Событийный алгоритм моделирования целесообразно применять когда

6.1.4. Событийный метод моделирования

В программах имитационного моделирования СМО преимущественно реализуется событийный метод организации вычислений. Сущность событийного метода заключается в отслеживании на модели последовательности событий в том же порядке, в каком они происходили бы в реальной системе. Вычисления выполняют только для тех моментов времени и тех частей (процедур) модели, к которым относятся совершаемые события.

6.2. Сети Петри

Сети Петри – аппарат для моделирования динамических дискретных систем (преимущественно асинхронных параллельных процессов). Сеть Петри определяется как четверка <Р, Т, I, О>, где Р и Т – конечные множества позиций и переходов, I и О – множества входных и выходных функций. Другими словами, сеть Петри представляет собой двудольный ориентированный граф, в котором позициям соответствуют вершины, изображаемые кружками, а переходам – вершины, изображаемые утолщенными черточками; функциям I соответствуют дуги, направленные от позиций к переходам, а функциям О – от переходов к позициям.

Как и в системах массового обслуживания, в сетях Петри вводятся объекты двух типов: динамические – изображаются метками (маркерами) внутри позиций и статические – им соответствуют вершины сети Петри.

Распределение маркеров по позициям называют маркировкой. Маркеры могут перемещаться в сети. Каждое изменение маркировки называют событием, причем каждое событие связано с определенным переходом. Считается, что события происходят мгновенно и разновременно при выполнении некоторых условий.

Каждому условию в сети Петри соответствует определенная позиция. Совершению события соответствует срабатывание (возбуждение или запуск) перехода, при котором маркеры из входных позиций этого перехода перемещаются в выходные позиции. Последовательность событий образует моделируемый процесс.

Правила срабатывания переходов (рис. 6) конкретизируют следующим образом: переход срабатывает, если для каждой из его входных позиций выполняется условие N_t > K_t, где N_t – число маркеров в t-й входной позиции, К_t — число дуг, идущих от t-й позиции к переходу; при срабатывании перехода число маркеров в t-й входной позиции уменьшается на K_t, а (t+1)-й выходной позиции увеличивается на K_t, где K_t – число дуг, связывающих переход с t-й позицией.

На рис. 6 показан пример распределения маркеров по позициям перед срабатыванием, эту маркировку записывают в виде (2,2,3,1). После срабатывания перехода маркировка становится иной: (1,0,1,4).

Можно вводить ряд дополнительных правил и условий в алгоритмы моделирования, получая ту или иную разновидность сетей Петри. Так, прежде всего полезно ввести модельное время, чтобы моделировать не только последовательность событий, но и их привязку ко времени. Это осуществляется приданием переходам веса – продолжительности (задержки) срабатывания, которую можно определять, используя задаваемый при этом алгоритм. Полученную модель называют временной сетью Петри.

Если задержки являются случайными величинами, то сеть называют стохастической. В стохастических сетях возможно введение вероятностей срабатывания возбужденных переходов. Так, на рис. 7 представлен фрагмент сети Петри, иллюстрирующий конфликтную ситуацию – маркер в позиции р может запустить либо переход t₁, либо переход t₂. В стохастической сети предусматривается вероятностный выбор срабатывающего перехода в таких ситуациях.

Рис. 6. Фрагмент сети Петри

Рис. 7. Конфликтная ситуация

Если задержки определяются как функции некоторых аргументов, которыми могут быть количества маркеров в каких-либо позициях, состояния некоторых переходов и т. п., то сеть называют функциональной.

Во многих задачах динамические объекты могут быть нескольких типов, и для каждого типа нужно вводить свои алгоритмы поведения в сети. В этом случае каждый маркер должен иметь хотя бы один параметр, обозначающий тип маркера. Такой параметр обычно называют цветом; цвет можно использовать как аргумент в функциональных сетях. Сеть Петри при этом называют цветной.

Среди других разновидностей сетей Петри следует упомянуть ингибиторные сети, характеризующиеся тем, что в них возможны запрещающие (ингибиторные) дуги. Наличие маркера во входной позиции, связанной с переходом ингибиторной дугой, означает запрещение срабатывания перехода. Введенные понятия поясним на следующих примерах.

Пример 1. Требуется описать с помощью сети Петри работу группы пользователей на единственной рабочей станции WS при заданных характеристиках потока запросов на пользование WS и характеристиках поступающих задач. Сеть Петри представлена на рис. 8.

