и эффективности компьютерных процессов;
применение эффективных методов исследования (измерение, моделирование);
технологические особенности измерения параметров системы (benchmark, monitoring);
технологические особенности и организация моделирования (аналитическое, симуляционное и др.);
методы анализа экспериментальных результатов.
Все это связано с применением данного метода исследования и выбором подходящего инструментария. В этом смысле на рис. 3 представлена примерная классификация методов исследования КС и процессов. Можно определить три основные группы:
Программные смеси - представляют математические зависимости для оценки производительности процессора на базе коэффициентов применения отдельных операционных классов. Позволяют оценить нагрузку процессора статистическим анализом после выполнения типовых программ.
Методы подсчета - позволяют получить достоверную информацию о протекании компьютерных процессов на основе непосредственной регистрации определенных значений доступных параметров КС . Для этого необходимо использовать или разработать подходящее средство подсчета (монитор) и организовать выполнение эксперимента по подсчету. Надо отметить, что современные операционные системы имеют собственные системные мониторы, которые можно использовать на программном или микропрограммном уровне.
Методы моделирования - применяются в том случае, когда отсуствует реальный объект эксперимента. Исследование структуры или протекающих процессов в КС осуществляется на базе компьютерной модели. Она отражает самые важные аспекты поведения структурных и системных параметров в зависимости от поставленной цели. Для разработки модели надо выбрать самый подходящий метод моделирования, позволяющий получить максимальную адекватность и достоверность .
Рис. 3. Классификация методов исследвания КС и процессов.
Традиционный процесс обучения предполагает проведение основного курса лекций совместно с набором аудиторных упражнений и/или лабораторным практикумом. В области компьютерных наук при изучении организации КС и принципов управления компьютерными процессами (на низком и на высоком уровне), а также при анализе системной производительности, часто возникает необходимость в разработке компьютерных моделей во время выполнения лабораторных задач в классе или при самостоятельной реализации проектов. Для удачного выполнения этих практических работ и для получения нужных практических умений необходимо определить последовательность этапов и представить технологические особенности разработки моделей. Это позволит обучаемым приобрести необходимые знания о разработке адекватных и достоверных компьютерных моделей исследования, оценки и сравнительного анализа системной производительности разных компьютерных архитектур. В результате этого далее предложена обобщенная процедура проведения моделирования, а также методологическая схема модельного исследования КС и процессов.
Процедура компьютерного моделирования при исследовании КС и процессов
Основная задача компьютерного моделирования при исследовании КС и процессов заключается в получении информации об индексах производительности. Планирование модельного эксперимента в процессе обучения осущевляется на основе следующих этапов:
сбор эмпирических данных для конкретных значений базовых системных параметров;
структурирование и обработка эмпирической информации и разработка функциональной схемы модели;
определение априорной информации и дефиниционные области рабочих параметров для разработки подходящей математической модели объекта-оригинала;
реализация модельных экспериментов, накапливание модельной информации и ее последующий анализ.
Обобщенная формализованная процедура модельного исследования для организации модельного эксперимента показана на рис. 4.
Рис. 4. Процедура модельного исследования.
Первоначальная цель определяется необходимостью исследования реального объекта (система или процесс). Основные этапы процедуры следующие:
Определение базовой концепции построения модели декомпозированием объекта на подсистемы и введение допустимой степени идеализации для некоторых аспектов поведения системных процессов.
Математическая формализация структуры и взаимосвязи в исследованном объекте на базе подходящей формальной системой.
Математическое описание функционирования реальной системы и разработка подходящей функциональной модели в зависимости от цели моделирования.
Реализация математической модели с использованием самого подходящего метода моделирования.
Описание созданной математической модели средствами подходящей программной среды (специлизированной или универсальной).
Выполнение экспериментов на базе созданной модели и последующая обработка и интерпретация модельной информации для оценки параметров объекта исследования.
Основные методы компьютерного моделирования следующие:
Аналитические методы - используют математические средства для описания компонентов реальной системы и протекающих процессов. На базе выбранного математического подхода математическая модель обычно строится как система уравнений, позволяющая легко программировать, но для реализации необходимы высокая точность формулировок и принятых рабочих гипотез, а также значительная верификация.
Симуляционные (имитационные) методы - поведение реального объекта подражается программному имитатору, который при своей работе использует реальную рабочую нагрузку (эмуляция), либо программную модель рабочей нагрузки (симуляция). Такие модели позволяют исследование сложных систем и получение достоверных результатов, но выполняются во времени и это определяет основной надостаток метода - значительное потребление машинного времени.
Эмпирические методы - это количественные приемы для регистрации, накопления и анализа информации функционирования реального объекта, на базе которых можно построить статистическую модель для его исследования. Обычно применаются линейные или нелинейные уравнения для представления взаимосвязи выбранных параметров (например, из множества первычных факторов) и для вычисления статистических храктеристик.
Основной задачей компьютерного моделирования является создание адекватной модели, при помощи которой достаточно точно можно представить структуру исследуемой системы и протекающих процессов . Разработка компьютерной модели включает три последовательных уровня - концептуальная модель (идейная концепция структурирования модели), математическая модель (изображение концептуальной модели средством математической формальной системы) и программная модель (программная реализация математической модели с подходящей языковой средой). На каждом уровне компьютерного моделирования необходимо проверять адекватность модели, чтобы обеспечить достоверность конечной модели и точность результатов модельных экспериментов. Специфика отдельных этапов процедуры моделирования определяет применяемые подходы и средства оценки адекватности. Эти особенности нашли место в разработанной методологии компьютерного моделирования, которая представлена ниже.
Методология модельного исследования
В процессе компьютерного моделирования, независимо от применяемого метода, можно определить обобщенную матодологическую схему модельного исследования (рис. 5). Предложенная формализованная методологическая последовательность предусматривает несколько основных фаз, представленных ниже. В основном, она представляет итерационную процедуру для получения необходимой достоверности разрабатываемой компьютерной модели на базе формулировки начальной модельной гипотезы и ее последовательной модификации. Такой подход является удачным при исследовании сложных систем, а также и при отсуствии достаточной априорной информации для исследуемого обьекта.
Стадия "Формулирование"
На первом этапе разработки модели необходимо точно и ясно определить объект моделирования, условия и гипотезы исследования, а также критерии оценки модельной эффективности. Это позволит разработать концептуальную модель и дефинировать ее абстрактными терминами и понятиями. Обычно абстрактное описание определяет начальные принципы модельного построения (основные апроксимации, дефиниционные области переменных, критерии эффективности и типы ожидаемых результатов). На этой стадии можно определить следующие подэтапы:
Дефинирование и анализ поставленной задачи. Включает ясно определенную сущность задачи исследования и планирование необходимых мероприятий. На базе анализа проблемы определяется объем предпологаемых действий и необходимость декомпозиции задачи.
Уточнение типа начальной информации. Эта информация позволяет получить корректные выходные результаты моделирования и поэтому надо обеспечить необходимый уровень достоверности оценок.
Введение допусщенйх и гипотез. Это необходимо при отсуствии достаточной информации для реализации модели. Допусщения заменяют отсуствующие данные, либо отсуствие их полности. Гипотезы относятся к типу возможных результатов или к среде реализации исследуемых процессов. В процессе моделирования эти гипотезы и допусщения могут быть приняты, отброшены, либо модифицированы.
Определение основного содержания модели. На базе применяемого метода моделирования отчитывается особеность реального объекта, поставленая задача и средства ее решения. Результаты этого подэтапа включают формулировку базовой концепции модели, формализованное описание реальных процессов и выбор подходящей апроксимацией.
Определение модельных параметров и выбор критериев эффективности. На этом подэтапе определяются первычные и вторычные факторы, входные воздействия и ожидаемые на выходе реакции модели, что является особенно важным для достижения необходимой точности математического описания. Уточнение критериев эффективности связано с дефинированием функциональных зависимостей оценки реакции системы при изменении модельных параметров.
Абстрактное
описание модели. Фаза общего формулирования концептуальной модели заканчивает
построение абстрактой модели в подходящей среде абстрактных терминов -
например, в виде структурной схемы, как потоковой диаграмы (Data Flow Diagram),
в виде графической схемы (State Transition Network) и т.д. Это абстрактное
представление позволить легко построить математическую модель.
Рис. 5. Методологическая схема модельного исследования.
Стадия "Проектирование"
Проектирование компьютерной модели связано с разработкой математической модели и ее программным описанием.
Математическая модель является представлением структуры исследуемого объекта и протекающих процессов в подходящем математическом виде Y=Ф(X, S, A, T), где: X - множество внешних воздействий; S - множество системных параметров; A - отражает функциональное поведение (алгоритмы функционирования); T - время работы. Таким образом поведение (реакция) объекта Y моделирует набор функциональных воздействий Ф, представляющих аналитические зависимости (детерминированные или вероятностные). В этом смысле, математическая модель является описанием абстрактной модели средствами выбранной математической системы, оценивая принятые гипотезы и апроксимации, начальные условия и дефинированные параметры исследования. При разработке математической модели возможно применить известные математические формулы, зависимости или математические законы (например, вероятностные распределения), а также комбинировать и дополнить их. Самые распространенные для цели моделирования теоретические математические системы предоставляют возможность представить математическую модель и в графическом виде - сети Петри , цепи Маркова , системы массового обслуживания и др. На базе определенных на предыдущей стадии критериев, созданную математическую модель необходимо оценить с целью достижения необходимой степени достоверности и адекватности, и после этого можно утвердить или отбросить ее.
Программная модель представляет собой реализацию математического описания программным языком - для этого выбираются подходящие технические и технологические средства. В процессе программной реализации на базе математической модели разработывается логическая структурно-функциональная схема модели. Для построения этой схемы можно использовать традиционные блок-схемы, либо графические средства, которые представляются специализированной средой моделирования - как например в GPSS (General Purpose Simulation System) . Программная реализация модели является задачей разработки программного обеспечения и в этом смысле подчиняется принципам технологии программирования.
Стадия "Уточнение"
Рис. 6. Итеративная процедура для уточнения модели.
Основной целью проверки модельной достоверности является определение уровня точности соответствия при представлении процессов реального объекта и механизма регистрации модельных результатов. В общем плане, компьютерная модель представляет совокупность отдельных компонентов и в этом смысле особенно важно правильно планировать проверки адекватности.
Стадия "Выполнение"
Это этап реализации созданной модели (решение численным методом либо выполнение во времени). Самая главная цель - получение максимальной информации для минимальных затрать машинного времени. Предусмотрены два подэтапа:
Планирование модельного эксперимента - определение значения управляемых факторов и правила регистрации наблюдаемых факторов при выполнении модели. Выбор конкретного плана эксперимента зависит от поставленной цели исследования при оптимизации времени выполнения. Для получения эффективного плана обычно применяются статистические методы (полный план, однофакторный план, рандомизированный план и т.д.), позволяющие удалить совместное влияние наблюдаемых факторов и оценить допустимую экспериментальную ошыбку.
Реализация эксперимента - подготовка входных данных, компьютерная реализация экспериментального плана и сохранение экспериментальных результатов. Реализацию эксперимента можно выполнить следующим образом: контрольное моделирование (для проверки работоспособности и чувствительности модели и оценки модельного времени); рабочее моделирование (действительная реализация разработанного плана эксперимента).
Стадия "Анализ и интерпретация модельных результатов"
При реализации плана модельного эксперимента накапливается информация (результаты моделирования), которую необходимо анализировать для получения оценки и выводов о поведении исследуемого объекта. Это определяет два аспекта - выбор методов для анализа экспериментальной информации и применение подходящих способов интерпретации полученных оценок. Последнее особенно важно для формирования коректных выводов исследования. В смысле первого аспекта обычно применяют статистические методы - дискриптивные анализы (подсчет граничных значений параметров, математического ожидания, дисперсии и средне-квадратической ошибки; определение расслоения для выбранного фактора; вычисление гистограммы и др.); корреляционный анализ (определение уровня факторной взаимосвязи); регрессионный анализ (исследование причинной взаимосвязи в группе факторов); дисперсионный анализ (для устанавливания относительного влияния определенных факторов на базе экспериментальных результатов).
Результаты анализа модельных данных можно представить в числовом или табличном виде, при помощи графических зависимостей, диаграмм, гистограмм и пр. Чтобы выбрать подходящие графические средства существенное значение имеет использованный метод анализа, а также субъективные умения экспериментатора для оформления результатов эксперимента.
