Какие ваши жизненные задачи можно решить используя компьютерное моделирование напишите алгоритм

Обновлено: 15.01.2025

Рассмотрим процесс решения задачи на конкретном примере:

Тело брошено вертикально вверх с начальной скоростью с некоторой высоты. Определить его местоположение и скорость в заданный момент времени.

1. На первом этапе обычно строится описательная информационная модель объекта или процесса. В нашем случае с использованием физических понятий создается идеализированная модель движения объекта. Из условия задачи можно сформулировать следующие основные предположения:

1) тело мало по сравнению с Землей, поэтому его можно считать материальной точкой;

2) скорость бросания тела мала, поэтому:

- ускорение свободного падения считать постоянной величиной;

- сопротивлением воздуха можно пренебречь.

2. На втором этапе создается формализованная модель, т. е. описательная информационная модель записывается с помощью какого-либо формального языка.

Из курса физики известно, что описанное выше движение является равноускоренным. При заданных начальной скорости (V₀), начальной высоте (Н₀) и ускорении свободного падения (g = 9,8 м/с 2 ) зависимость скорости (V) и высоты (Н) от времени (t) можно описать следующими математическими формулами:

3. На третьем этапе необходимо формализованную информационную модель преобразовать в компьютерную на понятном для компьютера языке. Существуют два принципиально различных пути построения компьютерной модели:

— создание алгоритма решения задачи и его кодирование на одном из языков программирования;

— формирование компьютерной модели с использованием одного из приложений (электронных таблиц, СУБД и т. д.).

Для реализации первого пути надо построить алгоритм определения координаты тела в определенный момент времени и закодировать его на одном из языков программирования.

Второй путь требует создания компьютерной модели, которую можно исследовать в электронных таблицах. Для этого следует представить математическую модель в форме таблицы функции зависимости координаты от времени (таблицы функции , H=H₀+Vt-gt 2 /2 ) и таблицы зависимости скорости тела от времени (V=V₀-g • t).

4. Четвертый этап исследования информационной модели состоит в проведении компьютерного эксперимента. Если компьютерная модель существует в виде программы на одном из языков программирования, ее нужно запустить на выполнение и получить результаты. Если компьютерная модель исследуется в приложении, например в электронных таблицах, можно провести сортировку или поиск данных, построить диаграмму или график и т. д.

5. На пятом этапе выполняется анализ полученных результатов и при необходимости корректировка исследуемой модели. Например, в нашей модели необходимо учесть, что не имеет физического смысла вычисление координаты тела после его падения на поверхность Земли.

Таким образом, технология решения задач с помощью компьютера состоит из следующих этапов:

Технология решения задач с помощью компьютера (моделирование, формализация, алгоритмизация, программирование, компьютерный эксперимент). Показать на примере задачи (математической, физической или др.).

1. Процесс исследования поведения какого-либо объекта или системы объектов на компьютере можно разбить на следующие этапы: построение содержательной модели объекта — построение математической модели объекта — построение информационной модели и алгоритма — кодирование алгоритма на языке программирования — компьютерный эксперимент.

Лучше всего рассмотреть процесс решения задачи на компьютере на конкретном примере. Пусть мы изучаем полет пушечного снаряда. Находим его место положения в любой момент времени.

Сначала мы строим содержательную модель, в которой рассматриваем движение снаряда в поле тяготения Земли. В этой модели мы рассматриваем только те параметры, которые характеризуют движение снаряда (скорость и координаты), и отвлекаемся от других параметров (температура снаряда, его цвет и т. д.). Затем строим математическую модель.

Математическая модель всегда основана на некоторых упрощениях, и поэтому этап построения математической модели весьма ответственный, неправильно выбранная модель с неизбежностью приводит к неверным результатам. Реально существующую физическую систему опишем с помощью идеализированной математической модели. Снаряд считаем материальной точкой, сопротивлением воздуха и размерами пушки пренебрегаем, ускорение свободного падения считаем постоянным g = 9,8 м/с 2 . Снаряд вылетает из пушки со скоростью V под углом a к горизонту.

Математическая модель описывается с помощью уравнений.

Пользуясь формулами из курса физики 9 класса и учитывая, что по оси X движение равномерное, а по оси Y — равноускоренное, можно получить формулы зависимости координат снаряда от времени:

х = (V cos a)t, у = (V sin a)t – gt 2 /2.