Здесь переходы связаны со следующими событиями: – поступление запроса на использованиеWS, – занятие станции, – освобождение станции,– выход обслуженной заявки; позицияр₄ используется для отображения состояния WS: если в р₄ имеется метка, то WS свободна и пришедшая заявка вызывает срабатывание перехода ; пока эта заявка не будет обслужена, метки вр₄ не будет, следовательно, пришедшие в позицию запросы вынуждены ожидать срабатывания переходаt₃.

Рис. 8. Сеть Петри к примеру 1

Пример 2. Требуется описать с помощью сети Петри процессы возникновения и устранения неисправностей в некоторой технической системе, состоящей из М однотипных блоков; в запасе имеется один исправный блок; известны статистические данные об интенсивностях возникновения отказов и длительностях таких операций, как поиск неисправностей, замена и ремонт отказавшего блока. На рис. 9 представлена соответствующая сеть Петри. Отметим, что при числе меток в позиции, равном М, можно в ней не ставить М точек, а записать в позиции значение М.

Рис. 9. Сеть Петри к примеру 2

В нашем примере значение М в позиции соответствует числу имеющихся в системе блоков. Переходы отображают следующие события:– отказ блока,— обнаружение неисправного блока.– его замена, – окончание ремонта.

Очевидно, что при непустой позиции р₂ переход срабатывает, но с задержкой, равной вычисленному случайному значению моделируемого отрезка времени между отказами. После выхода маркера изон попадает через в , если имеется метка в позициир₆, это означает, что обслуживающая систему бригада специалистов свободна и может приступить к поиску возникшей неисправности. В переходе t₂ метка задерживается на время, равное случайному значению длительности поиска неисправности. Далее маркер оказывается в , и если имеется запасной блок (маркер в р₄), то запускается переход , из которого маркеры выйдут вр₂ р₅ и через отрезок времени, требуемый для замены блока. После этого в t₄ имитируется восстановление неисправного блока.

Рассматриваемая модель описывает функционирование системы в условиях, когда отказы могут возникать и в рабочем, и в неисправном состояниях системы. Поэтому не исключены ситуации, при которых более чем один маркер окажется в позиции p₆.

Анализ сетей Петри

Анализ сложных систем на базе сетей Петри можно выполнять посредством имитационного моделирования СМО, представленных моделями сетей Петри. При этом задают входные потоки заявок и определяют соответствующую реакцию системы. Выходные параметры СМО рассчитывают путем обработки накопленного при моделировании статистического материала.

Возможен и другой подход к использованию сетей Петри для анализа объектов, исследуемых на системном уровне. Он не связан с имитацией процессов и основан на исследовании таких свойств сетей Петри, как ограниченность, безопасность, сохраняемость, достижимость, живость.

Ограниченность (или К-ограниченностъ) имеет место, если число меток в любой позиции сети не может превысить значения К. При проектировании автоматизированных систем определение К позволяет обоснованно выбирать емкости накопителей. Возможность неограниченного роста числа меток свидетельствует об опасности неограниченного роста длин очередей.

Безопасность – частный случай ограниченности, а именно это 1-ограниченность. Если для некоторой позиции установлено, что она безопасна, то ее можно представлять одним триггером.

Сохраняемость характеризуется постоянством загрузки ресурсов, т.е. , где – число маркеров в j-и позиции, – весовой коэффициент.

Достижимость характеризуется возможностью достижения маркировки М из состояния сети, характеризуемого маркировкой М_y.

Живость сети Петри определяется возможностью срабатывания любого перехода при функционировании моделируемого объекта. Отсутствие живости либо означает избыточность аппаратуры в проектируемой системе, либо свидетельствует о возможности возникновения зацикливаний, тупиков, блокировок.

В основе исследования перечисленных свойств сетей Петри лежит анализ достижимости.

Один из методов анализа достижимости любой маркировки из состояния М₀ – построение графа достижимости. Начальная вершина графа отображает М₀, а остальные вершины соответствуют маркировкам. Дуга из M_y в М означает событие и соответствует срабатыванию перехода t. В сложных сетях граф может содержать чрезмерно большое число вершин и дуг. Однако при построении графа можно не отображать все вершины, так как многие из них являются дублями (действительно, от маркировки m£ всегда порождается один и тот же подграф вне зависимости от того, из какого состояния система пришла в М_А). Тупики обнаруживаются по отсутствию разрешенных переходов из какой-либо вершины, т. е. по наличию листьев – терминальных вершин. Неограниченный рост числа маркеров в какой-либо позиции свидетельствует о нарушениях ограниченности.

