Динамические системы – это сложные физические объекты, поведение которых описывается системами алгебро-дифференциальных уравнений, а также событиями, меняющими либо среду, либо модель, либо саму структуру объекта. Динамические системы находятся на самом нижнем уровне абстракции [64]. К этому классу относятся системы управления, физические и механические системы, объекты химической технологии и т.п.

Метод Монте-Карло – общее название группы численных методов, основанных на получении большого числа реализаций стохастического (случайного) процесса. Моделирование методом Монте-Карло является эффективным методом исследования простых систем с несложной логикой функционирования. Метод Монте-Карло был открыт в 1940-х годах Дж. Нейманом и С. Уламом. Суть данного метода состоит в том, что проводится розыгрыш случайного явления c помощью некоторой процедуры, которая дает случайный результат. После такого розыгрыша получают одну реализацию случайного явления. Осуществляя розыгрыш многократно, накапливают множество реализаций случайной величины, которые потом можно обрабатывать статистическими методами [128].

Повсеместное распространение ряда систем имитационного моделирования, специально предназначенных для построения имитационных моделей промышленного предприятия как широкого назначения, так и специализированных по отраслям промышленности, повлекло за собой широкое использование имитационного моделирования как средства анализа [21]. Системы моделирования значительно облегчают процесс создания модели по сравнению с универсальными языками программирования. Большинство из них имеют удобный графический интерфейс, системные потоковые диаграммы, что в значительной степени облегчает процесс разработки и реализации имитационных моделей. Кроме того, существует возможность просматривать результаты в виде различных графиков, таблиц, отчетов и компьютерной анимации.

Р. Шеннон [141, 198] отметил следующие преимущества использования систем имитационного моделирования:

1. Снижение трудоемкости программирования.

2. Возможность четкого выражения понятий и формулирования модели.

3. Облегчение документирования и представления результатов моделирования.

4. Обеспечение гибких возможностей расширения и пересмотра модели.

5. Наличие вспомогательных функций общего назначения, необходимых при любых видах моделирования.

Вышеуказанные преимущества систем имитационного моделирования, реализующие его концепции, актуальны и в настоящее время. Рассмотрим системы имитационного моделирования более подробно (рис. 1.3). Итак, для моделирования в рамках системной динамики существуют всего шесть систем имитационного моделирования, тогда как дискретно-событийное моделирование поддерживается десятками различных инструментов, кроме того, существует множество специализированных систем имитационного моделирования, основанных на идеологии дискретно-событийного моделирования, созданных под конкретные задачи. Коммерческие инструменты для агентного моделирования появились на рынке только в последнее десятилетие.

Практически все присутствующие на рынке системы имитационного моделирования разработаны для поддержки одного определенного подхода [12]. В этом смысле AnyLogic и ExtendSim отличаются от остальных программных продуктов полной поддержкой всех современных парадигм имитационного моделирования.

Рис. 1.3. Системы имитационного моделирования и применяемые парадигмы

Таким образом, современная система имитационного моделирования – это программа компьютерного моделирования, предназначенная для профессионалов в области моделирования, которая позволяет быстро создавать модели из базовых графических компонентов, выполнять компьютерные эксперименты с моделями, включая различные виды анализа, а также имеет широкие возможности для оптимизации моделируемых процессов и анимации.