Сравнительная оценка результатов экспериментов

Мы не использовали встроенный эксперимент Монте-Карло ввиду его отсутствия в нашей версии AnyLogic, а воспользовались экспериментом Варьирование параметров. Проведем сравнительную оценку результатов.

Рис. 1.66. Результаты эксперимента Parameters Variation после замены имени параметра и внесения соответствующих изменений.

Рис. 1.67. Результаты встроенного эксперимента МонтеКарло моделирования, полученных в созданном нами эксперименте (см. рис. 1.66) и во встроенном в полную версию системы (рис. 1.67).

Из сравнения следует, что вероятность обработки запросов и коэффициент использования сервера в обоих экспериментах отличаются на 0,001. Причиной незначительных отличий других результатов является выбор случайных чисел для уникальности прогонов. Если вы запустите эти эксперименты снова, то получите другие результаты, также незначительно отличающиеся.

Время выполнения встроенного эксперимента Монте-Карло больше.

Вопросы и задания для самоконтроля

• 1. Как запускается система компьютерного моделирования?
• 2. Какова последовательность команд для создания новой модели?
• 3. Опишите пользовательский интерфейс AnyLogic и назначение его элементов.
• 4. В чем состоит назначение объектов Библиотеки моделирования процессов?
• 5. Приведите примеры интерпретации заявок, генерируемых source.
• 6. Почему вместо времени между прибытиями соседних. заявок exponent ial (120) нужно указать exponential (1/12 0.0)?
• 7. Из какой палитры нужно брать объекты (элементы) для построения модели одноканальной однофазной СМ О?
• 8. Из какой палитры нужно брать объекты (элементы) для обработки накопленной статистики? Опишите назначение объектов.
• 9. Какой объект предназначен для ввода запросов в модель?
• 10. Какой объект предназначен для вывода запросов из модели?
• 11. Как сохранить модель с именем пользователя?
• 12. Какой объект имитирует очередь запросов?
• 13. Какой объект имитирует обработку запросов?
• 14. Как соединить в модели объекты между собой?
• 15. Для чего при отладке модели нужно устанавливать для случайности Фиксированное начальное число (воспроизводимые прогоны)?
• 16. Из какой палитры берутся примитивные фигуры для рисования презентаций модели?
• 17. Откуда нужно начинать рисование пути для расположения заявок от начальной точки к конечной?
• 18. Поясните действия кода:

время_обработки_запроса.add (.

• (timet) — agent. time_vxod) / agent. col_vixod);
• 19. Поясните действия кода:

вероятность_обработки_запросов.add.

• (agent.col_vixod / agent. col_vxod);
• 20. Опишите создание эксперимента Монте-Карло с использованием эксперимента Варьирование параметров.
• 21. Поясните действия кода:

КолОбрЗапросов.add (root.колОбрЗапросов);

Задание на самостоятельное исследование

Проведите несколько экспериментов. Изменяйте среднее время поступления запросов ервремя в предположении, что с течением времени количество источников запросов будет расти, т. е. ервремя будет уменьшаться. Изменяйте емкость входного буфера емкостьБуфера и производительность Q_ сервера в сторону увеличения, чтобы вероятность обработки запросов была наибольшей.

Пример таблицы результатов для единичного эксперимента показан в табл. 1.1. Количественные значения параметров установите самостоятельно. Дайте интерпретацию полученным результатам.

Показатели обработки запросов сервером

Таблица 1.1