Имитационное моделирование процесса передачи данных | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 30 ноября, печатный экземпляр отправим 4 декабря.

Опубликовать статью в журнале

Автор:

Рубрика: Информационные технологии

Опубликовано в Молодой учёный №7 (245) февраль 2019 г.

Дата публикации: 13.02.2019

Статья просмотрена: 545 раз

Библиографическое описание:

Винокуров, А. Ф. Имитационное моделирование процесса передачи данных / А. Ф. Винокуров. — Текст : непосредственный // Молодой ученый. — 2019. — № 7 (245). — С. 98-100. — URL: https://moluch.ru/archive/245/56528/ (дата обращения: 16.11.2024).



В статье решена задача имитационного модулирования средствами AnyLogic.

Ключевые слова: имитационная модель, моделирование, IT, компьютерное модулирование.

Постановка задачи:

Двухпроцессорный вычислительный комплекс (ВК) обслуживает три автоматизированных рабочих места (АРМ). Первое АРМ имеет абсолютный приоритет по отношению к остальным, а второе — более высокий приоритет по отношению к третьему АРМ. От первого АРМ поступают запросы на обслуживание, интервалы между которыми распределены равномерно [t1,t2] с. Интервалы времени поступления запросов от второго и третьего АРМ распределены по экспоненциальному закону с параметрами t3 и t4 соответственно. На обслуживание одного запроса 1-й категории любой процессор затрачивает время, экспоненциально распределенное с параметром t5 с, 2-й категории — t6 с, 3-й категории — t7 c. В оперативной памяти ВК организован накопитель емкостью L запросов.

Каждый процессор имеет конечную надежность. Длительность интервалов между отказами распределена по экспоненциальному закону с параметром t8 с. Длительность восстановления распределена по нормальному закону с параметрами t9 c и t10 c. При отказе любого процессора обслуживаемые и прерванные запросы теряются.

Исходные данные:

L — ёмкость накопителя = 5 запросов

t1 — средний интервал времени поступления запросов от АРМ1 = 32

t2 — среднеквадратическое отклонение интервала времени поступления запросов от АРМ1 = 5

t3 — средний интервал времени поступления запросов от АРМ2 = 25

t4 — средний интервал времени поступления запросов от АРМЗ = 42

t5 — среднее время обработки запросов от АРМ1 = 11

t6 — среднее время обработки запросов от АРМ2 = 7

t7 — среднее время обработки запросов от АРМЗ = 9

t8 — средний интервал времени возникновения отказов = 8000

t9 — среднее время восстановления = 18

t10 — среднеквадратическое отклонение времени восстановления = 2

Koef — коэффициент изменения t9 и t10 = 1

Созданию системы, действующей в реальном мире, предшествует моделирование — создание и анализ системы–заместителя, которая повторяет основные характеристики исходной, но позволяет снизить расходы (времени или денег) требуемые для проведения экспериментов [1].

По Ляпунову, математическое моделирование — это опосредованное практическое или теоретическое исследование объекта, при котором непосредственно изучается не сам интересующий нас объект, а некоторая вспомогательная искусственная или естественная система (модель), находящаяся в некотором объективном соответствии с познаваемым объектом, способная замещать его в определённых отношениях и дающая при её исследовании, в конечном счёте, информацию о самом моделируемом объекте [3].

Среди математических моделей, позволяющих адекватно описать и проводить анализ широкого класса систем, следует выделить имитационные модели.

В данной статье используется среда моделирования AnyLogic. AnyLogic — программное обеспечение для имитационного моделирования, разработанное российской компанией The AnyLogic. Инструмент обладает современным графическим интерфейсом и позволяет использовать язык Java для разработки моделей [2].

Построение модели

Рис. 1. Исследуемая модель

Проведём следующие исследования модели:

1. В течение 2 ч функционирования двухпроцессорного вычислительного комплекса исследуем зависимость вероятности потерь запросов от:

— емкости накопителя,

— интервалов времени выхода из строя,

— времени восстановления процессоров.

Для исследования нам понадобятся следующие переменные.

Рис. 2. Переменные

Таблица 1

Анализ работы системы в зависимости от ёмкости памяти

Ёмкость накопителя

1

2

3

4

5

6

7

8

9

10

Вероятность потери запроса

23,3

18,4

8,4

8,3

6

6,1

3

2,8

1,1

1

Таблица 2

Анализ работы системы в зависимости от времени работы процессора

Время работы процессора до отказа

600

650

700

750

800

850

900

950

1000

1050

Вероятность потери запроса

8,3

6,9

6,8

6,5

5,7

4,3

4,1

4

4

3,9

Таблица 3

Анализ работы системы в зависимости от времени восстановления процессора

Мат ожидание (время восстановления)

12

13

14

15

16

17

18

19

20

21

Вероятность потери запроса

5,3

5,4

5,6

5,3

6,2

5,9

6,3

6

6,3

6,2

Анализ результатов

Рис. 3. Визуализация анализа работы системы в зависимости от времени восстановления процессора

В ходе выполнения этой работы были получены основные навыки решения задач по автоматизации технологических процессов в среде имитационного моделирования AnyLogic, что включает в себя проведение научно — исследовательской и проектно-конструкторской работы в области исследования и разработки сложных систем; способность ставить и проводить имитационные эксперименты с моделями процессов функционирования систем на современных ЭВМ для оценки вероятностно — временных характеристик систем. В результате выполнения работы получены результаты о работе сервера с учетом различной интенсивности генерации запросов.