Приведем примеры анализа достижимости.

Пример 3. Сеть Петри и граф достижимых разметок представлены на рис. 10.

На рисунке вершины графа изображены в виде маркировок, дуги помечены срабатывающими переходами. Живость сети очевидна, так как срабатывают все переходы, тупики отсутствуют.

Рис. 10. Сеть Петри и ее граф достижимости к примеру 3

Пример 4. Сеть Петри и граф достижимых разметок представлены на рис. 11. Сеть, моделирующая двухпроцессорную вычислительную систему с общей памятью, является живой, все разметки достижимы.

Моделирование систем. Зачет с оценкой. Синергия (Решение → 41796)

Библиотека Ирины Эланс, основана как общедоступная библиотека в интернете. Онлайн-библиотеке академических ресурсов от Ирины Эланс доверяют студенты со всей России.

Библиотека Ирины Эланс

Полное или частичное копирование материалов разрешается только с указанием активной ссылки на сайт:

Математическое моделирование

Математическое моделирование представляет собой процесс установления соответствия реальной системе математической модели и проведения исследований на этой модели, позволяющий получить характеристики реальной системы

Моделирующие комплексы используются в случаях, когда…
Разрабатываемые модели отличает большая сложность
Будет проводится большой объем экспериментов.

Проверку формальной корректности графа модели
Выполнением команды проверки меню конструктора GEM
Автоматически во время выполнения команды генерации исходного модуля меню конструктор gem

Результатом применения методологии структурного анализа в системе Piligrim является … модель
Иерархическая

Математическая модель отражает … объекта или явления
Все существенные в смысле цели моделирования признаки.

Узел parent Piligrim-модели
Не выполняет никаких действий по обработке транзакта и при генерации программного кода просто заменяется своей декомпозицией

Отнесение признака объекта к существенным определяется …
Целями моделирования

Параметры транзакта … можно использовать только для чтения
t-> timer

Конструктор GEM предназначен для для …
автоматизации составления описания модели и получения на его основе исходного текста программной модели в моделирующей системе Pigrim

Событийный алгоритм моделирования целесообразно применять
Требуется максимальная эффективность

Узел term
уничтожение входящих в него транзактов

Используемые в имитационных моделях псевдослучайные числа представляют собой
Выходные данные работы специальной программы

Разработанная Pilgrim-модель …
Может переносится на другой компьютер при наличие компилятора C++
Может переносится на другой компьютер в виде исполнительного модуля.

Недостаток метода обратной функции — это …
Сложность нахождения аналитического решения для случайной величины

Метод обратной функции позволяет найти …
Очередную реализацию случайной величины с заданным законом распределения

Режим возобновления прерванного обслуживания транзакта в узле serv задается параметром
t->ag?

Результаты моделирования помещаются в таблицу Excel

Транзакт в модели Pilgrim хранит …
Время жизни, приоритет, номер породивш
Коэффициент вариации в формуле Хинчина–Полачека означает отношение
Среднего квадратического отклонения времени обслуживания к его математическому ожиданию.

Число прошедших через узел ### транзактов хранится в параметре узла …
->na

Средний размер очереди в системе массового обслуживания с очередями и с пуассоновским входным потоком зависит от
Коэф. Использования прибора
Вариации обслуживания
Интервала поступления заявок

Моделирующий комплекс Pilgrim позволяет моделировать
Экономические, пространственные

Узлы pay, rent down Pilgrim-модели
Нельзя использовать для реализации иерахических моделей

Оценка вероятности наступления события по результатам моделирования получается на основе
Измеренной с помощью программных счесчиков частоты наступления события

для получения случайных чисел в модели системы Pilgrim используется
Один датчик для каждого узла модели

1. значение модуля m в алгоритме лемера должно быть целым
2. приоритет транзакта хранится в параметре t-pr
3. Результатом применения методологии структурного анализа в системе Pilgrim является имитационная модель или фукциональная
4. Пошаговый алгоритм моделирования целесообразно применять, если -требуется получить наиболее простую программную модель
5. Наибольшая средняя длина очереди на обслуживающие заявок пуассоновского потока образуется, если законом распределения времени их обслуживания является ….
6. Конструктор Gem предназначен для …граф модели;параметры инициализации модели;переменные модели;включенные в модель фрагменты программного кода на языке C++.
автоматизировать процесс создания графа модели;
автоматически генерировать программный код на языке C++
предупреждает разработчика о возможных ошибках и не позволяет выполнять заведомо неверные действия.
7. Коэффициент вариации в формуле Хинчина–Полачека означает среднее время обслуживания заявки;— среднеквадратическое (стандартное) отклонение времени обслуживания в приборе;
8. Максимальная точность результатов моделирования в системе Pilgrim, выраженная в числе знаков после запятой, равна от 1 до 6 знаков
9. Метод обратной функции позволяет найти ….
10. Узлы pay, rent down Pilgrim-модели … кроме иерархической
11. Файл, сгенерированный конструктором Gem, представляет собой ….
12. Математическая модель отражает … объекта или явления отражающий в математической форме важнейшие его свойства: законы, которым он подчиняется, связи, присущие составляющим его частям, и т. Д
13. Формула Хинчина-Поллачека справедлива для . используется для оценивания длин очередей при проектировании информационных систем. Она применяется в случае экспоненциального распределения времени поступления при любом распределении времени обслуживания и любой дисциплине управления, лишь бы выбор очередного сообщения для обслуживания не зависел от времени обслуживания.
14. Имитационное моделирование стохастических систем применяется, если ….
15. К числу основных требований, предъявляемых к моделям, относятся …адекватность экономичность универсальность доступность адаптивность абстракция
16. Значение случайной величины, равномерно распределенной в произвольном интервале, обычно получается с помощью …в соответствии с методом обратной функции существует преобразование, позволяющее вычислить
17. Концепция декомпозиции в системе Pilgrim представляет собой …Декомпозиция — это детализация одного узла с помощью совокупности других узлов.
18. Гистограмма на основе результатов моделирования строится для .
19. К преимуществам математических моделей относится …экономичность
20. Математическая модель объекта должна ….
21. Для каждого узла модели системы Pilgrim в конструкторе Gem может задаваться ….
22. Транзакт в модели Pilgrim может …Представляет собой формальный запрос на какое-либо обслуживание. Транзакт в отличие от обычных заявок, которые рассматривались при анализе модели массового обслуживания в теме по стохастическим системам, имеет набор динамически изменяющихся свойств и параметров.
Транзакт является динамической единицей любой модели, работающей под управлением имитатора, и может выполнять следующие действия:
· порождать группы (семейства) других транзактов;
· поглощать другие транзакты конкретного семейства;
· захватывать ресурсы, использовать их в течение некоторого времени, а затем — освобождать;
· определять времена обслуживания, накапливать информацию о пройденном пути и иметь информацию о своем дальнейшем пути и о путях других транзактов.
К основным параметрам транзактов относятся:
· уникальный идентификатор транзакта;
· идентификатор (номер) семейства, к которому принадлежит транзакт;
· наборы различных ресурсов, которые транзакт может захватывать и использовать какое-то время;
· время жизни транзакта;
· приоритет — неотрицательное число; чем больше приоритет, тем приоритетнее транзакт (например, в очереди);
· параметры обслуживания в каком-либо обслуживающем устройстве (включая вероятностные характеристики).
23.Наименьшее среднее время ожидания в очереди одноканальной системы массового обслуживания достигается, когда законом распределения времени обслуживания является ….
24. Стохастической системой называется система, остановка многих задач анализа и, в особенности, проектирования систем связаны с необходимостью проведения оценивания количественных показателей протекающих в системе процессов. Часто поведение этих развивающихся во времени процессов в силу действия различных случайных факторов не удается исследовать во всех деталях. Следствием этого является невозможность в отличие от детерминированных систем однозначно предсказать поведение системы в какой-то момент в будущем. Такие системы и процессы носят название стохастических (от греческого στοχαστική – умеющий угадывать). Их анализ целесообразно проводить, рассматривая их как случайные процессы, ход и исход которых зависят от ряда случайных факторов, сопровождающих их развитие.
25. Наименьшее среднее время ожидания в очереди достигается, когда законом распределения времени обслуживания является … закон распределения .
26. Недостаток метода обратной функции – это …Основной недостаток метода заключается в том, что интеграл не всегда является берущимся, а уравнение не всегда решается аналитическими методами.
27. Моделирующий комплекс Pilgrim работает на платформах, имеющих ….

