Использование компьютеров означает ограничение использования имитационных технологий

Обновлено: 04.07.2024

Географическая информационная система (ГИС) - современная компьютерная технология для картографирования и анализа объектов реального мира, происходящих и прогнозируемых событий и явлений. Геоинформационные системы наиболее естественно отображают пространственные данные.

При помощи геоинформационных систем возможно построение и оптимизация маршрутов на существующей дорожной сети в больших городах. Средства анализа, имеющиеся в ГИС, позволяют не только прокладывать маршруты по существующей улично-дорожной сети, но и планировать развитие этой сети, вычислять её узкие места - одним словом, оценивать эффективность самой этой сети.5

ГИС позволяют определить транспортную потребность районов города на основе анализа различных факторов: уровня автомобилизации, плотности населения, размещения вокзалов, рынков, крупных торговых центров, развлекательных комплексов - одним словом, центров притяжения.

Одно из наиболее популярных направлений применения геоинформационных систем в дорожных администрациях - мониторинг состояния дорожного полотна и планирование ремонтов.

Спутниковая система навигации - комплексная электронно-техническая система, состоящая из совокупности наземного и космического оборудования, предназначенная для определения местоположения (географических координат и высоты), а также параметров движения (скорости и направления движения и т.д.) для наземных, водных и воздушных объектов.

В состав навигационный комплекс для автомобиля входят следующие компоненты:4

GPS-приемник, определяющий координаты автомобиля;

аппаратно-программная начинка, осуществляющая необходимые вычисления;

цифровой носитель, на котором хранится карта в цифровом виде;

монитор, на который выводится изображение карты и самого автомобиля.

Область применения на автомобильном транспорте (строительных компаний; служб жилищно-коммунального хозяйства; служб доставки и инкассации; таксопарков; служб спасения и скорой помощи и др.)

Транспортные средства предприятия оснащаются автомобильным навигационным терминалом и датчиками, которые позволяют круглосуточно контролировать местоположение и технические параметры транспорта. Весь объем навигационной и технической информации, получаемой от отслеживаемых транспортных средств, поступает на центральный сервер системы мониторинга транспорта.

Сеть сотовой связи состоит из большого числа развернутых на местности приемопередатчиков, зоны обслуживания которых частично перекрываются. Принцип повторного использования частот в сети позволяет добиться высокой плотности трафика на больших территориях. Поскольку уровень мощности, излучаемой терминалами (телефонами) сотовой связи ограничен, на местности приходится размещать большое количество базовых станций, обслуживающих небольшие площади. Несколько базовых станций объединяются в ячейку, часто представляемую в виде правильного шестиугольника. Совокупность таких ячеек на местности похожа на пчелиные соты. Отсюда и это вид связи получил свое название - сотовая связь.

Для внесения корректив в план работы необходима связь с водителем, находящимся на маршруте, что может быть обеспечено при оснащении АТС аппаратурой, позволяющей водителям и диспетчерам в любой момент времени контактировать друг с другом для обмена информацией.

На основе средств мобильной связи возможно создание информационной системы-мониторинга для постоянного контроля работы автомобилей, позволяющей:3

определять местонахождение автомобиля в любой момент времени при движении по маршруту с передачей данных в диспетчерскую;

немедленно передавать информацию в диспетчерскую о нарушении сохранности груза, а также о неисправностях автомобиля;

поддерживать постоянную информационную связь водителя с диспетчерской, что позволит осуществлять оптимизацию перевозок, информирование водителей об изменениях маршрута, необходимости перевозки попутных грузов, обслуживании новых клиентов, предупреждение о дорожных условиях, возможных опасностях.

Сеть - это группа компьютеров, соединенных друг с другом каналом связи. Канал обеспечивает обмен данными внутри сети (то есть обмен данными между компьютерами данной группы). Сеть может состоять из двух-трех компьютеров, а может объединять несколько тысяч ПК. Физически обмен данными между компьютерами может осуществляться по специальному кабелю, телефонной линии, волоконно-оптическому кабелю или по радиоканалу.

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Шахов Владимир Григорьевич, Ким Ен Нам

Рассмотрены вопросы исследования загруженности сервера при его работе в локальной сети. В качестве инструмента анализа предложено имитационное моделирование на основе пакета GPSS-PC. Результаты моделирования проверены на практике и позволяют использовать имитационные модели для достаточно большого класса приложений.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Шахов Владимир Григорьевич, Ким Ен Нам

Моделирование сложных систем в среде имитационного моделирования GPSS w с расширенным редактором Имитационное моделирование систем массового обслуживания в программном продукте gpss Разработка системы поддержки принятия решений по оценке показателей пропускной способности участков железных дорог Имитационное моделирование работы станции испытаний стиральных машин Имитационное моделирование автоматизированных станочных систем i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Текст научной работы на тему «Использование имитационного моделирования для анализа загруженности сетевого оборудования»

В. Г. ШАХОВ КИМЕН НАМ

ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ДЛЯ АНАЛИЗА ЗАГРУЖЕННОСТИ СЕТЕВОГО ОБОРУДОВАНИЯ_

Рассмотрены вопросы исследования загруженности сервера при его работе в локальной сети. В качестве инструмента анализа предложено имитационное моделирование на основе пакета вРЯ-РС. Результаты моделирования проверены на практике и позволяют использовать имитационные модели для достаточно большого класса приложений.

Вопросы проектирования компьютерных сетей в настоящее время имеют большое значение. При проектировании и инсталляции сетей появляется комплекс задач, относящихся к системному анализу и включающих трассировку, планирование трафиков, доменную политику, назначение и проверку прав и полномочий пользователей, оптимизацию информационных потоков, политику безопасности и т.д.

Одна из подзадач — планирование и оценка загруженности сетевого сервера. От его эффективности зависит работа всей сети. Возможна установка специального сервера, но это дорого и в ряде приложений неэффективно. На практике в качестве сервера чаще используют обычные компьютеры, но по возможности с увеличенными объемами памяти и развитыми внешними устройствами. При этом обязательно решаются задачи эффективной загрузки сервера по критериям минимизации времени ожидания (длины очередей), потерь пакетов или размеров буферной памяти.

Один из возможных вариантов решения поставленной задачи - использование имитационного моделирования. Наиболее разработанный пакет моделирования — пакет GPSS. Общецелевая система моделирования GPSS (GENERAL PURPOSE SIMULATING SYSTEM) предназначена для построения статистических (имитационных, на основе метода Монте-Карло) моделей дискретных сложных систем различной физической природы [ 1 ]. Общим для систем, исследование которых может быть проведено с помощью GPSS, является наличие различных случайных факторов, существенным образом влияющих на смену состояний в системе. При этом предполагается, что множество состояний исследуемой системы является дискретным (конечным или счетным); смена состояний происходит в некоторые моменты времени. Интервалы между моментами смены состояний могут быть как случайными, так и детерминированными величинами.

Существенной особенностью GPSS является ориентация на построение моделей таких систем, в которых возможно возникновение очередей различного рода. К таким системам относятся всевозможные системы массового обслуживания (СМО), вычислительные системы (ВС), транспортные - в том числе и железнодорожные - системы и т.д.

С помощью средств СР55 экспериментатор имеет возможность описать как алгоритм функционирования исследуемой системы, так и воздействие случайных факторов на систему. Таким образом, СР5Б может рассматриваться и как некоторый язык описания сложных систем.

Естественно, что аналогичные выборки, в принципе, могли бы быть получены в процессе наблюдения за функционированием реальной сложной системы. Однако метод статистического моделирования в подавляющем числе случаев является более предпочтительным. Это объясняется следующими факторами:

а) стоимость натуральных экспериментов почти всегда больше стоимости машинных экспериментов с моделью;

б) измерение ряда показателей качества функционирования на реальных системах принципиально невозможно и может быть проведено только при изменении самой системы (например, для измерения времени реакции ВС на внешние сигналы, запросы необходимо определенным образом изменять и надстраивать операционную систему ВС);

в) при выработке рекомендаций по модернизации системы невозможно провести эксперимент с еще не существующей структурой;

г) условия работы, при которых нужно провести эксперимент, могут быть недопустимыми для реальной системы;

д) натуральный эксперимент часто невозможен из-за чрезвычайно больших интервалов времени между моментами смены состояний системы (например, при исследовании показателей надежности устройств, редко выходящих из строя);

е) машинный эксперимент возможен и с моделями еще не созданных систем. На основании оценок качества функционирования системы, полученных в результате эксперимента с моделью, может быть проведен поиск как наилучших условий работы, так и наилучшей структуры исследуемой системы.

В работе рассмотрена простейшая модель СРЗЭ, которая отражает работы компьютерной сети с обработкой поступающих на сервер заданий.

Рассмотрим работу сервера в компьютерной сети. С рабочих станций на сервер поступают в различные моменты заявки, которые требуют обработки на сер-

вере. Интервалы между поступлениями заявок имеют равномерное распределение от 10 мс до 200 мс. Для упрощения описания модели положим, что время выполнения заявок постоянно.

Тогда определим загруженности сервера в зависимости от времени выполнения заявок и количества заявок. Одновременно рассмотрим статистические характеристики очередей на сервере. При построении модели примем, что одна единица модельного времени имитирует одну миллисекунду реального времени. Изменяем время выполнения заявок по 5, 10, 20,50, ЮОмс, а количество заявок - по 1000,5000, 10000.

На рис. 1 приведена структурная схема программы моделирования.

Моделирующий сегмент включает следующие блоки:

на схеме SERVER означает одноканальное устройство, a BUF — очередь;

- GENERATE: генерация заявок на обслуживание (в данном случае обращения пользователей к серверу)!

- QUEUE: формирование очереди на обслуживание (что эквивалентно объему буферной памяти) ;

Компьютерное моделирование как новый метод научных исследований основывается на:

  1. построении математических моделей для описания изучаемых процессов;
  2. использовании новейших вычислительных машин, обладающих высоким быстродействием (миллионы операций в секунду) и способных вести диалог с человеком.

Суть компьютерного моделирования состоит в следующем: на основе математической модели с помощью ЭВМ проводится серия вычислительных экспериментов, т.е. исследуются свойства объектов или процессов, находятся их оптимальные параметры и режимы работы, уточняется модель. Например, располагая уравнением, описывающим протекание того или иного процесса, можно изменяя его коэффициенты , начальные и граничные условия, исследовать, как при этом будет вести себя объект . Имитационные модели - это проводимые на ЭВМ вычислительные эксперименты с математическими моделями, имитирующими поведение реальных объектов, процессов или систем.

Реальные процессы и системы можно исследовать с помощью двух типов математических моделей: аналитических и имитационных.

В аналитических моделях поведение реальных процессов и систем (РПС) задается в виде явных функциональных зависимостей (уравнений линейных или нелинейных, дифференциальных или интегральных, систем этих уравнений). Однако получить эти зависимости удается только для сравнительно простых РПС. Когда явления сложны и многообразны исследователю приходится идти на упрощенные представления сложных РПС. В результате аналитическая модель становится слишком грубым приближением к действительности. Если все же для сложных РПС удается получить аналитические модели, то зачастую они превращаются в трудно разрешимую проблему. Поэтому исследователь вынужден часто использовать имитационное моделирование .

Имитационное моделирование представляет собой численный метод проведения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими поведение реальных объектов, процессов и систем во времени в течение заданного периода. При этом функционирование РПС разбивается на элементарные явления, подсистемы и модули. Функционирование этих элементарных явлений, подсистем и модулей описывается набором алгоритмов, которые имитируют элементарные явления с сохранением их логической структуры и последовательности протекания во времени.

Имитационное моделирование - это совокупность методов алгоритмизации функционирования объектов исследований, программной реализации алгоритмических описаний, организации, планирования и выполнения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими функционирование РПС в течение заданного периода.

Под алгоритмизацией функционирования РПС понимается пооперационное описание работы всех ее функциональных подсистем отдельных модулей с уровнем детализации, соответствующем комплексу требований к модели.

"Имитационное моделирование" (ИМ)- это двойной термин. "Имитация" и " моделирование " - это синонимы. Фактически все области науки и техники являются моделями реальных процессов. Чтобы отличить математические модели друг от друга, исследователи стали давать им дополнительные названия. Термин "имитационное моделирование" означает, что мы имеем дело с такими математическими моделями, с помощью которых нельзя заранее вычислить или предсказать поведение системы, а для предсказания поведения системы необходим вычислительный эксперимент (имитация) на математической модели при заданных исходных данных.

Основное достоинство ИМ:

  1. возможность описания поведения компонент (элементов) процессов или систем на высоком уровне детализации;
  2. отсутствие ограничений между параметрами ИМ и состоянием внешней среды РПС;
  3. возможность исследования динамики взаимодействия компонент во времени и пространстве параметров системы;

Эти достоинства обеспечивают имитационному методу широкое распространение.

Рекомендуется использовать имитационное моделирование в следующих случаях:

  1. Если не существует законченной постановки задачи исследования и идет процесс познания объекта моделирования. Имитационная модель служит средством изучения явления.
  2. Если аналитические методы имеются, но математические процессы сложны и трудоемки, и имитационное моделирование дает более простой способ решения задачи.
  3. Когда кроме оценки влияния параметров (переменных) процесса или системы желательно осуществить наблюдение за поведением компонент (элементов) процесса или системы (ПС) в течение определенного периода.
  4. Когда имитационное моделирование оказывается единственным способом исследования сложной системы из-за невозможности наблюдения явлений в реальных условиях (реакции термоядерного синтеза, исследования космического пространства).
  5. Когда необходимо контролировать протекание процессов или поведение систем путем замедления или ускорения явлений в ходе имитации.
  6. При подготовке специалистов для новой техники, когда на имитационных моделях обеспечивается возможность приобретения навыков в эксплуатации новой техники.
  7. Когда изучаются новые ситуации в РПС. В этом случае имитация служит для проверки новых стратегий и правил проведения натурных экспериментов.
  8. Когда особое значение имеет последовательность событий в проектируемых ПС и модель используется для предсказания узких мест в функционировании РПС.

