二、系统仿真
系统仿真是20世纪40年代末以来伴随着计算机技术的发展而逐步形成的一门新兴学科。仿真（Simulation）就是通过建立实际系统模型并利用所见模型对实际系统进行实验研究的过程[2]。最初，仿真技术主要用于航空、航天、原子反应堆等价格昂贵、周期长、危险性大、实际系统试验难以实现的少数领域，后来逐步发展到电力、石油、化工、冶金、机械等一些主要工业部门，并进一步扩大到社会系统、经济系统、交通运输系统、生态系统等一些非工程系统领域。可以说，现代系统仿真技术和综合性仿真系统已经成为任何复杂系统，特别是高技术产业不可缺少的分析、研究、设计、评价、决策和训练的重要手段。其应用范围在不断扩大，应用效益也日益显著。
1．系统仿真及其分类
系统仿真是建立在控制理论、相似理论、信息处理技术和计算机初等理论基础之上的，以计算机和其他专用物理效应设备为工具，利用系统模型对真实或假设的系统进行试验，并借助于专家的经验知识、统计数据和信息资料对实验结果进行分析研究，进而做出决策的一门综合的实验性学科。从广义而言，系统仿真的方法适用于任何的领域，无论是工程系统（机械、化工、电力、电子等）或是非工程系统（交通、管理、经济、政治等）。
系统仿真根据模型不同，可以分为物理仿真、数学仿真和物理—数学仿真（半实物仿真）；根据计算机的类别，可以分为模拟仿真、数字仿真和混合仿真；根据系统的特性；可以分为连续系统仿真、离散时间系统（采样系统）仿真和离散事件系统仿真；根据仿真时钟与实际时钟的关系，可以分为实时仿真、欠实时仿真和超实时仿真等。
2．系统仿真的一般步骤
对于每一个成功的仿真研究项目,其应用都包含着特定的步骤，见图9-2。不论仿真项目的类型和研究目的又何不同，仿真的基本过程是保持不变的，要进行如下9步：
问题定义
制定目标
描述系统并对所有假设列表
罗列出所有可能替代方案
收集数据和信息
建立计算机模型
校验和确认模型
运行模型
分析输出
下面对这九步作简单的定义和说明。它不是为了引出详细的讨论，仅仅起到抛砖引玉的作用。注意仿真研究不能简单遵循这九步的排序，有些项目在获得系统的内在细节之后，可能要返回到先前的步骤中去。同时，验证和确认需要贯穿于仿真工程的每一个步骤当中。
（1）问题的定义
一个模型不可能呈现被模拟的现实系统的所有方面，有时是因为太昂贵。另外，假如一个表现真实系统所有细节的模型也常常是非常差的模型，因为它将过于复杂和难于理解。因此，明智的做法是：先定义问题，再制定目标，再构建一个能够完全解决问题的模型。在问题定义阶段，对于假设要小心谨慎，不要做出错误的假设。例如，假设叉车等待时间较长，比假设没有足够的接收码头要好。作为仿真纲领，定义问题的陈述越通用越好，详细考虑引起问题的可能原因。
（2）制定目标和定义系统效能测度
没有目标的仿真研究是毫无用途的。目标是仿真项目所有步骤的导向。系统的定义也是基于系统目标的。目标决定了应该做出怎样的假设、应该收集那些信息和数据；模型的建立和确认考虑到能否达到研究的目标。目标需要清楚、明确和切实可行。目标经常被描述成像这样的问题“通过添加机器或延长工时，能够获得更多的利润吗？”等。在定义目标时，详细说明那些将要被用来决定目标是否实现的性能测度是非常必要的。每小时的产出率、工人利用率、平均排队时间、以及最大队列长度是最常见的系统性能测度。
最后，列出仿真结果的先决条件。如：必须通过利用现有设备来实现目标，或最高投资额要在限度内，或产品订货提前期不能延长等。
（3）描述系统和列出假设
简单点说，仿真模型降低完成工作的时间。系统中的时间被划分成处理时间、运输时间和排队时间。不论模型是一个物流系统、制造工厂、或服务机构，清楚明了的定义如下建模要素都是非常必要的：资源、流动项目（产品、顾客或信息）、路径、项目运输、流程控制、加工时间，资源故障时间。
仿真将现实系统资源分成四类：处理器，队列，运输，和共享资源如操作员。流动项目的到达和预载的必要条件必须定义，如：到达时间、到达模式和该项目的类型等属性。在定义流动路径时，合并和转移需要详细的描述。项目的转变包括属性变化、装配操作（项目和并）、拆卸操作（项目分离）。在系统中，常常有必要控制项目的流动。如：一个项目只有在某种条件或某一时刻到来时才能移动，以及一些特定的规则。所有的处理时间都要被定义，并且要清楚表明那些操作是机器自动完成，哪些操作是人工独立完成，哪些操作需要人机协同完成。资源可能有计划故障时间和意外故障时间。计划故障时间通常指午餐时间，中场休息，和预防性维护等。意外故障时间是随机发生的故障所需的时间，包括失效平均间隔时间和维修平均间隔时间。
在这些工作完成之后，需要将现实系统作模型描述，它远比模型描述向计算机模型转化困难。现实向模型的转化意味着你已经对现实有了非常彻底的理解，并且能将其完美的描述出来。这一阶段，将此转换过程中所作的所有假设作详细说明非常有必要。事实上，在整个仿真研究过程中，所有假设列表保持在可获得状态是个很好的主意，因为这个假设列表随着仿真的递进还要逐步增长。假如描述系统这一步做得非常好，建立计算机模型这一阶段将非常简便。
注意，获得足够的，能够体现特定仿真目的的系统本质的材料是必要的，但是不需要获得与真实系统一一对应的模型的描述。正如爱因斯坦所说“做到不能再简单为止”。
（4）列举可能的替代方案
在仿真研究中，确定模型早期运行的可置换方案是很重要的。它将影响着模型的建立。在初期阶段考虑替代方案，模型可能被设计成可以非常容易的转换到替换系统。
（5）收集数据和信息
收集数据和信息，除了为模型参数输入数据外，在验证模型阶段，还可以提供实际数据与模型的性能测度数据进行比较。数据可以通过历史纪录、经验、和计算得到。这些粗糙的数据将为模型输入参数提供基础，同时将有助于一些需要较精确输入参数数据的收集。
有些数据可能没有现成的记录，而通过测量来收集数据可能要费时、费钱。除了在模型分析中,模型参数需要极为精确的输入数据外,同对系统的每个参数的数据进行调查、测量的收集方式相比，采用估计方法来产生输入数据更为高效。估计值可以通过少数快速测量或者通过咨询熟悉系统的系统专家来得到。即使是使用较为粗糙的数据，根据最小值、最大值和最可能取值定义一个三角分布，要比仅仅采用平均值仿真效果都要好得多。有时候采用估计值也能够很好的满足仿真研究的目的。例如，仿真可能被简单的用来指导人员了解系统中特定的因果关系。在这种情况下，估计值就可以满足要求。
当需要可靠数据时，花费较多时间收集和统计大量数据，以定义出能够准确反映现实的概率分布函数就是非常必要的。需要的数据量的大小取决于变量的变异程度，但是也有通用的规则，大拇指法指出至少需要三十甚至上百的数据。假如要获得随机停机时间的输入参数，必须要在一个较长时间段内捕获足够多的数据。
（6）建立计算机模型
构建计算机模型的过程中，首先构建小的测试模型来证明复杂部件的建模是合适的。一般建模过程是呈阶段性的，在进行下一阶段建模之前，验证本阶段的模型工作正常，在建模过程中运行和调试每一阶段的模型。不会直接将整个系统模型构建起来，然后点击“运行”按钮来进行系统的仿真。抽象模型有助于定义系统的重要部分，并可以引导为后续模型的详细化而进行的数据收集活动。我们可能想对同一现实系统构建多个计算机模型，每个模型的抽象程度都不相同。
（7）验证和确认模型
验证是确认模型的功能是否同设想的系统功能相符合。模型是否同我们想构建的模型相吻合，产品的处理时间、流向是否正确等。确认范围更广泛。它包括：确认模型是否能够正确反映现实系统，评估模型仿真结果的可信度有多大等。
（8）验证
现在有很多技术可以用来验证模型。最最重要的、首要的是在仿真低速运行时，观看动画和仿真钟是否同步运行，它可以发现物料流程及其处理时间方面的差异。
另一种验证技术是在模型运行过程中，通过交互命令窗口，显示动态图表来询问资源和流动项目的属性和状态。
通过“步进”方式运行模型和动态查看轨迹文件可以帮助人们调试模型。运行仿真时，通过输入多组仿真输入参数值，来验证仿真结果是否合理也是一种很好的方法。在某些情况下，对系统性能的一些简单测量可以通过手工或使用对比而来获得。对模型中特定区域要素的使用率和产出率通常是非常容易计算出来的。
在调试模型中是否存在着某种特定问题时，推荐使用同一随机数流，这样可以保证仿真结果的变化是由对模型所做的修改引起的，同时对随机数流不做改动，有时对于模型运行在一些简单化假设下，非常有帮助，这些假设是为了更加简便的计算或预测系统性能。
（9）确认
模型确认建立模型的可信度。但是，现在还没有哪一种确认技术可以对模型的结果作出100%的确定。我们永远不可能证明模型的行为就是现实的真实行为。如果我们能够做到这一步，可能就不需要进行仿真研究的第一步（问题的定义）了。我们尽力去做的，最多只能是保证模型的行为同现实不会相互抵触罢了。
通过确认，试着判断模型的有效程度。假如一个模型在得到我们提供的相关正确数据之后，其输出满足我们的目标，那么它就是好的。模型只要在必要范围内有效就可以了，而不需要尽可能的有效。在模型结果的正确性同获得这些结果所需要的费用之间总存在着权衡。
判断模型的有效性需要从如下几方面着手：
①模型性能测度是否同真实系统性能测度匹配？
②如果没有现实系统来对比，可以将仿真结果同相近现实系统的仿真模型的相关运行结果作对比。
③利用系统专家的经验和直觉来假设复杂系统特定部分模型的运行状况。
对每一主要任务，在确认模型的输入和假设都是正确的，模型的性能测度都是可以测量的之前，需要对模型各部分进行随机测试。
④模型的行为是否同理论相一致？确定结果的理论最大值和最小值，然后验证模型结果是否落入两值之间。
为了了解模型在改变输入值后，其输出性能测度的变化方向，可以通过逐渐增大或减小其输入参数，来验证模型的一致性。
⑤模型是否能够准确的预测结果？这项技术用来对正在运行中的模型进行连续的有效性验证。
⑥是否有其他仿真模拟器模拟了这个模型？要是有的话那就再好不过了，可以将已有模型的模拟结果同现在设计的模型的运行结果进行对比。
（10）运行可替代实验
当系统具有随机性时，就需要对实验做多次运行。因为，随机输入导致随机输出。如果可能，在第二步中应当计算出已经定义的每一性能测度的置信区间。可替代环境能够单独构建，并可以通过使用WITNESS软件中的“Optimizer”模块来设置并自动运行仿真优化。
WITNESS软件的“Optimizer”模块为了执行优化操作，通过选择目标函数的最大化或最小化，定义需要实验的许多决策变量，需要达到的条件变量，需要满足的约束等，然后让优化模块负责搜索变量的可替换数字，来运行模型。最终得出决策变量集的优化解决方案，和最大化或最小化的模型目标函数。“Optimizer”模块设置了一套优化方法，包括遗传算法、仿真处理、禁忌搜索、分散搜索和其他的混合法来得出模型的优化配置方案。
在选择仿真运行长度时，考虑启动时间，资源失效可能间隔时间，处理时间或到达时间的时间或季节性差异，或其他需要系统运行足够长时间才能出现效果的系统特征变量，是非常重要的。
（11）输出分析
报表、图形和表格常常被用于进行输出结果分析。同时需要于今年用统计技术来分析不同方案的模拟结果。一旦通过分析结果并得出结论，要能够根据模拟的目标来解释这些结果，并提出实施或优化方案。使用结果和方案的矩阵图进行比较分析也是非常有帮助的。