ПОНЯТТЯ ІМІТАЦІЙНОГО МОДЕЛЮВАННЯ ТА ІМІТАЦІЙНОЇ МОДЕЛІ
Анотація
У статті проаналізовано поняття імітаційного моделювання та імітаційної моделі. З розвитком автоматизованих систем управління та збільшенням областей використання обчислювальної техніки постає більше різноманітних економічних і управлінських завдань, які потребують вирішення. Розробка адекватних моделей для цих завдань і розробка ефективних методів їх вирішення стають актуальними проблемами. Це особливо стосується завдань, що включають фактори невизначеності, динамічну взаємну залежність поточних рішень, подальших подій та складну взаємозалежність між факторами. Наголошено на тому, що імітаційне моделювання представляє собою метод проведення експериментів з використанням математичних моделей на електронно-обчислювальних машинах (ЕОМ). Його основна мета полягає в відтворенні поведінки складних систем протягом тривалих періодів часу. Цей підхід базується на використанні властивостей наслідування, дозволяючи відтворювати процеси у досліджуваних системах за допомогою математичних моделей на ЕОМ.
Посилання
Неруш В. Б., Курдеча В. В. Імітаційне моделювання систем та процесів: Електронне навчальне видання. Конспект лекцій. Київ : НН ІТС НТУУ «КПІ», 2012. 115 с.
Мєдведєв М. Г., Пащенко І. О. Теорія ймовірностей та математична статистика : підручник. Київ : Ліра-К., 2017. 536 с.
Заяць В. М., Камінський Р. М. Методи розпізнавання образів : Навч. посіб. для студ.; Нац. ун-т «Львів. Політехніка». Львів, 2004. 173 c.
Uryvsky L. Complex analytical model of priority requires service on cloud server. L. Uryvsky, K. Martynova. International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo), 09-13 September 2019, Odesa, Ukraine. IEEE, 2020. Р. 1–4.
Marsaglia G. The ziggurat method for generating random variables. George Marsaglia, Wai Wan Tsang. Journal of Statistical Software. 2000. Vol. 5, No. 8. P. 1–7.
A. Neumaier, Mathematical Model Building, Chapter 3 in: Modeling Languages in Mathematical Optimization (J. Kallrath, ed.), Applied Optimization, Vol. 88, Kluwer, Boston 2004.
Nerush V. B., Kurdecha V. V. (2012). Imitatsiine modeliuvannia system ta protsesiv: Elektronne navchalne vydannia [Simulation modeling of systems and processes: Electronic educational edition]. Konspekt lektsii. Kyiv: NN ITS NTUU «KPI», 115 p.
Medvedev M. G., Pashchenko I. O. (2017). Teoriia ymovirnostei ta matematychna statystyka: pidruchnyk [Probability theory and mathematical statistics: a textbook]. Kyiv: Lira-K., 536 p.
Zayats V. M., Kaminskyi R. M. (2004). Metody rozpiznavannia obraziv: Navch. posib. dlia stud. [Pattern recognition methods: Teaching. manual for students]. National Lviv Polytechnic University. Lviv, 173 p.
Uryvsky L., Martynova K. (2020). Complex analytical model of priority requires service on cloud server. International Conference on Information and Telecommunication Technologies and Radio Electronics (UkrMiCo), 09-13 September 2019, Odessa, Ukraine. IEEE, P. 1–4.
Marsaglia G. (2000) The ziggurat method for generating random variables. George Marsaglia, Wai Wan Tsang. Journal of Statistical Software. Vol. 5, No. 8. P. 1–7.
A. Neumaier, Mathematical Model Building, Chapter 3 in: Modeling Languages in Mathematical Optimization (J. Kallrath, ed.), Applied Optimization, Vol. 88, Kluwer, Boston 2004.