Моделирующий комплекс Pilgrim работает на платформах, имеющих …
 операционную систему Windows
 компилятор языка Pascal
 компилятор языка C++
 библиотеки специальных программных модулей

Стохастической системой называется система, …
 имеющая большое количество элементов
 характер поведения которой в некоторый момент времени в будущем с полной определенностью предсказать нельзя
 обладающая большим многообразием и сложностью связей между своими элементами
 представляющая большую сложность для изучения и моделирования

Планировать эксперимент на имитационной модели нужно, чтобы …
 составить план работы подразделения моделирования
 определить бюджет на проведение эксперимента
 сократить временные и трудовые затраты на проведение экспериментов с моделью
 определить необходимые числа и конфигурацию компьютеров

В процессе описания графа модели с помощью конструктора Gem системы Pilgrim в графе …
 не может появиться никаких ошибок, и граф может не подвергаться проверке
 могут появиться ошибки любого типа, которые обнаруживаются средствами конструктора
 могут появиться ошибки любого типа, но средствами конструктора обнаруживаются только ошибки синтаксиса и формата

Гистограмма на основе результатов моделирования строится для …
 приближенного представления закона распределения случайного параметра
 нахождения математического ожидания случайного параметра
 нахождения дисперсии случайного параметра
 оценки адекватности построенной модели

Результаты моделирования в системе Pilgrim помещаются в …
 журнал Windows
 таблицу Excel
 базу данных
 текстовый файл

В процедуре имитации наступления события используют …
 псевдослучайное число и величину вероятности наступления события
 очередное значение из заранее введенных реальных данных о наступлении событий данного типа
 выбранное по специальным алгоритмам значение из массивов данных специальных исследований

Узел key в Pilgrim-модели обеспечивает …
 создание новых транзактов
 уничтожение некоторых из входящих в него транзактов
 переустановку значений критических параметров транзактов
 блокировку/разблокировку прохождения транзактов по графу модели

Узел term в Pilgrim-модели обеспечивает …
 создание новых транзактов
 уничтожение входящих в него транзактов
 сбор статистики по транзактам
 управление перемещением транзактов по графу модели

Математическая модель объекта должна …
 включать описания в виде математических формул и выражений
 включать описания в виде двумерных таблиц
 включать описания существенных признаков объекта
 включать описания на естественном языке
 включать описания на алгоритмическом языке
 выявить и проанализировать последствия явления

Узел ag в Pilgrim-модели обеспечивает …
 создание новых транзактов
 уничтожение транзактов
 сбор статистики по транзактам
 управление перемещением транзактов по графу модели

Формула Хинчина–Полачека справедлива для …
 регулярного входящего потока
 пуассоновского входящего потока
 времени обслуживания с экспоненциальным распределением
 постоянного времени обслуживания

Файл, сгенерированный конструктором Gem, представляет собой …
 исполнительный модуль программной модели
 исходный модуль на языке С++
 исходный модуль на языке Pascal
 исходный модуль на внутреннем языке системы

Узел serv в Pilgrim-модели имитирует …
 процесс обслуживания транзакта
 ожидание транзактами начала обслуживания в следующем узле
 проверку условий окончания обслуживания
 проверку условий начала обслуживания

Диспетчеризация транзактов в узлах Pilgrim-модели осуществляется при помощи …
 оператора network
 вызова специальных функций
 операторов проверки условий, помещаемых в узлы программной модели
 параметров транзактов

Методология структурного анализа Pilgrim-модели есть …
 рассмотрение множества показателей модели на основе выделения их логически связанных подмножеств
 проектирование системы путем выделения ее подсистем и их последовательного рассмотрения
 замена динамической модели процессов структурно связанным набором функциональных моделей

К выходным параметрам моделирования в системе Pilgrim относятся …
 среднее время нахождения транзакта в узлах модели
 преобразованный граф модели
 стоимость моделирования

Метод статистических испытаний чаще всего применяется, когда …
 требуется получить высокую точность
 неизвестны внутренние взаимодействия в исследуемой системе
 отсутствуют другие методы решения задачи
 необходимо сократить общее время моделирования

Большая Энциклопедия Нефти и Газа

Событийное моделирование без учета задержек также имеет определенную специфику. Дельта-задержка не несет информации о реальном времени передачи сигналов, а отражает причинно-следственные связи в объекте моделирования.  [1]

В логической части реализовано событийное моделирование , выявляются риски сбоя, рассчитываются зависимые от нагрузки задержки.  [2]