Следующим этапом является построение информационной модели и алгоритма. Здесь необходимо четко зафиксировать, какие величины являются аргументами и какие — результатами алгоритма, а также определить тип этих величин. В нашем случае аргументами являются следующие переменные: угол вылета снаряда А, его начальная скорость V и время полета Т. Результатом являются координаты X и У. Все они являются переменными вещественного типа. Затем строится алгоритм, который позволяет определять значения результатов при различных значениях аргументов.

Построенный алгоритм записывается в какой-либо форме, например в виде блок-схемы:

(Следующим этапом является кодирование алгоритма на языке программирования. Закодируем наш алгоритм на языке программирования Бейсик.

Writeln(‘введите начальную скорость, угол и время’);

Теперь можно проводить компьютерный эксперимент, для этого необходимо загрузить программу в оперативную память компьютера и запустить на выполнение. Компьютерный эксперимент обязательно включает в себя анализ полученных результатов, на основании которого могут корректироваться все этапы решения задачи (математическая модель, алгоритм, программа).

В некоторых случаях можно избежать этапа построения алгоритма и создания программы, так как можно воспользоваться одной из многих ранее созданных программ. Такие библиотеки алгоритмов (программ) существуют практически по всем областям науки и техники.

Существуют две группы задач, решаемых с помощью математического моделирования. Первая это замена реального физического эксперимента математическим (вычислительным) экспериментом и вторая задача контроля и оценки качества проектных решений. Разумеется, не всякий физический эксперимент можно заменить математическим. Это нельзя сделать, когда цель эксперимента состоит в исследовании еще не известных законов природы. Наоборот, если изучаемое явление полностью описывается известными законами природы (движение плазмы в магнитном поле, выведение спутника на орбиту и т.д.), математический эксперимент может заменить физический или резко сократить объем данных, определяющихся с помощью физического эксперимента. Такое применение математического моделирования может дать огромную экономию средств и значительное сокращение сроков исследования.

Математическое моделирование для контроля и оценки проектных решений, создаваемых экспериментальных методик не только существенно улучшает качество проектных решений, но и резко сокращает стоимость создания экспериментальных установок и проведения с их помощью научных исследований.

Экспериментальная установка многократно воспроизводит некоторый процесс (например, рассеяние ускоренных частиц на мишени), а ее регистрирующая аппаратура измеряет некоторые физические характеристики процесса (например, число частиц, рассеявшихся внутри данного телесного угла). Экспериментатор имеет возможность управлять ходом эксперимента, задавая значения некоторых параметров, характеризующих условия эксперимента. В качестве примера можно указать на такие параметры, как энергия частицы до столкновения с мишенью или сферические углы, определяющие расположение счетчиков продуктов изучаемой реакции. Эти параметры называются управляемыми. В результате проведения эксперимента получается набор данных, по которым требуется вычислить значения физических величин, для определения которых ставится эксперимент.

Разумеется, цель эксперимента включает и необходимую степень точности, с которой надлежит определить параметры, и эта точность должна быть обеспечена конструкцией экспериментальной установки и алгоритмом обработки экспериментальных данных. Как уже было отмечено, специфическими требованиями обучающих программ по физике являются необходимость использования сложных по конструкции формул, рисунков, графиков и необходимость моделирования физических процессов с целью имитации реального исполнения лабораторных работ. С точки зрения программной реализации этих требований очень удобна система объектно-ориентированного программирования Borland C++ Builder. Она обеспечивает высокую скорость визуальной разработки, продуктивность повторно используемых компонент в сочетании с мощью языковых средств C++ [2].

Рис.1. Динамическое изображение зависимости траектории движения альфа-частицы от скорости и прицельного параметра.

Рис.2. Имитация экспериментальной проверки опыта Резерфорда

Для иллюстрации с помощью компьютера статистических особенностей рассеяния альфа-частиц (рис.2) решаются следующие задачи имитации опыта Резерфорда:

1. Формирование пучка с равномерным распределением.
2. Отклонение пучка в соответствии с заданным законом.
3. Отображение отклоненного пучка в виде вспышек на экране.
4. Предоставление возможности управления экспериментом (изменение угла наблюдения).

Если компьютер сам является объектом изучения, то его роль сводится к обеспечению демонстрации работы ее основных устройств и узлов. На рис.3 приведен пример моделирования принципов работы модема.

