Modelarea sistemelor de calcul

Curs, anul III Calculatoare

Instructori:
Prof.dr.ing. Mihai Mocanu
Conf.dr.ing.Ileana Nicolae
E-mail: mocanu@software.ucv.ro
Ore curs: Joi 16:00-18:00
Ore consultatie (la cerere): Joi 14:00-16:00
Pagina curs: http://software.ucv.ro/~mocanu_mihai/

(pe intrarea corespunztoare cursului, introducei user/pasw)

Obiectul cursului
Domeniul distinct de studiu/cercetare al modelarii
si simularii (M&S) face parte din zona disciplinelor
ingineresti generale (management ingineresc)
n

Termenii modelare si simulare sunt deseori utilizati

alternativ conceptualizarea si implementarea (M&S)
sunt activitati mutual dependente ce pot fi conduse
insa si independent (de indivizi diferiti)

O definitie generala a obiectului M&S:

n

Modelarea si simularea (M&S) consta in utilizarea de

modele, inclusiv emulatoare, prototipuri, simulatoare
etc, fie static sau in timp, pentru a dezvolta date si a le
folosi apoi ca baza pentru luarea unor decizii (tehnice
sau manageriale)

Locul cursului
Mathematics
Operations
Research*

Physics

Control
Theory

Software
Engineering
Artificial
Intelligence

Numerical and
Symbolic
Computation

Modeling &
Simulation

Graphics &
Visualization

Computer
Science
Systems
Engineering

Zone de cunostinte conexe

Fundamente necesare
Programarea calculatoarelor
Tehnici de programare
Metode numerice
Algoritmi i structuri de date
Teoria general a sistemelor dinamice
Teoria probabilitilor i statistica matematic
Programarea orientat pe obiecte
Medii de programare vizual

Obiective
Introducerea conceptelor de baz de modelare i
simulare discret
nsuirea metodelor analitice de modelare pentru
sisteme cu cozi de ateptare i reele de cozi
Introducerea tehnicilor de modelare, simulare i analiza
performantelor pentru sisteme cu evenimente discrete
complexe
Identificarea posibilitilor i limitrilor modelelor
matematice, extinderea lor prin simulare
Utilizarea unor pachete i biblioteci de programe
specializate pentru modelare i simulare
Dezvoltarea abilitilor de modelare/ simulare a unui
sistem nu doar prin exerciii i probleme, ci i prin
realizarea unui proiect

Structura cursului
Modelarea analitic a sistemelor discrete
Probabiliti i procese aleatoare (review)
Teoria elementar a cozilor de ateptare
Reele de cozi de ateptare
Reele Petri
Tehnici de aproximare
Modele de simulare pentru SED
Limbaje si medii de simulare
Topici avansate
n
n

Simularea paralel si distribuit

Analiza perturbaiilor

Coninutul cursului pe larg

Sisteme dinamice
n

Sisteme cu evenimente discrete (SED, SDED)

Modelarea analitic a SED

n
n
n
n

Categorii de modele i nivele de studiu

Modele algebrice i logice
Modele dinamice: reele Petri
Modele temporale: reele Petri temporizate

Modelarea operaional a SED

n
n
n
n

Statistica in modelare
Lanuri i procese Markov i semi-Markov generalizate
Formalismul GSMP ca baz a modelelor de simulare
Sisteme cu cozi de ateptare i reele de cozi

Coninutul cursului (cont.)