Таким образом, алгоритм событийного моделирования определяет минимальное значение момента времени из СБС, этот момент времени соответствует событию, которое будет следующим в системе. В зависимости от того, что это за событие, алгоритм должен выполнить те или иные изменения в системе, обусловленные логикой работы ОА, на которые влияет данное событие, и добавить соответствующие элементы в СБС.  [3]

Система GASP-IV предоставляла пользователю структурированный язык программирования, похожий на Фортран, набор методов событийного моделирования дискретных подсистем модели и моделирования непрерывных подсистем с помощью уравнений переменных состояния, а также датчики псевдослучайных чисел.  [4]

При анализе объектов, являющихся предметом исследования теории массового обслуживания, используются в основном методы событийного моделирования .  [5]

Основные усилия последнего времени направлены на повышение эффективности совместного моделирования цифровых и аналоговых схем. Методы событийного моделирования ( подробно рассмотренные в разд.  [6]

В программе PSpice для персональных компьютеров предусмотрены статический, динамический и частотный виды анализа, смешанное логико-аналоговое моделирование ( mixed-signal simulation), температурный ( с индивидуальными значениями температуры по приборам) и шумовой анализы, расчеты в наихудшем случае и статистический, по методу Монте-Карло, спектральный анализ. В логической части реализовано событийное моделирование , выявляются риски сбоя, рассчитываются зависимые от нагрузки задержки.  [7]

Отсюда следует, что существенное уменьшение времени моделирования может быть достигнуто, если каждый раз моделировать только те элементы, у которых изменились входные сигналы. В этом и заключается принцип событийного моделирования .  [8]

В ECAD фирмы Cadence для событийного моделирования полузаказных интегральных схем на уровнях поведенческом, RTL, вентильном и переключательном используются программы Veri-log — XL и Verilog-XL Turbo. Компания Model Technology [23] разрабатывает ASIC -, FPGA — и CPLD-проекты на базе VHDL, Verilog и смешанных HDL-описаний, выполняя моделирование на уровнях RTL и вентильном с помощью программ серии ModelSim. Это одна из систем логического моделирования с графическими средствами отладки, используемая при проектировании сложных ASIC — и FPGA-схем.  [9]

На метауровне моделируют в основном две категории технических объектов: объекты, являющиеся предметом исследований теории автоматического управления, и объекты, являющиеся предметом теории массового обслуживания. Для первой категории объектов возможно использование математического аппарата макроуровня, для второй категории объектов используют методы событийного моделирования .  [10]

На мегауровне моделируют в основном две категории технологических объектов: объекты, являющиеся предметом иссследо-вания теории динамических систем, и объекты, являющиеся предметом теории масового обслуживания, в том числе и других соответствующих стохастических методов. Для первой категории объектов возможно использование детерминированного или стохастического математического аппарата макроуровня, для второй категории объектов, как правило, используют стохастические методы событийного моделирования .  [11]

Для сокращения времени анализа используют событийный метод. В этом методе событием называют изменение любой переменной модели. Событийное моделирование основано на следующем правиле: обращение к модели логического элемента происходит только в том случае, если на входах этого элемента произошло событие.  [12]

Неактивной на интервале [ if, / 4 — — f — Af ] переменной называют величину, изменения которой на этом интервале не превышают достаточно малого заранее заданного значения. В моделях сложных систем в каждый момент модельного времени большинство переменных неактивно. Моделирование, основанное на учете событийности, принято называть событийным моделированием . В алгоритмах событийного моделирования необходимо реализовать критерии своевременного включения переменных и соответствующих им частей моделей в группу неактивных ( латентных) и своевременного их исключения из этой группы.  [13]

Неактивной на интервале [ if, / 4 — — f — Af ] переменной называют величину, изменения которой на этом интервале не превышают достаточно малого заранее заданного значения. В моделях сложных систем в каждый момент модельного времени большинство переменных неактивно. Моделирование, основанное на учете событийности, принято называть событийным моделированием. В алгоритмах событийного моделирования необходимо реализовать критерии своевременного включения переменных и соответствующих им частей моделей в группу неактивных ( латентных) и своевременного их исключения из этой группы.  [14]

Функционирование дискретной системы рассматривается как последовательная смена состояний системы в дискретные моменты времени. Каждое изменение параметров объектов вызывает изменение ее составляющих или связей между ее компонентами. Таким образом, описание дискретной системы ( модели) исчерпывается заданием алгоритмов изменения состояния системы во времени, условий порождения и уничтожения объектов. В пакете это реализовано с помощью обычного аппарата событийного моделирования .  [15]