Моделирование - событие
Cтраница 1
Моделирование событий, приведших к аварии, позволило установить, что в помещении может быть достигнут уровень концентрации метана, приближающийся к нижнему пределу воспламенения. [1]
 |
Соотношение физического, модельного и машинного времени. [2] |
Моделирование событий, совпадающих в модельном времени, возможно только в последовательные моменты машинного времени. Вследствие этого из нескольких заявок, для которых имеет место одновременное наступление событий в модельном времени, в активном состоянии может находиться только одна заявка, тогда как остальные из этих заявок ожидают моментов машинного времени, в которые будет начато выполнение алгоритмов имитации связанных с ними событий. Заявки, ожидающие момента машинного времени для выполнения алгоритмов имитации событий, находятся в сети в активизированном состоянии. При совпадении событий в модельном времени выбор активной заявки производится с учетом приоритетов активизированных заявок. [3]
При моделировании подобных непримитивных событий Г - сетями трудностей не возникает. [4]
На рис. 3.2 представлены временные диаграммы моделирования событий при обеих категориях моделей. В первом случае ( рис. 3.2, э) модельное время получает приращение на заранее выбранную величину Дг; моменты появления событий I. Поэтому обработка событий осуществляется управляющей программой моделирования по группам событий. Величина А Г оказывает решающее влияние на процесс моделирования, поскольку всякое положительное приращение модельного времени заставляет процесс моделирования двигаться вперед. Если величина шага Дг выбрана неправильно, результаты получаются также неверными, так как все события будут наступать в точке, соответствующей верхней границе интервала моделирования. Во втором случае ( рис. 3.2, б) обработка событий идет последовательно, и модельное время каждый раз смещается вперед на начало следующего события. Все события при этом обслуживаются по очереди. Не требуется выбора произвольного искусственного приращения времени. Это позволяет предотвратить возможность того, что выбранная при реализации системы моделирования величина приращения модельного времени Af изменит результаты моделирования. [5]
Алгоритм моделирования памяти складывается из алгоритмов моделирования следующих событий: 1) выделение памяти заявке; 2) постановка заявки в очередь к памяти. С моделированием памяти связано также моделирование элементов освобождения памяти. [6]
Можно построить алгоритм генерирования событий, который играет роль управляющего блока при моделировании событий. Задача датчика событий состоит в том, чтобы производить события, хранить их в запоминающем устройстве ( памяти событий) и оперировать ими в хронологическом порядке до окончания отдельной операции. [7]
В статье описаны предварительные результаты применения вычислительного алгоритма для расчета быстрого разрушения и остановки трещины на основе анализа пластического течения и микроразрушения в конце трещины. Используемый подход предназначен для моделирования событий, присходящих в зоне, где протекает процесс разрушения, вычисления связанных с этим энергетических затрат и определения на этой основе трещиностойкости по отношению к распостранению и остановке трещин. [8]
Моделирование устройств и памяти включает в себя следующие аспекты: имитацию дисциплины обслуживания; имитацию закона обслуживания для заявок каждого типа; фиксацию статистических данных об использовании устройств и памяти. Алгоритмы моделирования устройств и памяти складываются из алгоритмов моделирования отдельных событий, связанных с прохождением заявок через устройства и памяти. Рассмотрим моделирование устройства в случае, когда оно одноканальное. [9]
Однако N обратно пропорционально Р, что объясняет трудность применения метода статистических испытаний для моделирования событий, происходящих с малой вероятностью. Обычно при малых значениях Р задачу приходится видоизменять. [10]
 |
Образование двух адрон-ных струй в процессе аннигиляции е е - - 2 струи. [11] |
Первый из них основан на модели дуальных струн ( см. Дуальность), натягивающихся при разлете цветных жестких партонов. Он базируется на эволюции системы как марковском случайном процессе, что позволяет эффективно использовать Монте-Карло метод для моделирования многочастичных событий. [12]
Таким образом, функционирование модели должно протекать в искусственном ( не в реальном и не в машинном) времени, обеспечивая появление событий в требуемом логикой работы исследуемой системы порядке и с надлежащими временными интервалами между ними. При этом надо учитывать, что элементы реальной системы функционируют одновременно ( параллельно), а компоненты программной модели действуют последовательно, так как реализуются с помощью ЭВМ последовательного действия. Поскольку в различных частях объекта моделирования события могут возникать одновременно, то для сохранения адекватности причинно-следственных временных связей необходимо в языке имитационного моделирования создать механизм задания времени для синхронизации действий элементов модели системы. [13]
Алгоритм анализа графа с возвратом основан на использовании метода статистических испытаний и известного алгоритма Форда для сетевых графиков. Процедура Форда используется для расчета временных параметров отдельных фрагментов графа с учетом их топологии и задаваемых характеристик, а методами Монте-Карло имитируется реализация соответствующих дуг возврата. Таким образом, центральной процедурой алгоритма является моделирование событий контроля и согласования методом статистических испытаний. Исходы этих событий описываются вероятностями повторного исполнения определенных фрагментов проекта. [14]
Далее, возможные исходы всех событий, порождающих возврат, отображаются дугами возврата. Из любого события может исходить несколько дуг возврата, если предвидится несколько причин возврата на доработку. Вероятности возврата этих дуг могут быть связаны между собой различными условиями, учитываемыми при моделировании событий возврата и исходящих из него дуг. [15]
Страницы: 1