Заключение
Основная цель организации каждого модельного эксперимента - это реализация эффективного моделирования. Она связывается с машинным временем - значительный объем обработки в моделе повышает стоимость моделирования и понижает эффективность. Для эффективности исследования существенное значение имеет быстрая валидизация модели и достижение сходимости. Для каждой реальной системы часто приходится создавать множество разных моделей, отличающихся способом декомпозиции и уровнем детайлизации, методом моделирования, средствами программной реализации и т.д. В процессе выбора оптимального варианта только оценка точности и адекватности является недостаточной. Из множества сходимых моделей надо выбрать самый эффективный вариант, который тратить минимальное время на реализацию.
Существенное значение для достижения достаточной эффективности модели имеет и применяемый язык программной реализации, а также полность формальной системы абстрактного представления концептуальной модели, простота терминов описания, разработывание оптимального плана и др. Применение универсальных программных систем отличается отсуствием специфических языковых операторов и поэтому они являются подходящими прежде всего для аналитического моделирования. Для реализации симуляционных моделей удачно использовать специализированные языковые среды.
Список литературы
[Брююль 2002] Брююль А. SPSS: искусство обработки информации. Анализ статистических данных. Санкт Петербург: ДиаСофт, 2002, - 608 с.
[Романски, 2001] Романски Р. Математическое моделирование и исследование стохастических временных характеристик процессов компютерной обработки данных // Информационные технологии. - Москва, Россия, 2001, No 2, - С. 51 - 55.
Arons H., van Asperen E. Computer assistance for model definition // Proceedings of the 32nd Winter Simulation Conference. - Florida, USA, December 2000. - P. 399-408.
Benveniste A., Fabre E., Haar St. Markov nets: probabilistic models for distributed and concurrent systems // IEEE Transactions on Automatic Control. November 2003, vol. 48, No 11. - P. 1936-1950.
Butler J.E., Brockman J. B. A Web-based learning tool that simulates a simple computer architecture // ACM SIGCSE Bulletin. June 2001, vol. 33, No. 2. - P. 47-50.
Crosbie R. E. A model curriculum in modeling and simulation: Do we need it? Can we do it? // Proceedings of the 32nd Winter Simulation Conference. December 2000. -P. 1666-1668.
Fabre E., Pigourier V. Monitoring distributed systems with distributed algorithms // Proceedings of the 41st IEEE Conference on Decision and Control. - vol. 1. 10-13 December 2002 - P. 411-416.
Ibbett R.N. WWW Visualisation of Computer Architecture Simulations // Procedings of the 7th Annual Conf. on Innovation and Technology in Computer Science Education. June 2002. - P. 247.
Lilja D.J. Comparing Instructional Delivery Methods for Teaching Computer Systems Performance Analysis // IEEE Trans. on Education. February 2001, vol. 44, No 1, - P. 35-40.
Music G., Zupancic B., Matko D. Petri net based modeling and supervisory control design in Matlab // Proceedings of the IEEE Conference EUROCON 2003 "Computers as a Tool". - vol. 1. 22-24 Sept. 2003. - Slovenia. - P. 362-366.
Pandey S., Ramamritham K., Chakrabarti S. Monitoring the dynamic Web to respond to continuous queries // Proceedings of the 12th International Conference on World Wide Web. - Hungary, May 2003, - P. 659-668.
Pockec P., Mardini W. Modeling with queues: an empirical study // Proceedings of the Canadian Conference on Electrical and Computer Engineering. - vol. 1. 13-16 May 2001. - P. 685-689.
Romansky R. et all. An Organization of Informational Network InfoNet for Distributed e-Learning // Proceedings of the 3rd International Conference оn Computer Systems and Technologies (e-Learning). 20-21 June 2002. Sofia, Bulgaria. - P. IV.4-1 - IV.4-6.
Sargent R.G. Verification and validation of simulation models // Proceedings of the 2003 Winter Simulation Conference. - vol. 1. 7-10 December 2003. - P. 27-48.
Stahl, I. GPSS: 40 years of development // Proceedings of the 33rd Winter Simulation Conference. December 2001. - P. 577-585.
Ye D, Xiaofer Xu, Yuliu Chen. Integrated modeling
methodology for virtual enterprises // Proceedings of the 10th Conference on
Computers, Communications, Control and Power Engineering. - vol. 3. October
2002. - P. 1603-1606.