Однако ИМ наряду с достоинствами имеет и недостатки:

  1. Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат.
  2. Может оказаться, что ИМ неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности.
  3. Зачастую исследователи обращаются к ИМ, не представляя тех трудностей , с которыми они встретятся и совершают при этом ряд ошибок методологического характера.

И тем не менее ИМ является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных процессов и систем.

Одним из видов имитационного моделирования является статистическое имитационное моделирование , позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов.

При исследовании сложных систем, подверженных случайным возмущениям используются вероятностные аналитические модели и вероятностные имитационные модели .

В вероятностных аналитических моделях влияние случайных факторов учитывается с помощью задания вероятностных характеристик случайных процессов (законы распределения вероятностей, спектральные плотности или корреляционные функции). При этом построение вероятностных аналитических моделей представляет собой сложную вычислительную задачу . Поэтому вероятностное аналитическое моделирование используют для изучения сравнительно простых систем.

Подмечено, что введение случайных возмущений в имитационные модели не вносит принципиальных усложнений, поэтому исследование сложных случайных процессов проводится в настоящее время, как правило, на имитационных моделях .

В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров ПС. При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Поэтому для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием.

Статистическая модель случайного процесса - это алгоритм , с помощью которого имитируют работу сложной системы, подверженной случайным возмущениям; имитируют взаимодействие элементов системы, носящих вероятностный характер.

При реализации на ЭВМ статистического имитационного моделирования возникает задача получения на ЭВМ случайных числовых последовательностей с заданными вероятностными характеристиками. Численный метод, решающий задачу генерирования последовательности случайных чисел с заданными законами распределения, получил название " метод статистических испытаний " или " метод Монте-Карло ".

Так как метод Монте-Карло кроме статистического моделирования имеет приложение к ряду численных методов (взятие интегралов, решение уравнений), то целесообразно иметь различные термины.

Итак, статистическое моделирование - это способ изучения сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационных моделей .

Метод Монте-Карло - это численный метод, моделирующий на ЭВМ псевдослучайные числовые последовательности с заданными вероятностными характеристиками.

Методика статистического моделирования состоит из следующих этапов:

  1. Моделирование на ЭВМ псевдослучайных последовательностей с заданной корреляцией и законом распределения вероятностей ( метод Монте-Карло ), имитирующих на ЭВМ случайные значения параметров при каждом испытании;
  2. Преобразование полученных числовых последовательностей на имитационных математических моделях .
  3. Статистическая обработка результатов моделирования.

Обобщенный алгоритм метода статистических испытаний представлен на рис. 5.1.

Все интерактивные технологии, несмотря на их общую конст-руктивность и преимущества перед традиционными технологиями обучения, имеют не только достоинства, но и определенные ограничения.

Достоинства Ограничения Имитационные игры обучают участников принятию управлен-ческих, хозяйственных, производственных, социально-психологических решений как на индивидуаль-ном, так и на групповом уровне. Отсутствие знаний и навыков по технологии принятия решений, а зачастую и отсутствие необходимой компетентности способствуют принятию группой неэффективных и неправильных решений.


На любой имитационной игре ее участники осуществляют разнообразное взаимодействие: переговоры, дискуссии, публичная презентация материалов, вопросы и ответы и т. д. Следовательно, создаются предпосылки для освоения эффективного ком-муникативного опыта и развития коммуникативной компетентности.

Имитационные игры, как правило, моделируют самую разнообразную среду, в которой может оказаться человек, или экстремальные ситуации, которые требуют быстрого и правильного решения. Это не толь- При обучении руководителей и специалистов использование имитационных игр не на профессиональную тему, да еще заимствованных из-за рубежа, может вызвать отторжение уча-стников, снизить их мотивацию.

Ограничения ко расширяет кругозор участников, но и позволяет приобрести бесценный опыт адаптации к новой среде. Поэтому преподавателю очень важно привязать материал иг-ры, или ее конечный результат, или технологии, применяемые в ней, к профессиональной либо управленческой деятельности обучаемых.

Имитационные игры интерактивного характера, приведён-ные в пособии, как правило, не-продолжительны и проводятся в жёстком регламенте, поэтому их можно использовать не только самостоятельно в рамках изучаемой проблемы, но и как вкрапление в другую технологию для достижения разных обучающих и организационно развивающих целей.

Преподаватели-дилетанты на практике, используя имитационные игры, растягивают их на многочасовое занятие, что сводит на нет особенности и целевое предназначение этих игр, или применяют эти техно-логии для популистских целей. Во втором случае у взрослых участников возникает недоуме-ние по поводу потерянного вре-мени.

Читайте также: