Geum.ru

Компьютеры, программирование

  • 4121. Моделирование рассуждений в ИИС
    Курсовой проект пополнение в коллекции 03.01.2011

     

    1. Андрейчиков, А.В. Интеллектуальные информационные системы: учебник / А. В. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2007. 250 с.
    2. Астахова, И.С. Системы искусственного интеллекта. Практический курс: учеб. пособие / И.С. Астахова, А.С. Потапов, В.А. Чулюков. М.: Бином, Лаборатория знаний, 2008. 276 с.
    3. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учебное пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2008. 304 с.
    4. Гаврилова, Т.А. Базы знаний интеллектуальных систем: учебник / Т.А. Гаврилова. СПб.: Питер, 2008.
    5. Гаскаров, Д.В. Интеллектуальные информационные системы: учебник / Д.В. Гаскаров. М.: Высшая школа, 2008.
    6. Девятков, В.В. Системы искусственного интеллекта: учеб. пособие для студентов вузов / В.В. Девятков. М.: Изд-во МГТУ им. Н.Э. Баумана, 2010. 254 с.
    7. Золотов С.И. Интеллектуальные информационные системы: учебное пособие / С.И. Золотов Воронеж: Научная книга, 2007. 140 с.
    8. Избачков, Ю.С. Информационные системы: учеб. пособие для ВУЗов / Ю.С. Избачков, В. Н. Петров. СПб.: Питер, 2008.
    9. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Издательский дом «Вильямс», 2008. 864 с.
    10. Пескова, С.А. Сети и телекоммуникации: учебное пособие для ВУЗов России / С.А. Пескова, А.Н. Волков, А.В. Кузин. М.: Академия, 2007.
    11. Путькина, Л.В. Интеллектуальные информационные системы: учебное пособие / Л.В. Путькина, Т.Г. Пискунова. СПб.: СПбГУП, 2008.
    12. Рассел С. Искусственный интеллект: современный подход. М.: Издательский дом «Вильямс», 2006. 258 с.
    13. Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: учеб. пособие / Ю. Ф. Тельнов. М.: Синтег, 2008.
    14. Ясницкий Л.Н. Введение в искусственный интеллект: учебное пособие / Л.Н. Ясницкий. М.: Академия, 2008.
  • 4122. Моделирование расчетов одиночных ошибок и их пачек в ЦСП
    Дипломная работа пополнение в коллекции 12.06.2012

    • Рис. 2. Структурная схема алгоритма задачи 1
    • Рис. 2. продолжение
    • 3.3 Разработка программ расчета коэффициентов ошибок
    • Программа будет осуществлять расчет параметров в зависимости от номера пункта параметра, поэтому, в первую очередь, надо вывести на экран пронумерованный список параметров. Далее следует сделать запрос о номере параметра, чтобы пользователь мог из вышеописанного списка выбрать конкретный параметр. В вышеописанной задаче исходные данные формируются компьютером из трех последних цифр зачетной книжки:
    • ,
    • где - третья от конца цифра номера зачетной книжки, - соответственно, вторая и первая от конца цифры номера зачетной книжки. Таким образом, X1 будет иметь всего четыре значения: 1, 2, 3, 4, а - десять значений от 0 до 9. Все это позволяет вывести на экран значения расчетов для любого выбранного параметра в виде четырех таблиц ответов, с навигацией X2 по вертикали и X3 по горизонтали и размерностью 10´10 ячеек, которые будут последовательно сменять друг друга. В заголовках таблиц выводятся номер пункта и его название, а также значения Y1. Для удобства чтения и экономии места на экране, все значения имеют в целой части три числа и в дробной части два числа и выглядят следующим образом: ###.##. Величины выходящие за вышеозначенный предел, логарифмируем, используя логарифм по основанию 10. Из особенности задачи, в программе разработаны циклы для вычисления факториала и циклы для нахождения границ доверительного интервала при заданной доверительной вероятности. Из таблицы с ответами производится выборка минимального и максимального значений, чтобы видеть, не выходят ли значения ответов из границ реальных значений. Для печати ответов пользователь уведомляется сообщением в самом начале программы. При выводе на печать, пользователь получает на одном листе четыре таблицы, в заголовках которых, выводятся номер пункта и его название, а также значения Y1.
    • 3.4 Численный расчет КО по задаче 1
    • Примеры расчетов КО в ЦСП ПЦИ.
    • Пример 1.1. Для , (см. задачу 1.). Из условия задачи: , , кбит/с (табл. 1), , , .
    • При одинаковых , и в соответствии с (11) и (13б) во всех пунктах задачи времена Пуассоновских оценок из (10)
    • 368,8 с,
    • 737,65 с,
    • где q=1,3,4.
    • Вычислим для двух измерений i=1,2 (рис. 1) границы доверительной вероятности при помощи (22а) и (22б)
    • ;
    • .
    • Из (23) и (24) находим для доверительные границы (табл.3): ; .
    • Искомые относительные погрешности для первого измерения
    • ,
    • .
    • Суммарная относительная погрешность
    • .
    • Из (23) и (24) вычислим для доверительные границы (табл.4): ; .
    • Искомые относительные погрешности для второго измерения
    • ,
    • .
    • Суммарная относительная погрешность
    • .
    • Из (19) и (20) искомые граничные значения:
    • 1,35·10 -9,
    • 6,59·10 -9,
    • 1,98·10 -9,
    • 5,96·10 -9.
    • Относительное уменьшение доверительного интервала во втором измерении по сравнению с первым равно
    • .
    • Вывод: при увеличении времени измерений в 2 раза доверительный интервал уменьшился в 1,32 раз при той же доверительной вероятности, а зависимость между временем наблюдения и средним количеством полученных ошибок - линейная.
    • Пример 1.2. Для , (см. задачу 1.). Из условия задачи: , , кбит/с и кблок/с (табл. 1),
    • ,
    • , .
    • Времена Пуассоновских оценок, границы доверительной вероятности, методические относительные погрешности такие же как в примере 1.1 для ЦСП ПЦИ. Из (19) и (20) получим искомые величины
    • 2,77·10 -6,
    • 1,3·10 -5,
    • 4,067·10 -6,
    • 1,22·10 -5.
    • Вывод такой же как и в примере 1.1 для ЦСП ПЦИ.
    • Пример 1.3. Для , (см. задачу 1.). Из условия задачи: , , кбит/с и свблок/с (табл. 1),
    • ,
    • , .
    • Времена Пуассоновских оценок, границы доверительной вероятности, методические относительные погрешности такие же как в примере 1.1 для ЦСП ПЦИ. Из (19) и (20) получаем искомые значения:
    • 2,77·10 -3,
    • 0,014,
    • 4,067·10 -3,
    • 0,012.
    • Вывод такой же как и в примере 1.1 для ЦСП ПЦИ.
    • Примеры расчетов КО в ЦСП СЦИ.
    • Пример 1.1. Для , (см. задачу 1.). Из условия задачи: , , кбит/с (табл. 1), , , .
    • При одинаковых , и в соответствии с (11) и (13б) во всех пунктах задачи времена Пуассоновских оценок из (10)
    • 453,94 с,
    • 907,88 с,
    • где q=1,3,4. Поскольку заданные числа измеренных ошибок и заданные доверительные вероятности измерений такие же, как в примере 1.1 для ЦСП ПЦИ, то и результаты вычислений относительных погрешностей первого и второго измерений совпадают с примером 1.1. Поэтому из решения примера 1.1 для ЦСП ПЦИ:
    • ,
    • ,
    • .
    • ,
    • .
    • .
    • Из (19) и (20) можно найти граничные значения для
    • 1,35·10 -9,
    • 6,59·10 -9,
    • 1,98·10 -9,
    • 5,96·10 -9.
    • Относительное уменьшение доверительного интервала во втором испытании по сравнению с первым равно
    • .
    • Вывод: при увеличении времени испытаний в 2 раза доверительный интервал уменьшился в 1,32 раз при той же доверительной вероятности, а зависимость между временем наблюдения и средним количеством полученных ошибок - линейная.
    • Пример 1.2. Для , (см. задачу 1.). Из условия задачи: , , кбит/с и ксблок/с (табл. 1),
    • ,
    • , .
    • Времена Пуассоновских оценок, границы доверительной вероятности, методические относительные погрешности такие же как в примере 1.1 для ЦСП СЦИ.
    • Теперь из (19) и (20) получим искомые величины
    • 5,62·10 -7,
    • 2,74·10 -6,
    • 8,26·10 -7,
    • 2,48·10 -6.
    • Вывод такой же как и в примере 1.1 для ЦСП СЦИ.
    • Пример 1.3. Для , (см. задачу 1.). Из условия задачи: , , кбит/с и кблок/с (табл. 1),
    • ,
    • , .
    • Времена Пуассоновских оценок, границы доверительной вероятности, методические относительные погрешности такие же как в примере 1.1 для ЦСП СЦИ.
    • Теперь из (19) и (20) получим искомые величины
    • 1,123·10 -6,
    • 5,49·10 -6,
    • 1,65·10 -6,
    • 4,96·10 -6.
    • Вывод такой же как и в примере 1.1 для ЦСП СЦИ.
    • Пример 1.4. Для , (см. задачу 1.). Из условия задачи: , , кбит/с и свблок/с (табл. 1),
    • ,
    • , .
    • Времена Пуассоновских оценок, границы доверительной вероятности, методические относительные погрешности такие же как в примере 1.1 для ЦСП СЦИ.
    • Теперь из (19) и (20) получим искомые величины
    • 2,25·10 -3,
    • 1,1·10 -2,
    • 3,3·10 -3,
    • 9,9·10 -3.
    • Вывод такой же как и в примере 1.1 для ЦСП СЦИ.
    • Глава 4. Расчет КОП для их Пуассоновского распределения. Задача 2
    • В тракте j ступени ЦСП СЦИ (табл.2), где
    • ,
    • за время
    • секунд (с) проведено четыре параллельных измерения нижеуказанными методами.
    • Найти при заданной доверительной вероятности
    • КО и (q=1,2,3,4), КОП =, а также относительные методические погрешности этих коэффициентов и , (q=1,2,3,4) в каждом измерении для следующих случаев и реальную максимальную относительную погрешность величину . В данной задаче буквы А и Б означают, соответственно, верхнюю и нижнюю границы доверительного интервала.
    • 2.1. Число битовых ошибок МИ-1
    • 2.2. Число субблоковых ошибок в МИ-2
    • .
    • 2.3. Число блоковых ошибок в МИ-3
    • .
    • 2.4. Число секундных ошибок в МИ-4 .
    • В МИ-1 КОП равен нулю. В МИ-2,3,4 КОП вычисляется с помощью более точного МИ-1.
    • Определение величин , , указано в условии к задаче 1.
    • 4.1 Математическая модель Пуассоновской оценки КОП
    • Для пачек ошибок (ПО) используем иную индексацию, чем для одиночных ошибок (ОО).
    • Из (10) можно найти методические КО для МИ-q
    • ,
    • где 4³q>1,
    • - СП в МИ-q в тракте ЦСП порядка,
    • - заданное время измерений.
    • При помощи (12б) можно определить коэффициент ошибок, который соответствовал бы случаю отсутствия пачек ошибок во втором испытании,
    • .
    • КОП для МИ-q, вычисленный при помощи МИ-1 (табл. 7):
    • .
    • Из (1) находим количество ошибок, группирующихся в пачки,
    • .
    • Поскольку , , - величины, не превышающие число 34, применим Пуассоновское распределение для нахождения следующих доверительных границ
    • , - для величины в МИ-1,
    • , - для значения в МИ-q,
    • , - для числа ПО .
    • После определения этих доверительных границ по формулам (18а) и (18б) можно найти относительные методические погрешности погрешности: для (или )
    • ,
    • ,
    • ;
    • для (или ),
    • ,
    • ,
    • .
    • Для оценки (или ) можно использовать (15),
    • .
    • Поскольку искомые доверительные границы наблюдаемых чисел ошибок , и , являются аргументами доверительных вероятностей , то сначала надо найти границы доверительных вероятностей
    • и .
    • После этого надо рассчитать таблицу значений по (25) (например, такую же, как табл. 4) и из этой таблицы определить , и , , соответствующие и .
    • Полученные оценки для , , являются ответом задачи. Однако реальная максимальная относительная методическая погрешность для больше, чем полученный результат для . Найдём из (16) эту реальную максимальную относительную погрешность
    • .
    • 4.2 Разработка алгоритма расчёта КОП, для Пуассоновской плотности вероятности их распределения
    • Для нахождения коэффициентов ошибок по ошибкам, группирующимся в пачки, выполним ряд вычислений:
    • вычисляем исходные данные;
    • находим коэффициенты ошибок в двух испытаниях, а также коэффициент ошибок по пачкам ошибок;
    • определяем границы доверительного интервала;
    • вычисляем относительные погрешности для границ доверительного интервала;
    • определяем относительную погрешность для пачек ошибок;
    • вычисляем реальную максимальную относительную погрешность,
    где X - номер варианта задания от 0 до 9,

  • 4123. Моделирование рекламных кампаний
    Курсовой проект пополнение в коллекции 02.06.2012

    Реклама в социологии. Главной проблемой социологии рекламы выступает влияние рекламы на общественную систему в социетальном восприятии и влияние общественной системы на рекламу в конкретно историческом аспекте. Это два аспекта одного и того же процесса. Первый аспект связан с пониманием того, как рекламные образы, создаваемые для продвижения товаров, услуг, идей влияют на само общество, как реклама меняет его культурные, нравственные устои; может ли реклама изменить общественную атмосферу или культурные парадигмы конкретного общества, или она призвана пропагандировать только то, что в обыденной жизни уже есть. Все эти вопросы, в их более широкой постановке - о роли коммуникативных институтов в общественной жизни, активно обсуждаются еще с начала ХХ-го столетия, когда средства массовой информации стали стремительно вторгаться в общественную жизнь. Нельзя сказать, что в настоящий момент эти вопросы нашли свое разрешение.

  • 4124. Моделирование сетей. Оптимизация производительности сети
    Дипломная работа пополнение в коллекции 11.09.2012

    Популярность Internet оказывает на корпоративные сети не только техническое и технологическое влияние. Так как Internet постепенно становится общемировой сетью интерактивного взаимодействия людей, то Internet начинает все больше и больше использоваться не только для распространения информации, в том числе и рекламной, но и для осуществления самих деловых операций - покупки товаров и услуг, перемещения финансовых активов и т.п. Это в корне меняет для многих предприятий саму канву ведения бизнеса, так как появляются миллионы потенциальных покупателей, которых нужно снабжать рекламной информацией, тысячи интересующихся продукцией клиентов, которым нужно предоставлять дополнительную информацию и вступать в активный диалог через Internet, и, наконец, сотни покупателей, с которыми нужно совершать электронные сделки. Сюда нужно добавить и обмен информацией с предприятиями-соисполнителями или партнерами по бизнесу. Изменения схемы ведения бизнеса меняют и требования, предъявляемые к корпоративной сети. Например, использование технологии Intranet сломало привычные пропорции внутреннего и внешнего трафика предприятия в целом и его подразделений - старое правило, гласящее, что 80% трафика является внутренним и только 20% идет вовне, сейчас не отражает истинного положения дел. Интенсивное обращение к Web-сайтам внешних организаций и других подразделений предприятия резко повысило долю внешнего трафика и, соответственно, повысило нагрузку на пограничные маршрутизаторы и межсетевые экраны (firewalls) корпоративной сети. Другим примером влияния Internet на бизнес-процессы может служить необходимость аутентификации и авторизации огромного числа клиентов, обращающихся за информацией на серверы предприятия извне. Старые способы, основанные на заведении учетной информации на каждого пользователя в базе данных сети и выдаче ему индивидуального пароля, здесь уже не годятся - ни администраторы, ни серверы аутентификации сети с таким объемом работ не справятся. Поэтому появляются новые методы проверки легальности пользователей, заимствованные из практики организаций, имеющих дело с большими потоками клиентов - магазинов, выставок и т.п. Влияние Internet на корпоративную сеть - это только один, хотя и яркий, пример постоянных изменений, которые претерпевает технология автоматизированной обработки информации на современном предприятии, желающем не отстать от конкурентов. Постоянно появляются технические, технологические и организационные новинки, которые необходимо использовать в корпоративной сети для поддержания ее в состоянии, соответствующем требованиям времени. Без внесения изменений корпоративная сеть быстро морально устареет и не сможет работать так, чтобы предприятие смогло успешно выдерживать жесткую конкурентную борьбу на мировом рынке. Как правило, срок морального старения продуктов и решений в области информационных технологий находится в районе 3 - 5 лет.

  • 4125. Моделирование сети
    Контрольная работа пополнение в коллекции 05.06.2010

    Вывод: Построили сеть, состоящую из 5 ПК, 2х свитчей и 2х файл серверов; также рассматривали в зависимости от типа сообщения(запрос/ответ) посылку ответа или же удаление сообщений из модели.

  • 4126. Моделирование сети кластеризации данных в MATLAB NEURAL NETWORK TOOL
    Дипломная работа пополнение в коллекции 24.03.2011

    Параметр скорости настройки по умолчанию равен 0.001, и его величина обычно на порядок меньше соответствующего значения для М-функции learnk. Увеличение смещений для неактивных нейронов позволяет расширить диапазон покрытия входных значений, и неактивный нейрон начинает формировать кластер. В конечном счете он может начать притягивать новые входные векторы - это дает два преимущества. Первое преимущество, если нейрон не выигрывает конкуренции, потому что его вектор весов существенно отличается от векторов, поступающих на вход сети, то его смещение по мере обучения становится достаточно большим и он становится конкурентоспособным. Когда это происходит, его вектор весов начинает приближаться к некоторой группе векторов входа. Как только нейрон начинает побеждать, его смещение начинает уменьшаться. Таким образом, задача активизации "мертвых" нейронов оказывается решенной. Второе преимущество, связанное с настройкой смещений, состоит в том, что они позволяют выровнять значения параметра активности и обеспечить притяжение приблизительно одинакового количества векторов входа. Таким образом, если один из кластеров притягивает большее число векторов входа, чем другой, то более заполненная область притянет дополнительное количество нейронов и будет поделена на меньшие по размерам кластеры.

  • 4127. Моделирование систем
    Курсовой проект пополнение в коллекции 09.12.2008

    Известно, что существуют два основных принципа построения моделирующих алгоритмов: «принцип t» и «принцип z». При построении моделирующего алгоритма Q-схемы по «принципу t», т.е. алгоритма с детерминированным шагом, необходимо для построения адекватной модели определить минимальный интервал времени между соседними состояниями t = {ui} (во входящих потоках и потоках обслуживания) и принять, что шаг моделирования равен t. В моделирующих алгоритмах, построенных по «принципу z», т.е. в алгоритмах со случайным шагом, элементы Q-схемы просматриваются при моделировании только в моменты особых состояний (в моменты появления из И изменения состояний К). При этом длительность шага t = var зависит как от особенностей самой системы, так и от воздействий внешней среды. Моделирующие алгоритмы со случайным шагом могут быть реализованиы синхронным и асинхроным способами. При синхронном способе один из элементов Q-схемы выбирается в качестве ведущего, и по нему «синхронизируется» весь процесс моделирования. При асинхронном способе построения моделирующего алгоритма ведущий (синхронизирующий) элемент не используется, а очередному шагу моделирования (просмотру элементов Q-схемы) может соответствовать любое особое состояние всего множества элементов И, Н, К. при этом просмотр элеменов Q-схемы организовани так, что при каждом особом состоянии либо циклически просматриваются все элементы, либо спорадически, - только те, которые могут в этом случае изменить свое состояние.

  • 4128. Моделирование систем
    Курсовой проект пополнение в коллекции 08.04.2012

    Результаты имитационного моделирования могут быть оформлены в виде графиков или таблиц, в которых каждому варианту значений параметров исследуемого объекта поставлены в соответствие определенные значения показателей , оценивающих функционирование объекта. Однако зависимости между теми же величинами в аналитическом виде с помощью имитационной модели не могут быть получены Все имитационные модели представляют собой модели типа так называемого черного ящика. Это означает, что они обеспечивают выдачу выходных параметров системы, если на ее взаимодействующие подсистемы поступают входные воздействия. Поэтому для получения необходимой информации или результатов следует осуществить "прогон" (реализацию, "репетицию") моделей, а не "решать" их. Имитационные модели не способны формировать свое собственное решение в том виде, в каком это имеет место в аналитических моделях, а могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором. Этот кажущейся на первый взгляд недостаток, на самом деле является главным достоинством имитационного моделирования вследствие того, что целесообразность применения имитационного моделирования становится очевидной при наличии любого из следующих условий:

  • 4129. Моделирование систем автоматического регулирования температуры в объекте второго порядка
    Дипломная работа пополнение в коллекции 10.02.2012

    Разработка и внедрение автоматизированных систем управления технологическими процессами являются основной тенденцией развития современного промышленного производства. Цели автоматизации - повышение эффективности и производительности труда, повышение качества продукции, оптимизация планирования и управления, освобождение человека от работы во вредных условиях. Одной из наиболее сложных задач автоматизации является формализованное их представление в форме математического описания. Существует большое число методов идентификации объектов управления на основании экспериментальных методов. Эти методы чаще всего требуют большого числа расчетов, которые целесообразно выполнить с помощью вычислительной техники. Так же используются и аналитические методы построения моделей для отдельных классов объектов.

  • 4130. Моделирование системных элементов
    Информация пополнение в коллекции 12.01.2009

    Интерпретация (от латинского "interpretatio" - разъяснение, толкование, истолкование) определяется как совокупность значений (смыслов), придаваемых каким-либо образом элементам некоторой системы (теории), например, формулам и отдельным символам. В математическом аспекте интерпретация - это экстраполяция исходных положений какой-либо формальной системы на какую-либо содержательную систему, исходные положения которой определяются независимо от формальной системы. Следовательно, можно утверждать, что интерпретация - это установление соответствия между некоторой формальной и содержательной системами. В тех случаях, когда формальная система оказывается применимой (интерпретируемой) к содержательной системе, т.е. установлено что между элементами формальной системы и элементами содержательной системы существует взаимно однозначное соответствие, все исходные положения формальной системы получают подтверждение в содержательной системе. Интерпретация считается полной, если каждому элементу формальной системы соответствует некоторый элемент (интерпретант) содержательной системы. Если указанное условие нарушается, имеет место частичная интерпретация.

  • 4131. Моделирование системы ведения кредитных историй клиентов коммерческого банка
    Дипломная работа пополнение в коллекции 18.12.2011
  • 4132. Моделирование системы массового обслуживания
    Курсовой проект пополнение в коллекции 20.01.2010

    Основной задачей теории систем массового обслуживания является изучение режима функционирования обслуживающей системы и исследование явлений, возникающих в процессе обслуживания. Так, одной из характеристик обслуживающей системы является время пребывания требования в очереди. Очевидно, что это время можно сократить за счет увеличения количества обслуживающих устройств. Однако каждое дополнительное устройство требует определенных материальных затрат, при этом увеличивается время бездействия обслуживающего устройства из-за отсутствия требований на обслуживание, что также является негативным явлением. Следовательно, в теории возникают задачи оптимизации: каким образом достичь определенного уровня обслуживания (максимального сокращения очереди или потерь требований) при минимальных затратах, связанных с простоем обслуживающих устройств. Именно для такого чщательного анализа и необходимо программное средство моделирующее систему массового обслуживания в той или иной области и позволяющее достаточно точно проводить анализ.

  • 4133. Моделирование системы массового обслуживания
    Дипломная работа пополнение в коллекции 19.05.2011

    №время прихода заявкивремя начала обслуживаниявремя конца обслуживанияканалномер в очередивремя обслуживания заявкивремя ожидания (в очереди)0.134230.134231.07323100.93900.1729690.1729690.177969200.00500.3729960.3729960.498996200.12600.3951330.3951331.477133301.08200.4547340.4989960.70899620->10.210.0442611.03211.03211.0741200.04201.1921611.1921611.804161100.61201.3047361.3047361.508736200.20401.4239041.4771331.50013330->10.0230.0532281.4989561.5001331.50113330->10.0010.0011761.5837311.5837311.738731200.15501.721841.721842.37884300.65701.7689431.7689432.605943200.83701.9298081.9298081.941808100.01201.9492071.9492074.358207102.40902.0204962.378842.7078430->10.3290.3583442.1991142.6059432.79194321->20.1860.4068282.4013712.707844.3618431->21.6540.3064692.6662552.7919432.98694321->20.1950.1256872.7281842.9869433.33894321->20.3520.2587583.3642483.3642483.379248200.01503.4505073.4505073.584507200.13403.7988833.7988834.041883200.24303.8702814.0418834.08088320->10.0390.1716024.0286394.0808835.24088321->21.160.0522434.0748474.3582074.73020711->20.3720.283364.3163834.361845.6308431->21.2690.0454574.4658724.7302074.90220710->10.1720.2643354.4944694.9022075.30920711->20.4070.4077374.5287885.2408835.27288322->30.0320.7120944.5365965.2728836.25288323->40.980.7362864.565434-1--4->40-4.580016-1--4->40-4.644491-1--4->40-4.9443355.3092075.66220712->30.3530.3648715.0641465.630845.9008432->30.270.5666945.1172295.6622075.74320712->30.0810.5449775.2017515.7432076.24220712->30.4990.5414555.5258875.900846.1268431->20.2260.3749525.58376.126846.6808432->30.5540.5431395.5951496.2422077.33120712->31.0890.6470575.6260516.2528836.35488322->30.1020.6268315.7419636.3548836.77388322->30.4190.6129195.7905966.680847.1108432->30.430.8902446.1765346.7738837.87188321->21.0980.5973486.3107647.110848.8858432->31.7750.8000756.4075967.3312078.87820712->31.5470.923616.5923447.8718838.08288322->30.2111.2795386.6876818.0828839.86688322->31.7841.3952026.7029028.8782078.94020712->30.0622.1753046.9105578.885849.5918431->20.7061.975282

  • 4134. Моделирование системы массового обслуживания средствами GPSS World
    Дипломная работа пополнение в коллекции 11.01.2012

    Итак, преимущества системно-динамического моделирования заключаются в следующем: системно-динамический подход начинается с попытки понять ту систему причин, которая породила проблему и продолжает поддерживать ее. Для этого собираются необходимые данные из различных источников, включая литературу, информированных людей (менеджеров, потребителей, конкурентов, экспертов) и проводятся специальные количественные исследования. После того как элементарный анализ причин проблемы произведен, формальная модель считается построенной. Первоначально она представляется в виде логических диаграмм, отражающих причинно-следственные связи, которые затем преобразуются в сетевую модель. Затем эта сетевая модель автоматически преобразуется в ее математический аналог - систему уравнений, которая решается численными методами, встроенными в систему моделирования. Полученное решение представляется в виде графиков и таблиц, которые подвергаются критическому анализу. В результате модель пересматривается (изменяются параметры некоторых узлов сети, добавляются новые узлы, устанавливаются новые или изменяются существовавшие ранее связи и т.д.), затем модель вновь анализируется и так до тех пор, пока она не станет в достаточной мере соответствовать реальной ситуации. После того как модель построена, в ней выделяются управляемые параметры и выбираются такие значения этих параметров, при которых проблема либо снимается, либо перестает быть критически важной.

  • 4135. Моделирование системы массового обслуживания, ориентированное на изучение специализированных языков моделирования: GPSS и AnyLogic
    Курсовой проект пополнение в коллекции 11.07.2012

    ,%20FN*jDEPART%20(%d1%83%d0%bc%d0%b5%d0%bd%d1%8c%d1%88%d0%b5%d0%bd%d0%b8%d0%b5%20%d0%be%d1%87%d0%b5%d1%80%d0%b5%d0%b4%d0%b8)%d0%9d%d0%be%d0%bc%d0%b5%d1%80%20(%d0%b8%d0%bc%d1%8f)%20%d0%be%d1%87%d0%b5%d1%80%d0%b5%d0%b4%d0%b8.%20%d0%a7%d0%b8%d1%81%d0%bb%d0%be%20%d0%b5%d0%b4%d0%b8%d0%bd%d0%b8%d1%86,%20%d0%bd%d0%b0%20%d0%ba%d0%be%d1%82%d0%be%d1%80%d0%be%d0%b5%20%d1%83%d0%bc%d0%b5%d0%bd%d1%8c%d1%88%d0%b0%d0%b5%d1%82%d1%81%d1%8f%20%d0%b4%d0%bb%d0%b8%d0%bd%d0%b0%20%d0%be%d1%87%d0%b5%d1%80%d0%b5%d0%b4%d0%b8%20(%d0%bd%d0%b5%20%d0%bf%d1%80%d0%b5%d0%b2%d0%be%d1%81%d1%85%d0%be%d0%b4%d0%b8%d1%82%20%d1%82%d0%b5%d0%ba%d1%83%d1%89%d0%b5%d0%b9%20%d0%b4%d0%bb%d0%b8%d0%bd%d1%8b%20%d0%be%d1%87%d0%b5%d1%80%d0%b5%d0%b4%d0%b8).TERMINATE%20(%d1%83%d0%b4%d0%b0%d0%bb%d0%b5%d0%bd%d0%b8%d0%b5%20%d1%82%d1%80%d0%b0%d0%bd%d0%b7%d0%b0%d0%ba%d1%82%d0%be%d0%b2)%d0%a7%d0%b8%d1%81%d0%bb%d0%be%20%d0%b5%d0%b4%d0%b8%d0%bd%d0%b8%d1%86,%20%d0%bd%d0%b0%20%d0%ba%d0%be%d1%82%d0%be%d1%80%d0%be%d0%b5%20%d1%83%d0%bc%d0%b5%d0%bd%d1%8c%d1%88%d0%b0%d0%b5%d1%82%d1%81%d1%8f%20%d1%81%d1%87%d0%b5%d1%82%d1%87%d0%b8%d0%ba%20%d0%b7%d0%b0%d0%b2%d0%b5%d1%80%d1%88%d0%b5%d0%bd%d0%b8%d0%b8,%20%d0%b7%d0%b0%d0%b4%d0%b0%d0%b2%d0%b0%d0%b5%d0%bc%d1%8b%d0%b9%20%d0%be%d0%bf%d0%b5%d1%80%d0%b0%d1%82%d0%be%d1%80%d0%be%d0%bc%20START.RELEASE%20(%d0%be%d1%81%d0%b2%d0%be%d0%b1%d0%be%d0%b6%d0%b4%d0%b5%d0%bd%d0%b8%d0%b5%20%d1%83%d1%81%d1%82%d1%80%d0%be%d0%b9%d1%81%d1%82%d0%b2%d0%b0)%d0%9d%d0%be%d0%bc%d0%b5%d1%80%20(%d0%b8%d0%bc%d1%8f)%20%d0%be%d1%81%d0%b2%d0%be%d0%b1%d0%be%d0%b6%d0%b4%d0%b0%d0%b5%d0%bc%d0%be%d0%b3%d0%be%20%d1%83%d1%81%d1%82%d1%80%d0%be%d0%b9%d1%81%d1%82%d0%b2%d0%b0.%20">Код и назначениеСодержание операнда12GENERATE (создание транзактов)Интервал поступления транзактов. Модификатор-интервал или модификатор-функция. Время задержки первого транзакта . Количество создаваемых транзактов.STORAGE (хранилище или память)Название STORAGE становится понятным, если представить себе, что МКУ это автоматизированный склад или многоэтажный гараж с определенным числом мест, которое и задает этот оператор. В таких случаях МКУ определяет не количество одинаковых устройств для обслуживания, а количество одинаковых мест для хранения.QTABLE (peгиcтpaция cтaтиcтики для тpaнзaктoв, вxoдящиx в блoки QUEUE и DEPART)NAME QTABLE A, B, C, D NAME - мeткa oбъeктa. A - имя oчepeди. В - вepxний пpeдeл пepвoгo чacтoтнoгo клacca. C - рaзмep чacтoтныx клaccoв. D - кoличecтвo чacтoтныx клaccoв.QUEUE (регистрация входа в очередь)Номер (имя) очереди. Число единиц, на которое увеличивается длина очереди.ENTER (занятие многоканального устройства)Номер (имя) многоканального устройства. Число единиц, занимаемых транзактом.ADVANCE (задержка транзакта)Среднее время. Модификатор-интервал или модификатор-функция: FNj, FN$<ИМЯ>, FN*jDEPART (уменьшение очереди)Номер (имя) очереди. Число единиц, на которое уменьшается длина очереди (не превосходит текущей длины очереди).TERMINATE (удаление транзактов)Число единиц, на которое уменьшается счетчик завершении, задаваемый оператором START.RELEASE (освобождение устройства)Номер (имя) освобождаемого устройства.

  • 4136. Моделирование системы передачи данных из пункта А в пункт С
    Дипломная работа пополнение в коллекции 03.07.2011

    АСОИУ - это сложная система, включающая тысячи самых разнообразных компонентов. Это компьютеры нескольких типов, начиная с персональных и кончая мэйнфреймами, системное и прикладное программное обеспечение" сетевые адаптеры, концентраторы, коммутаторы и маршрутизаторы, кабельная система. Основная задача системных интеграторов и администраторов состоит в том, чтобы эта громоздкая и дорогостоящая система как можно лучше справлялась с обработкой потоков информации, циркулирующих между сотрудниками предприятия, и позволяла им принимать своевременные и рациональные решения, обеспечивающие выживание предприятия в жесткой конкурентной борьбе.

  • 4137. Моделирование системы управления пакетами обработки данных тремя ЭВМ
    Дипломная работа пополнение в коллекции 02.07.2011
  • 4138. Моделирование скоростных характеристик автомобиля BMW M5
    Курсовой проект пополнение в коллекции 14.03.2011
  • 4139. Моделирование солнечных батарей на основе различных полупроводников
    Реферат пополнение в коллекции 19.05.2012

    В главе 2 показаны общие принципы построения и отладки математической модели солнечных батарей (рисунок 1). В качестве входных параметров исследуемых СЭ и СБ используются значения тока короткого замыкания, напряжения холостого хода, максимальной мощности и температурные коэффициенты, приведенные в информации производителей. Для исследуемых случаев эксплуатации солнечных батарей входными данными модели СБ также являются различные уровни освещенности и спектральный состав падающего излучения, затенение отдельных элементов, коэффициент потерь падающего излучения, характеристики полупроводникового материала СЭ и его паразитные параметры, рабочая температура СБ, потоки радиационного облучения на орбите, коэффициент потерь, учитывающий воздействие деструктивных факторов и старение СЭ, коэффициенты разброса технологических параметров, способ объединения СЭ в батарею. Выходные параметры модели СБ - максимальная мощность, к.п.д., коэффициент заполнения, ВАХ, ВВХ и зависимость выходной емкости СБ от рабочего напряжения.

  • 4140. Моделирование справочной телефонной сети
    Дипломная работа пополнение в коллекции 22.06.2011

    Источник И имитирует процесс поступления вызова. Автоматический коммутатор переключает вызов на того оператора у которого очередь наименьшей длины. Если все очереди имеют максимальную длину, то очередной вызов получает отказ. Если накопитель Н1 заполнен, то клапан 1 закрыт, а клапан 6 открыт; если накопитель Н2 заполнен, то клапан 2 закрыт, а клапан 7 открыт; если накопитель Н3 заполнен, то клапан 3 закрыт, а клапан 8 открыт; если накопитель Н4 заполнен, то клапан 4 закрыт, а клапан 9 открыт; если накопитель Н5 заполнен, то клапан 5 закрыт, а клапан 10 открыт. В результате если все накопители Н1, Н2, Н3, Н4, Н5 переполнены, т.е клапаны 6, 7, 8, 9, 10 открыты то вызов теряется, что соответствует уходу вызова из сети не обслуженным. В противном случае вызовы поступившие в накопители Н1, Н2, Н3, Н4, Н5 обслуживаются операторами К1, К2, К3, К4, К5 соответственно.