Modele de simulare pentru SED
n
n
n
n

Generarea numerelor i variabilelor aleatoare

Construcia i verificarea modelului de simulare
Execuia secveniala i analiza simulrilor (ieirilor)
Validarea simulrilor. Estimatori i inferena statistica

Limbaje i medii de simulare

n
n
n

Limbaje de simulare
Construcia unui simulator. Biblioteci de componente
Metode de accelerare a execuiei simulrilor: simularea paralela
(distribuita), tehnici de gradient

Aplicaii ale modelarii i simulrii pentru:

n
n
n

Sisteme cu cozi de ateptare i reele de cozi

Sisteme de calcul i reele de calculatoare
Sisteme i reele de comunicaii

Referine bibliografice
Banks J., Carson J.S., Nelson A., Nicol D., Discrete-Event
System Simulation, 3rd Ed., Prentice-Hall, 2000
Cassandras C.G., Discrete Event Systems: Modeling and
Performance Analysis, Irwin & Aksen, Boston, 1993
Lazowska E.D., Zahorjan J., Scott-Graham G., Sevcik K.
C.: Quantitative System Performance - Computer System
Analysis Using Queueing Network Models, 1984
Sadiku M., Ilyas M.: Simulation of Local Area Networks,
CRC Press, 1995
Mocanu M., Principii, concepte i instrumente de
modelare i simulare in studiul sistemelor dinamice
discrete, Ed. Sitech, 2004

Notarea
Se face in PV (pct. virtuale, max.100) repartizate astfel:
20% teme practice periodice proiect (P)
20% evaluare continua a activit ii de laborator (L)
20% teste de evaluare (T)
40% examen scris final (E)
Trebuie s obinei minim 50% din punctaj - minim 10p la
fiecare dintre formele de evaluare pe parcursul
semestrului, pentru a putea lua examenul din prima
sesiune.
La examenul final, trebuie s ob ine i minim 50% din
punctaj (20p) pentru a promova.
Nota reflect curba lui Gauss aplicat punctajului final.

Capitolul I
Sisteme dinamice cu evenimente
discrete

Sisteme dinamice: Aspecte calitative

Se are n vedere dezvoltarea de tehnici de
proiectare, analiz, control, msurare de
performane, bazate pe unele metode i criterii
Definiii:
n
n

un sistem const din componente in interaciune

un sistem este complet descris de funcia asociat,
pe care o ndeplinete prezumptiv [Cas93]
modelul - o reprezentare abstract (o schem, un
set de ecuaii etc.) replicnd, cu un anumit grad de
acuratee, comportarea sistemului nsui

Un model matematic general

< X, T, U, f, Y, g, R >, unde:
X este mulimea strilor;
T este timpul (continuu sau discret);
U este domeniul intrrilor admise;
f : XxTxUxTX, funcia de tranziie a strilor;
Y este domeniul de ieire;
g : XxTY este funcia de ieire;
R : UxTU este funcia de admisibilitate a
intrrii (datorata sau nu unei reacii a
sistemului).

Variabile msurabile
variabile de intrare variabile in timp: {u1(t), u2(t), ...}
variabile de ieire modificate de sistem ca rspuns:
{y1(t), y2(t), ...}.

Daca:
u(t) = [u1(t), u2(t), ..., um(t)]T
y(t) = [y1(t), y2(t), ..., yn(t)]T
Modelul matematic general al sistemului, din punct de
vedere intrare-ieire, este:
y(t) = g(u(t)) = [g1(u1(t), u2(t), ..., um(t)), g2(u1(t), u2(t),
..., um(t)),..., gn(u1(t), u2(t), ..., um(t))]T

Clasificarea sistemelor (1)

sisteme statice in care toate relaiile
funcionale intrare-ieire pe care le putem
construi sunt descrise simplu prin ecuaii
algebrice, in care ieirea y(t) este, pentru orice t,
independenta de valorile trecute ale intrrii u(),
<t;
sisteme dinamice in care relaiile funcionale
intrare-ieire construite sunt descrise prin ecuaii
difereniale, deci in care ieirea y(t) depinde de
valorile trecute ale intrrii u(), <t, deci de
momentul iniierii studierii relaiilor i/e

Clasificarea sistemelor (2)

sisteme invariante in timp: rspunsul
intrare-ieire nu depinde de momentul
aplicrii intrrii (daca u(t) y(t), atunci
u(t+) y(t+), T);
sisteme variabile in timp: rspunsul
intrare-ieire depinde de momentul aplicrii
intrrii (daca u(t) y1(t), atunci u(t+)
y2(t+), cu y1(t) y2(t+) pentru t,T)

Stare sistem
Ieirea unui sistem nu este ntotdeauna
aceeai atunci cnd se aplic aceeai
intrare
Simpla observare a ieirii y(t) atunci cnd
intrarea u(t) este complet specificat nu
conduce la predicia ieirii viitoare
Deci starea sistemului difer!