Литература:

  1. Николенко С. Д. Глубокое обучение. Погружение в мир нейронных сетей: — Питер СПб.: ВАС, 2018. — 480 с.
  2. Бэзнис Б. В. Java для начинающих. Объектно-ориентированный подход в построение интерфейса Web-приложений. — СПб.: ВАС, 2018. — 680 с.
  3. Рашид Т. Г. Создаём нейронную сеть. — Вильямс, 2017. — 272 с
Основные термины (генерируются автоматически): интервал времени поступления запросов, анализ работы системы, вероятность потери запроса, время обработки запросов, время восстановления, время восстановления процессора, время работы процессора, двухпроцессорный вычислительный комплекс, запрос, имитационное моделирование.


Ключевые слова

моделирование, имитационная модель, IT, компьютерное модулирование

Похожие статьи

Использование программного обеспечения AnyLogic в имитационном моделировании

В статье рассматриваются возможности и применение среды программного обеспечения AnyLogic для использования в имитационном моделировании.

Использование имитационного подхода для моделирования экспериментов

В данной статье рассматривается один из подходов к моделированию систем различного уровня — имитационное моделирование. Рассматривается суть метода, варианты и области использования, а также рассматривается современное программное обеспечение, позвол...

Исследование методов автоматического программирования с применением искусственного интеллекта

В статье автор исследует методы применения искусственного интеллекта для разработки инструментов разработки программного обеспечения направлены на создание интеллектуальных систем, способных автоматически анализировать, оптимизировать и документирова...

Прогнозирование методом машинного обучения

В статье авторы рассматривают прогнозирование с использованием искусственного интеллекта и машинного обучения, проблемы прогнозирования, методы машинного обучения и его возможности.

Сравнение эффективности использования технологий CUDA и OpenCL при реализации нейронной сети репликации

В статье автор сравнивает эффективность технологий распараллеливания компьютерных вычислений на примере задачи реализации и обучения нейронной сети репликации.

Использование искусственного интеллекта в управлении проектами

В статье автор исследует методы использования искусственного интеллекта в управлении проектами.

Применение цифрового моделирования в Visual Components при разработке роботизированных комплексов на основе коллаборативной робототехники

В статье автор рассматривает особенности коллаборативной робототехники и применимость программного пакета Visual Components для цифрового моделирования на этапе разработки коллаборативных роботизированных комплексов.

Использование искусственных нейронных сетей для решения задач информационной безопасности

В статье автор исследует возможности применения искусственных нейронных сетей в решении некоторых задач информационной безопасности. В статье рассматривается модель ИНС для обнаружения вредоносного ПО на Android и потенциал методов машинного обучения...

Алгоритмы кластеризации в машинном обучении

В статье рассматриваются основные алгоритмы кластеризации в машинном обучении.

ER-моделирование. Особенности семантического моделирования

Статья посвящена семантическому моделированию, применяемому при разработ-ке систем баз данных.

Похожие статьи

Использование программного обеспечения AnyLogic в имитационном моделировании

В статье рассматриваются возможности и применение среды программного обеспечения AnyLogic для использования в имитационном моделировании.

Использование имитационного подхода для моделирования экспериментов

В данной статье рассматривается один из подходов к моделированию систем различного уровня — имитационное моделирование. Рассматривается суть метода, варианты и области использования, а также рассматривается современное программное обеспечение, позвол...

Исследование методов автоматического программирования с применением искусственного интеллекта

В статье автор исследует методы применения искусственного интеллекта для разработки инструментов разработки программного обеспечения направлены на создание интеллектуальных систем, способных автоматически анализировать, оптимизировать и документирова...

Прогнозирование методом машинного обучения

В статье авторы рассматривают прогнозирование с использованием искусственного интеллекта и машинного обучения, проблемы прогнозирования, методы машинного обучения и его возможности.

Сравнение эффективности использования технологий CUDA и OpenCL при реализации нейронной сети репликации

В статье автор сравнивает эффективность технологий распараллеливания компьютерных вычислений на примере задачи реализации и обучения нейронной сети репликации.

Использование искусственного интеллекта в управлении проектами

В статье автор исследует методы использования искусственного интеллекта в управлении проектами.

Применение цифрового моделирования в Visual Components при разработке роботизированных комплексов на основе коллаборативной робототехники

В статье автор рассматривает особенности коллаборативной робототехники и применимость программного пакета Visual Components для цифрового моделирования на этапе разработки коллаборативных роботизированных комплексов.

Использование искусственных нейронных сетей для решения задач информационной безопасности

В статье автор исследует возможности применения искусственных нейронных сетей в решении некоторых задач информационной безопасности. В статье рассматривается модель ИНС для обнаружения вредоносного ПО на Android и потенциал методов машинного обучения...

Алгоритмы кластеризации в машинном обучении

В статье рассматриваются основные алгоритмы кластеризации в машинном обучении.

ER-моделирование. Особенности семантического моделирования

Статья посвящена семантическому моделированию, применяемому при разработ-ке систем баз данных.

Задать вопрос