Научная электронная библиотека

Монографии, изданные в издательстве Российской Академии Естествознания

ГИБРИДНОЕ МОДЕЛИРОВАНИЕ МУЛЬТИАГЕНТНЫХ ПРОЦЕССОВ ПРЕОБРАЗОВАНИЯ РЕСУРСОВ

Аксенов К. А., Гончарова Н. В.,

1.4.1. Имитационное моделирование

В качестве основы для создания СДМС в данной книге предлагается использовать средства и методы имитационного моделирования (ИМ).

Слишком часто в нашей жизни эксперименты ставятся на реальных системах, будь то экономика страны, отдельная организация или система управления сложным перекрестком. Лицо, принимающее решение, надеется при этом на свою проницательность, интуицию и удачу. Еще в 1969 г. известный ученый, родоначальник системной динамики Джей Форрестер отмечал, что на основе интуиции для управления сложными системами чаще выбираются неверные решения, чем верные [16–17], и это происходит потому, что в сложной системе причинно-следственные отношения ее параметров не являются простыми и ясными. Невысокая эффективность управленческих решений, сделанных на основе интуиции, объясняется тем, что причины и следствия в сложных системах разнесены во времени и пространстве, поэтому человеку трудно предсказать, какие последствия вызовет то или иное решение. В тех случаях, когда для оценки принимаемых решений эксперимент с реальными системами невозможен либо слишком дорог, используется имитационное моделирование [7].

Имитационное моделирование может применяться в самых различных сферах деятельности. Ниже приведен список задач, при решении которых моделирование особенно эффективно [73]:

– проектирование и анализ производственных систем;

– оценка различных систем вооружений и требований к их материально-техническому обеспечению;

– определение требований к оборудованию и протоколам сетей связи;

– определение требований к оборудованию и программному обеспечению различных компьютерных систем;

– проектирование и анализ работы транспортных систем, например аэропортов, автомагистралей, портов и метрополитена;

– оценка проектов создания различных организаций массового обслуживания, например центров обработки заказов, заведений быстрого питания, больниц, отделений связи;

– модернизация различных процессов в деловой сфере;

– определение политики в системах управления запасами;

– анализ финансовых и экономических систем.

Моделирование насчитывает в настоящее время четыре основных направления: моделирование динамических систем [14–15], дискретно-событийное моделирование [2–3, 14–15, 73], системная динамика [16–17] и агентное моделирование [1, 7, 21–22]. В каждом из этих направлений развиваются свои инструментальные средства, упрощающие разработку моделей и их анализ. Данные направления (кроме агентного моделирования) базируются на концепциях и парадигмах, которые появились и были зафиксированы в инструментальных пакетах моделирования несколько десятилетий назад и с тех пор не менялись [7].

Карпов Ю.Г. в [7] отмечает, что проблемы анализа современных реальных систем часто требуют разработки моделей, не укладывающихся в рамки «одной единственной парадигмы моделирования». Новые требования, выводящие за рамки традиционных парадигм при построении моделей, требуют использования скриптовых языков, тонких и сложных средств интеграции внешних программных модулей с моделью и т. п., что существенно усложняет разработку моделей в традиционных средах [7].

Имитационная модель организационно-технической системы в силу сложной структуры должна быть иерархической, что позволит в свою очередь применять к ней теории иерархических и мультиагентных систем.

Теоретической базой создания средств ИМ являются широко распространенные математические схемы описания динамических процессов (расширенные сети Петри [2, 15], системы массового обслуживания [15, 74], модели системной динамики [16–17]). Новый подход к моделированию динамических процессов, к которым относятся цепочки поставок (логистика [75]), технологические, производственные, организационные и бизнес-процессы, предлагает концепция процессов преобразования ресурсов [33–43], синтезированная на базе вышеупомянутых математических схем.

Системы имитационного моделирования (СИМ) можно разделить на два класса – универсальные и проблемно-ориентированные. Проблемно-ориентированные СИМ имеют одно важное преимущество – они снижают требования к конечному пользователю в области программирования, т. е., с точки зрения внедрения и применения на предприятиях, в организациях и бизнесе имеют больший шанс на выживание. Результаты разработки СИМ, ориентированной на моделирование ситуаций в производственно-экономических системах, представлены в [76]. К распространенным в настоящее время проблемно-ориентированным СИМ в области дискретных процессов преобразования ресурсов относятся следующие: AnyLogic [77], Arena [78–79], ARIS [5, 24–25, 80], ReThink [81–82], Simio, Plant Simulation.