Clasificarea sistemelor (3)

Introducerea noiunii de stare este
important pentru nelegerea corect a
echilibrului intre influenta factorilor externi
i interni in rspunsul unui sistem.
Numrul strilor poate fi finit, numrabil
sau infinit :
- sisteme cu stri discrete;
- sisteme cu stri continue.

Clasificarea sistemelor (4)

Nu doar numrul strilor influeneaz
capacitatea de predicie a comportrii
viitoare a sistemului pentru o intrare data.
-

sisteme deterministe: ieirile sunt

determinate complet de stare, intrri i
momentul aplicrii;
- sisteme stochastice: cel puin una dintre
ieiri este variabila aleatoare.

Clasificarea sistemelor (rev.)

SISTEME

STATICE

DINAMICE

VARIANTE IN
TIMP

INVARIANTE
IN TIMP
LINIARE

NELINIARE

CU STARI
DISCRETE

CU STARI
CONTINUE

CONDUSE DE
TIMP

CONDUSE DE
EVENIMENTE

DETERMINISTE

STOCHASTICE

Sisteme dinamice cu evenimente discrete

Obiect de studiu:

SDED - sistemele dinamice cu

evenimente discrete
Exemple:
liniile de fabricaie/de asamblare
reelele de calculatoare i de comunicaii
sistemele de dirijare a traficului aerian
procesele de business (supermarket) etc.

Elemente distinctive ale SDED

Sisteme artificiale - create de noile tehnologii
Sisteme dinamice - prin natura evoluiei interne
Starea lor se schimba la momente discrete de
timp i nu continuu ca n cazul sistemelor fizice
Evoluia n timp - depinde de interaciunea
complexa a momentelor de apariie a diferitelor
tipuri de evenimente
Nu pot fi descrise prin ecuaii difereniale, cu
derivate pariale sau cu diferene finite

SDED - definiii
Sisteme dinamice al cror spaiu de stri este
discret i ale cror traiectorii de stare sunt
constante pe poriuni
Momentele de timp la care tranziiile survin, ca i
tranziiile n sine sunt n general impredictibile
Tranziiile de stare se numesc evenimente
Acestea dirijeaz mecanismul tranziiilor de stare
SDED se deosebesc profund de sistemele cu
eantionare, obinute prin discretizarea timpului

SDED - proprieti
discrete - privind timpul de referina i spaiul
strilor
natura lor discontinu nu mpiedica analiza prin

aproximare continua (ex. prin modele de difuzie)

asincrone - raportate la evenimente, nu la timp
nedeterministe - generative i capabile de alegeri
interne
dei perturbri neplanificate, defectri i cderi
sunt inerente, modelarea determinista este
posibila (prin algebra min-max sau reelele Petri)

SDED proprieti (cont.)

gradul de complexitate i dimensiunile lor sunt mari:
numrul de stri ale unui SDED explodeaz
combinatorial
enumerarea strilor duce la sarcini computaionale
inadecvate

sunt modulare - compuse din componente cvasiindependente

pot fi aplicate metode de decompoziie i agregare

pot fi echipate cu mijloace de control i comunicare

Metodologii de studiu:

Modelarea analitica
Simularea

DE CE studiem un sistem?
Scopuri
n
n
n

Proiectare
Msurare i control
mbuntire

Modaliti
n

Studiul sistemului real

w Prezint avantajul exactitii obiectului de studiu
Uneori imposibil, deoarece:
w Sistemul real nu exista
w Studiul sistemului real poate fi distructiv, periculos
sau costa prea mult

DE CE recurgem la modele?
Este necesar ca orice experiment s aib
o baz,

dar uneori realitatea nu este construit

(absena sistemului real)
alteori realitatea nu este disponibil
(lipsa accesului la sistemul real)

Studiul modelelor
De obicei uor, rapid, ieftin, sigur fa de
studiul sistemului real
Permite ncercarea unor idei i ipoteze
Simpla construcie a unui model este instructiv
indiferent de utilizarea sa
Validitatea unui model are in vedere:
n
n

similaritatea cu sistemul real

nivelul de detaliu

Numai ea poate garanta concluzii corecte prin

studiul modelului in locul sistemului real

Definiii: modelare i model

Un proces de modelare este o etapa preliminara
necesara in studiul oricrui sistem, pentru:
n
n

calcul analitic
simulare

Un model:
n
n

este o reprezentare abstracta a unui sistem

nu doar o reprezentare a unui sistem - ci i o
simplificare a sa
totui suficient de detaliata, ca sa permit, prin
studiul sau, concluzii valide asupra sistemului

Modelarea in studiul sistemelor

Tipuri de modele
Modele fizice (iconice)
n
n
n

Planuri, scheme, schie necesare in multe domenii

De tip manechin (phantom) in medicina
De tip virtual reality sau augmented reality in
domenii de nalta tehnologie (simulatoare de zbor)

Modele matematice (logice)

n
n
n

Aproximeaz modul de operare al unui sistem

Deseori reprezentate printr-un software adecvat
Execuia programului permite ncercri, obinerea de
rezultate, studiul comportamentului modelului

Modelarea predictiv
Este o modelare in absenta realitii
Exemple:
a) Construcia unei caroserii care trebuie sa
satisfac anumite criterii de greutate,
rezistenta, geometrice, tehnologice

b) Studiul performantei unui algoritm in ipoteza

implementrii pe o arhitectura inc inexistenta

(dar posibila)

c) Experimentarea unor medicamente ce trebuie

sa aib unele proprieti speciale

Modelarea restrictiv
Este modelarea in condiiile restriciilor
de acces la un sistem real existent
Exemple:

a)

Nu putem opri o reea de calculatoare ce monitorizeaz

o centrala nucleara in scopul efecturii de experimente

b)

Nu putem opri procese de fabricaie ritmice pentru a

experimenta noi metode de management

c)

Nu putem perturba circulaia pe o artera aglomerata

pentru a decide in ce msura, de exemplu, schimbarea
unor reguli de trafic (viteza, prioritatea) este benefica

Studiul modelelor logice

Daca un sistem este destul de simplu, i modelul este
simplu, pot fi aplicate metode matematice tradiionale
Permit obinerea de rezultate exacte:
n
n
n

Aparatul matematic integro-diferenial

Teoria ateptrii (cozi i reele de cozi)
Programare liniara

Sistemele complexe pot fi uneori reprezentate de

modele analitice simple, valide
Presupunerile simplificatoare pstreaz validitatea?
Cel mai adesea, un sistem complex necesit un model
complex, metodele analitice nu se aplic ce facem?
n

Simularea pe calculator
In sens larg, se refera la metode de studiu ce pp.
n
n

evaluare numerica a unor modele de sistem

utilizarea unui model software pentru a mima operaii/
caracteristici sistem, in timp

Poate fi validata de studiul modelelor simple,

pentru care este disponibila i o soluie analitica
Potenial ridicat in studiul modelelor complexe
Simularea este foarte utila in studiul unor sisteme
complexe, unde nu se ntrevede soluia analitica
Fundamente teoretice ale modelelor de simulare:
n
n

automatele de stare (stohastice)

procesele semi-Markov generalizate (GSMP)

Acurateea simulrilor
Prin simulare nu se obin rspunsuri exacte, doar
aproximaii, estimri; totui:
n

n
n

Aceasta nu este o problema specifica, ci una generala

pentru multe alte metode de studiu
Erorile pot fi limitate, prin verificare si validare (V&V)
Verificarea si validarea sunt compuse din proceduri
integrate in dezvoltarea modelului (de simulare)

Ceea ce trebuie evitat este obinerea ieirilor

aleatoare (RIRO) din simulri stochastice, prin:
n

Proiectarea i analiza statistic a experimentelor de

simulare
Controlul zgomotului, replicabilitii, eantionrii
secveniale, tehnicilor de reducere a variantei

Verificarea i validarea simulrilor

Verificarea simulrii consta in principal in compararea
modelului conceptual cu codul programat
Metode de verificare a unei simulri:
n

Compararea modelului implementat cu alte modele, att la nivel

de structura interna cat si de intrare/ ieire
Testarea la nivel de sistem, subsistem sau componente pentru
ndeplinirea cerinelor sau specificaiilor documentate

Validarea unei simulri consta in analiza corespondentei

intre model si sistemul real
Metode de validare a unei simulri:
n

Examinarea atenta a ieirilor modelului in condiiile variabilitii

cat mai mari a intrrilor, si compararea cu datele de observaie
Execuia repetata a modelului programat

Diversitatea metodelor de simulare

Cel mai adesea, simularea are loc pentru starea
stabila, dupa eliminarea regimurilor tranzitorii
Metode statice vs. dinamice
n

Ce rol joaca timpul in model?

Metode continue vs. discrete

n

starea se poate schimba continuu, sau tranziiile de

stare apar doar la momente discrete in timp?

Metode deterministe vs. stochastice

n

este evoluia sistemului sigura sau exista elemente

de incertitudine?

Majoritatea modelelor operaionale sunt:

dinamice, discrete i stochastice

Ex.de simulare manual: estimarea

nr. prin aruncarea acului (Buffon)

Se arunc un ac de lungime L pe o masa cu

dungi d- echidistante (d >L)
P (acul sa taie o linie) = (2*L)/(*d)
Se repet experimentul de un numr mare de ori
i se determina R = raportul intre nr. traversrilor
i nr. aruncrilor
Se estimeaz prin (2*L)/(R*d)

Justificare
Acul poate ateriza in poziii diferite (fig.1)
Orice poziie intre 2 linii se caracterizeaz prin:
n

Distanta captului acului (interior) fata de cea mai

apropiata linie de deasupra sa (y): 0 < y < d
Unghiul format cu direcia liniilor (): 0 < < .

Fig.1

Fig.2

Justificare (cont.)
Acul intersecteaz linia dac y < Lsin
Perechea (, y) determin in mod unic poziia
acului (fr a ine cont de translaii)

Justificare (cont.)
Spaiul de eantionare:

Probabilitatea ca acul sa intersecteze

o linie:

aria de sub curba y = Lsin( )

P=
aria dreptunghiului de laturi d , : A = d

Dup efectuarea calculelor:

Concluzii
Problema acului (Buffon) pare banal, dar aduce in
atenie unele caracteristici de simulare importante:
Execuia in vederea estimrii unei mrimi dificil de
calculat exact (in 1733)
n Factorul aleator, ce face ca estimatorul sa nu fie exact
n Posibilitatea estimrii erorii estimatorului
n Replicarea (mai mult=mai bine) pentru reducerea erorii
n Eantionarea secveniala pentru controlul erorii repet
n

aruncarea pana cnd eroarea estimatorului este destul de mica

Reducerea varianei (crucea Buffon sau tehnica Fox)

w n esen, artificii ca rotirea mesei pe care este

aruncat acul pot elimina imperfeciunea aruncrilor