Рис. 3. Принцип работы модема

Кафедрой полупроводниковых приборов и микроэлектроники факультета радиотехники и электроники Новосибирского государственного технического университета проведено исследование и математическое моделирование физических процессов переноса заряда в субмикронных элементах СБИС. Цель работы - исследование распределений электрических полей и процессов переноса в субмикронных элементах СБИС; разработка и уточнение математических моделей транзисторов для оптимизации технологий и использования в САПР ИС.

Во всех направлениях развития элементной базы микроэлектроники решающим обстоятельством, позволяющим увеличить плотность размещения элементов и быстродействие схем, служит переход к размерам уже сравнимым с длиной волны электрона. Современный уровень технологии позволяет реализовать приборы, характеристики которых в значительной мере определяются совместным действием сложного двумерного распределения электрических полей и зарядов и квантовыми размерными эффектами. Поэтому исследования процессов переноса зарядов в реальных условиях субмикронных масштабов является ключевым моментом моделирования будущих перспективных элементов микроэлектроники.

Характерным примером является моделирование физических объектов, процессов и явлений для обучения физике и информатике в системе "Stratum Computer" (Пермский государственный университет) [6].

К настоящему времени в инструментальной среде "Stratum Computer" (ИС "SC") разработаны и тиражируются моделирующие комплексы "Кинематика", "Законы движения. Силы в природе", "Законы сохранения в механике", "Электростатика", "Законы постоянного тока", "Магнетизм", "Молекулярная физика", "Колебания и волны". Разработаны наборы элементарных моделей (имиджей), объединенных в библиотеки по тематическому и функциональному признакам. На базе этих библиотек созданы комплексные модели (схемы), служащие "экспериментальными установками" для модельных (имитационных) работ. На начало 1996г. поставлено около 150 работ.

Тематика работ соответствует традиционному курсу физики. Задачи, составляющие их предмет, по большей части являются авторскими обобщениями и интерпретациями стандартных задач, встречающихся в любых задачниках. Ряд более оригинальных задач заимствованы из задачников (Н.И.Гольдфарба, Ю.В.Гофмана, О.Я.Савченко, А.Г.Чертова, Д.И.Сивухина и других) и обобщен, либо предложен разработчиками. Для каждой работы формулируется цель, даются краткие теоретические сведения, описываются задания, ставятся вопросы. Каждая работа состоит из нескольких упражнений. К ряду работ могут быть дополнительно подобраны задачи (в том, числе из стандартных задачников) с тем, чтобы решать их методом численного моделирования.

"Второе поколение" моделирующих комплексов имеет своим главным отличием от первых двух, а также подавляющего большинства других известных разработок то, что пользователю предоставляется среда с возможностями свободных манипуляций математическими моделями физических объектов, процессов и эффектов. Обучаемые могут обращаться с моделями элементарных объектов как с конструкторским материалом, создавая модели сложных систем, не только выполнять лабораторные работы при помощи готовых схем, но и конструировать новые схемы из готовых имиджей и даже модифицировать имиджи (такие работы требуют полного варианта ИС "SC"). При этом происходит выход за рамки обучения собственно физике. Устанавливая информационные связи между элементами, уясняя принципы их взаимодействия, наблюдая за реакцией системы на внешние влияния, отрабатывая методику управления комплексными системами, пользователь органично сочетает изучение физики с изучением информатики. Притом, что важно, информатика приобретает в глазах обучаемых действительно прикладной характер[4].

На этом качественно новом уровне процесса обучения возможным становится приобретение и развитие у обучаемых навыков манипуляций с готовыми математическими моделями объектов, компиляции сложных систем и устройств, т.е. проведения конструкторских работ, а также модернизации моделей, их обобщения для новых условий, т.е. проведения исследовательских работ. В связи с этим у разработчиков появляются новые задачи:

создание для различных областей физики базовых библиотек моделей (имиджей), на основе которых в дальнейшем проводится как демонстрационная, так и исследовательская и конструкторская деятельность;

создание демонстрационных моделей компилятивных (комплексных) физических систем (схем), при помощи которых пользователь может проверить и углубить свое понимание физических процессов; на основе таких моделей создаются лабораторные работы;

предоставление пользователю инструмента для трансформации демонстрационных схем в полезные для практики моделирующие комплексы, проведения на их основе конструкторских работ;

разработка испытательных стендов для всестороннего исследования, тестирования, доводки и усовершенствования вновь создаваемых систем - механизмов, приборов и других технических устройств, проведения исследовательских работ.

· Если не существует законченной постановки задачи исследования и идет процесс познания объекта моделирования. Имитационная модель служит средством изучения явления.

· Если аналитические методы имеются, но математические процессы сложны и трудоемки, и имитационное моделирование дает более простой способ решения задачи.

· Когда кроме оценки влияния параметров (переменных) процесса или системы желательно осуществить наблюдение за поведением компонент (элементов) процесса или системы (ПС) в течение определенного периода.

· Когда имитационное моделирование оказывается единственным способом исследования сложной системы из-за невозможности наблюдения явлений в реальных условиях (реакции термоядерного синтеза, исследования космического пространства).

· Когда необходимо контролировать протекание процессов или поведение систем путем замедления или ускорения явлений в ходе имитации.

· При подготовке специалистов новой техники, когда на имитационных моделях обеспечивается возможность приобретения навыков в эксплуатации новой техники.

· Когда изучаются новые ситуации в РПС. В этом случае имитация служит для проверки новых стратегий и правил проведения натурных экспериментов.

· Когда особое значение имеет последовательность событий в проектируемых ПС и модель используется для предсказания узких мест в функционировании РПС.

Однако ИМ наряду с достоинствами имеет и недостатки:

Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат.

Может оказаться, что ИМ неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности. Благодаря компьютерному моделированию физики смогли смоделировать

. (Вы же понимаете, что утверждение, что выше скорости света ничего нет, слишком подозрительно. Ну, не бывает так. Вопрос в том, что происходит ЗА скоростью света? Базон Хикса это частица, или состояние частицы, обнаружение которой, возможно, докажет как происходит за скоростью света. Не «что происходит», а именно «как»)(с.)

Моделирование является одним из способов познания мира.

Понятие моделирования достаточно сложное, оно включает в себя огромное разнообразие способов моделирования: от создания натуральных моделей (уменьшенных и или увеличенных копий реальных объектов) до вывода математических формул.

Для различных явлений и процессов бывают уместными разные способы моделирования с целью исследования и познания.

Объект, который получается в результате моделирования, называется моделью . Должно быть понятно, что это совсем не обязательно реальный объект. Это может быть математическая формула, графическое представление и т.п. Однако он вполне может заменить оригинал при его изучении и описании поведения.

Хотя модель и может быть точной копией оригинала, но чаще всего в моделях воссоздаются какие-нибудь важные для данного исследования элементы, а остальными пренебрегают. Это упрощает модель. Но с другой стороны, создать модель – точную копию оригинала – бывает абсолютно нереальной задачей. Например, если моделируется поведение объекта в условиях космоса. Можно сказать, что модель – это определенный способ описания реального мира.

Создание модели.
Изучение модели.
Применение результатов исследования на практике и/или формулирование теоретических выводов.

Видов моделирования огромное количество. Вот некоторые примеры типов моделей:

Математические модели . Это знаковые модели, описывающие определенные числовые соотношения.

Графические модели. Визуальное представление объектов, которые настолько сложны, что их описание иными способами не дает человеку ясного понимания. Здесь наглядность модели выходит на первый план.

Имитационные модели. Позволяют наблюдать изменение поведения элементов системы-модели, проводить эксперименты, изменяя некоторые параметры модели.

Над созданием модели могут работать специалисты из разных областей, т.к. в моделировании достаточно велика роль межпредметных связей.

Совершенствование вычислительной техники и широкое распространение персональных компьютеров открыло перед моделированием огромные перспективы для исследования процессов и явлений окружающего мира, включая сюда и человеческое общество.

Компьютерное моделирование – это в определенной степени, то же самое, описанное выше моделирование, но реализуемое с помощью компьютерной техники.

Для компьютерного моделирования важно наличие определенного программного обеспечения.

При этом программное обеспечение, средствами которого может осуществляться компьютерное моделирование, может быть как достаточно универсальным (например, обычные текстовые и графические процессоры), так и весьма специализированными, предназначенными лишь для определенного вида моделирования.

Очень часто компьютеры используются для математического моделирования. Здесь их роль неоценима в выполнении численных операций, в то время как анализ задачи обычно ложится на плечи человека.

Обычно в компьютерном моделировании различные виды моделирования дополняют друг друга. Так, если математическая формула очень сложна, что не дает явного представления об описываемых ею процессах, то на помощь приходят графические и имитационные модели. Компьютерная визуализация может быть намного дешевле реального создания натуральных моделей.

С появлением мощных компьютеров распространилось графическое моделирование на основе инженерных систем для создания чертежей, схем, графиков.

Если система сложна, а требуется проследить за каждым ее элементом, то на помощь могут придти компьютерные имитационные модели. На компьютере можно воспроизвести последовательность временных событий, а потом обработать большой объем информации.

Однако следует четко понимать, что компьютер является хорошим инструментом для создания и исследования моделей, но он их не придумывает. Абстрактный анализ окружающего мира с целью воссоздания его в модели выполняет человек.

Одной из важных проблем в области разработки и создания современных сложных технических систем является исследование динамики их функционирования на различных этапах проектирования, испытания и эксплуатации. Сложными системами называются системы, состоящие из большого числа взаимосвязанных и взаимодействующих между собой элементов. При исследовании сложных систем возникают задачи исследования как отдельных видов оборудования и аппаратуры, входящих в систему, так и системы в целом.

К разряду сложных систем относятся крупные технические, технологические, энергетические и производственные комплексы.

При проектировании сложных систем ставится задача разработки систем, удовлетворяющих заданным техническим характеристикам. Поставленная задача может быть решена одним из следующих методов:

методом синтеза оптимальной структуры системы с заданными характеристиками;
методом анализа различных вариантов структуры системы для обеспечения требуемых технических характеристик.

Оптимальный синтез систем в большинстве случаев практически невозможен в силу сложности поставленной задачи и несовершенства современных методов синтеза сложных систем. Методы анализа сложных систем, включающие в себя элементы синтеза, в настоящее время достаточно развиты и получили широкое распространение.

Любая синтезированная или определенная каким-либо другим образом структура сложной системы для оценки ее показателей должна быть подвергнута испытаниям. Проведение испытаний системы является задачей анализа ее характеристик. Таким образом, конечным этапом проектирования сложной системы, осуществленного как методом синтеза структуры, так и методом анализа вариантов структур, является анализ показателей эффективности проектируемой системы.

Среди известных методов анализа показателей эффективности систем и исследования динамики их функционирования следует отметить:

аналитический метод;
метод натуральных испытаний;
метод полунатурального моделирования;
моделирование процесса функционирования системы на ЭВМ.

Строгое аналитическое исследование процесса функционирования сложных систем практически невозможно. Определение аналитической модели сложной системы затрудняется множеством условий, определяемых особенностями работы системы, взаимодействием ее составляющих частей, влиянием внешней среды и т.п.

Натуральные испытания сложных систем связаны с большими затратами времени и средств. Проведение испытаний предполагает наличие готового образца системы или ее физической модели, что исключает или затрудняет использование этого метода на этапе проектирования системы.

Широкое применение для исследования характеристик сложных систем находит метод полунатурального моделирования. При этом используется часть реальных устройств системы. Включенная в такую полунатуральную модель ЭВМ имитирует работы остальных устройств системы, отображенных математическими моделями. Однако в большинстве случаев этот метод также связан со значительными затратами и трудностями, в частности, аппаратной стыковкой натуральных частей с ЭВМ.

Исследование функционирования сложных систем с помощью моделирования их работы на ЭВМ помогает сократить время и средства на разработку.

Затраты рабочего времени и материальных средств на реализацию метода имитационного моделирования оказываются незначительными по сравнению с затратами, связанными с натурным экспериментом. Результаты моделирования по своей ценности для практического решения задач часто близки к результатам натурного эксперимента.

Метод имитационного моделирования основан на использовании алгоритмических (имитационных) моделей, реализуемых на ЭВМ, для исследования процесса функционирования сложных систем. Для реализации метода необходимо разработать специальный моделирующий алгоритм. В соответствии с этим алгоритмом в ЭВМ вырабатывается информация, описывающая элементарные процессы исследуемой системы с учетом взаимосвязей и взаимных влияний. При этом моделирующий алгоритм сроится в соответствии с логической структурой системы с сохранением последовательности протекаемых в ней процессов и отображением основных состояний системы.

Основными этапами метода имитационного моделирования являются:

моделирование входных и внешних воздействий;
воспроизведение работы моделируемой системы (моделирующий алгоритм);
интерпретация и обработка результатов моделирования.

Перечисленные этапы метода многократно повторяются для различных наборов входных и внешних воздействий, образуя внутренний цикл моделирования. Во внешнем цикле организуется просмотр заданных вариантов моделируемой системы. Процедура выбора оптимального варианта управляет просмотром вариантов, внося соответствующие коррективы в имитационную модель и в модели входных и внешних воздействий.

Процедура построения модели системы, контроля точности и корректировки модели по результатам машинного эксперимента задает и затем изменяет блок и внутреннего цикла в зависимости от фактических результатов моделирования. Таким образом, возникает внешний цикл, отражающий деятельность исследователя по формированию, контролю и корректировке модели.

Метод имитационного моделирования позволяет решать задачи исключительной сложности. Исследуемая система может одновременно содержать элементы непрерывного и дискретного действия, быть подверженной влиянию многочисленных случайных факторов сложной природы, описываться весьма громоздкими соотношениями и т.п. Метод не требует создания специальной аппаратуры для каждой новой задачи и позволяет легко изменять значения параметров исследуемых систем и начальных условий. Эффективность метода имитационного моделирования тем более высока, чем на более ранних этапах проектирования системы он начинает использоваться.

Следует, однако, помнить, что метод имитационного моделирования является численным методом. Его можно считать распространением метода Монте-Карло на случай сложных систем. Как любой численный метод, он обладает существенным недостатком – его решение всегда носит частный характер. Решение соответствует фиксированным значениям параметров системы и начальных условий. Для анализа системы приходится многократно моделировать процесс ее функционирования, варьируя исходные данные модели. Таким образом, для реализации имитационных моделей сложной модели необходимо наличие ЭВМ высокой производительности.

Для моделирования системы на ЭВМ необходимо записывать моделирующий алгоритм на одном из входных языков ЭВМ. В качестве входных языков для решения задач моделирования могут быть с успехом использованы универсальные алгоритмические языки высокого уровня, Си, Паскаль и др.

Анализ развития наиболее сложных технических систем позволяет сделать вывод о все более глубоком проникновении ЭВМ в их структуру. Вычислительные машины становятся неотъемлемой, а зачастую и основной частью таких систем. Прежде всего это относится к сложным радиоэлектронным системам. Среди них различные автоматические системы, в том числе системы автоматической коммутации (электронные АТС), системы радиосвязи, радиотелеметрические системы, системы радиолокации и радионавигации, различные системы управления.

При построении таких систем в значительной степени используются принципы и структуры организации вычислительных машин и вычислительных систем (ВС). Характерной особенностью является наличие в системах нескольких процессоров, объединенных различными способами в специализированную ВС. При этом осуществляется переход от «жесткой» логики функционирования технических систем к универсальной «программной» логике. В силу этого все более значительную роль в таких системах, наряду с аппаратными средствами, играет специализированное системное и прикладное программное обеспечение.

На этапах разработки, проектирования, отладки и испытания сложных систем с высоким удельным весом аппаратно-программных средств вычислительной техники ставится задача анализа и синтеза вариантов организации структуры аппаратных средств, а также разработки и отладки специализированного ПО большого объема. Эта задача может быть решена с помощью аппаратно-программного моделирования с использованием универсальных моделирующих комплексов, построенных на базе однородных ВС с программируемой структурой.

Аппаратно-программное моделирование можно считать частным случаем полунатурного моделирования. На первом этапе разрабатывается концептуальная модель заданного класса систем на основе анализа типовых процессов, структур и аппаратных блоков. Концептуальная модель реализуется на аппаратно-программных средствах моделирующего комплекса. При этом моделирующий комплекс может настраиваться на соответствующую структуру системы программным путем за счет возможности программирования структуры используемой микропроцессорной ВС. Часть аппаратных и программных средств микропроцессорной ВС моделирующего комплекса непосредственно отражает аппаратно-программные средства, входящие в исследуемую систему (аппаратное моделирование), другая часть реализует имитационную модель функциональных средств исследуемой системы, внешней обстановки, влияния помех и т.п. (программное моделирование).

Разработка аппаратно-программных моделирующих комплексов является сложной технической задачей. Несмотря на это, применение таких комплексов находит все большее распространение. При достаточной производительности вычислительных средств комплекса процесс исследования системы может вестись в реальном масштабе времени. В составе комплекса могут использоваться как универсальные микроЭВМ общего назначение, так и вычислительные средства, непосредственно входящие в исследуемую систему. Подобные моделирующие комплексы являются универсальными стендами для разработки и отладки аппаратно-программных средств, проектируемых систем заданного класса. Они могут использоваться в качестве тренажеров по обучению обслуживающего персонала.

Читайте также: