Имитационное моделирование в AnyLogic 7. В 2 частях. Ч. 1

Министерство образования и науки Российской Федерации
Уральский федеральный университет
имени первого Президента России Б. Н. Ельцина

О. В. Лимановская

Имитационное моделирование 
в AnyLogic 7

В 2 частях

Часть 1

Рекомендовано методическим советом 
Уральского федерального университета 
в качестве учебного пособия для студентов вуза, 
обучающихся по направлению 
09.03.04 — Программная инженерия

Екатеринбург
Издательство Уральского университета
2017

УДК 004.94(075.8)
ББК 32.972.1я-5
          Л58

Рецензенты:
ст. науч. сотр., канд. физ.-мат. наук О. Р. Рахманова (лаборатория электродных 
процессов ФГБУН «Институт высокотемпературной электрохимии» 
УрО РАН);
Г. В. Лимановский (начальник группы поддержки сети Института высокотемпературной 
электрохимии)

Научный редактор доц., канд. техн. наук И. Н. Обабков

 
Лимановская, О. В.
Л58    Имитационное моделирование в AnyLogic 7. В 2 ч., ч. 1 : учебное пособие / 
О. В. Лимановская. — Екатеринбург : Изд-во Урал. ун-та, 2017. — 152 с.

ISBN 978-5-7996-2029-5 (ч. 1)
ISBN 978-5-7996-1995-4

Работа состоит из двух частей: часть 1 — учебное пособие, часть 2 — лабораторный 
практикум. В первой части излагаются основы имитационного моделирования 
в AnyLogic 7. Подробно дано описание среды AnyLogic и наглядно показаны 
ее возможности в примерах. 
Учебное пособие предназначено для студентов всех форм обучения и аспирантов, 
обучающихся по техническим специальностям. 
Основным источником для пособия послужили материалы тренинга «Мно-
гоподходное имитационное моделирование в AnyLogic 7 (режим доступа: http://
www.anylogic.ru/free-simulation-book-and-modeling-tutorials).

Рис. 196. Табл. 5.

УДК 004.94(075.8)
ББК 32.972.1я-5

ISBN 978-5-7996-2029-5 (ч. 1) 
© Уральский федеральный
ISBN 978-5-7996-1995-4 
     университет, 2017

1. Основы моделирования

П
режде чем приступить к изучению собственно имитационного 
моделирования, обратимся к основам моделирования.

1.1. Основные понятия

Моделирование — это процесс изучения реального объекта путем 
построения и исследования его модели, которая отображает только 
те элементы реального мира, которые исследуются, то есть что необходимо 
включать в модель, определяется целями моделирования. Например, 
поставлена задача разработки новой эффективной формы 
для спортсменов-пловцов. При разработке модели этой формы будут 
учитываться физические параметры спортсменов, физика их движения 
в воде, но вот состояние их внутренних органов при этом не важно 
для целей моделирования.
Ключевой момент в моделировании — это использование в исследовании 
модели объекта, а не самого объекта. При построении модели 
главное — помнить цель моделирования и, уже основываясь на этом, 
учитывать в модели только те свойства реального объекта (системы), 
которые важны с позиции целей моделирования. Если результаты экспериментов 
над моделью подтверждаются результатами экспериментов 
над реальным объектом, то такая модель адекватная. Адекватность 
модели определяется целями моделирования и принятыми критериями. 
Например, при моделировании анодных процессов можно измерить 
изменение тока или потенциала системы во времени, но нельзя 
измерить концентрации в приэлектродном слое в ходе процесса. Поэтому 
при создании математической модели этих процессов стремятся 
получить временные зависимости тока или потенциала. Если временные 
зависимости тока или потенциала, полученные экспериментально, 
в пределах ошибки совпадают с теоретическими, то принятую математическую 
модель считают адекватной. Тогда из математической 

1. Основы моделирования

модели можно получить гораздо больше информации, чем из экспериментов 
над реальной системой (например, концентрации реагирующих 
веществ, степень заполнения электродной поверхности).
Реальные объекты представляют собой, как правило, сложные системы, 
поскольку процессы в них зависят от многих параметров и часто 
не могут быть представлены аналитически. Кроме того, в реальном 
мире сложные системы связаны в сеть и представляют собой большие 
системы. Их особенность заключается в непостоянстве процессов 
в них из-за нестабильного поведения объектов системы. Как правило, 
это — системы с участием людей, и именно человеческий фактор 
вносит эффект нестабильности.
Тогда встает вопрос: а как же создавать модель таких систем? Очень 
просто — «разделяй и властвуй»! Систему разбивают на подсистемы. 
Если подсистемы оказываются еще слишком сложными, то разбивают 
и их. Предел разбиения, то есть элементарная единица системы, 
зависит от целей моделирования. Например, если проводятся 
социологические исследования поведения молодых людей в возрасте 
от 20 до 25 лет, то разбиение будет вестись до группы. Если проводятся 
исследования личностных качеств людей определенной группы, 
то единицей моделирования будет уже человек. После разбиения системы 
на подсистемы устанавливаются связи между ними.
Модели могут быть статические или динамические. Если интересно 
состояние системы в определенный момент времени, то используются 
статические модели. Если интересует развитие системы во времени, 
то используется динамическая модель. Как правило, интересно 
развитие системы во времени, поэтому динамические модели более 
«популярны».
Состояние системы — множество характеристик объектов системы, 
изменяющихся во времени и существенных для целей моделирования.
Процесс — множество значений состояний системы, изменяющихся 
во времени.

1.2. Этапы моделирования

Моделирование предполагает наличие следующих этапов:
1. Изучение предметной области моделирования и определение целей 
моделирования.

1.2. Этапы моделирования

2. Выделение критериев отбора характеристик процесса (явления, 
объекта), важных для целей моделирования.

3. Разработка модели.
4. Адаптация модели и экспериментальных данных, а также проверка 
ее адекватности.

5. Проведение экспериментов над моделью.
Для нашего курса наиболее важен третий этап, а именно разработка 
самой модели. Создание модели идет, как правило, в три этапа.

1.2.1. Этап «Черный ящик»

Система представляется в виде черного ящика с набором входов и выходов. 
На этом этапе выделяется система из окружающей среды, устанавливаются 
границы модели, отделяющие ее от внешней среды. Например, 
если нужно смоделировать удобную обувь, то нет смысла моделировать 
все процессы, протекающие в стопах человека. Нужно остановиться 
только на механике движения стопы, может быть, имеет смысл учитывать 
некоторые отклонения в механике движения при определенных 
заболеваниях (плоскостопие). Также на этом этапе устанавливаются 
входные данные системы. Решается вопрос об их представлении, периодичности, 
меняются ли они с определенной вероятностью или по аналитическому 
закону. На этом этапе устанавливаются выходные данные, 
их вид, периодичность получения, пользователи этих данных.

Рис. 1.1. Этап моделирования «черный ящик»

Кроме того, на этом этапе при проектировании динамической модели 
учитывается тип динамики системы: функционирование или развитие. 
Функционирование — это процессы, происходящие в системе 
стабильно и реализующие фиксированную цель, например процессы, 
протекающие в технологическом конвейере. Развитие — это процессы, 
протекающие в системе при изменении ее целей. Например, решено 
развивать производство: в технологическую цепочку, выпускающую 
один набор изделий, добавляется новое изделие, изготовление которого 
предполагает некоторые изменения технологической цепочки.

1. Основы моделирования

1.2.2. Этап «Модель состава системы»

На этом этапе система разбивается на элементы по уже описанному 
выше сценарию.
Элемент системы — объект, обладающий рядом свойств, обеспечивающих 
выполнение некоторых функций, внутреннее строение которых 
для целей моделирования не интересно. Части системы, состоящие 
из более чем одного элемента и имеющие собственную подцель, 
называются подсистемами.
Но далеко не все модели достигают этого этапа. Так, при исследова-
нии черных дыр доступен только первый этап, то есть можно исследовать 
только взаимосвязь определенных входных и выходных данных.

1.2.3. Этап «Модели структуры системы»

На этом этапе устанавливаются связи между элементами системы.
Связью L между элементами называется процесс их взаимодействия, 
существенный для целей моделирования.
Совокупность необходимых и достаточных для достижения целей моделирования 
связей между элементами называется структурой системы.
Структура системы, как правило, представляется в виде графа, в котором 
его вершины — элементы системы, ребра — связи. В некоторых 
моделях выделяют направления связей, тогда создается ориентированный 
граф, например при создании модели транспортной сети. Ребрам 
графа можно приписать веса, что позволяет учесть загрузки определенных 
направлений. В этом случае создается взвешенный граф. Для лучшей 
иллюстрации динамики процесса используют раскраску, то есть 
обозначения вершин или ребер. Некоторые типы структур являются 
очень распространенными и важными для практических целей и поэтому 
получили специальные названия.
Так, для описания и моделирования систем управления используют 
организационные системы, которые представляются тремя структура-
ми, — линейная (рис. 1.2), древовидная (рис. 1.3) и матричная (рис. 1.4).
Для моделирования технологических, физических, химических, 
биологических и других естественно-научных систем используются 
технические системы, которые представляются двумя структурами — 
сетевой (рис. 1.5) и с обратной связью (рис. 1.6).

1.2. Этапы моделирования

Рис. 1.2. Линейная структура

Рис. 1.3. Древовидная структура

Рис. 1.4. Матричная структура

Рис. 1.5. Сетевая структура

Рис. 1.6. Структура с обратной связью

1. Основы моделирования

1.3. Классический и системный подходы в моделировании

Классический подход в моделировании (рис. 1.7) основан на принципе 
«от частного к общему» и синтезирует систему слиянием ее элементов, 
разработанных ранее независимо друг от друга. Моделируемый объект 
разбивается на отдельные подсистемы, выбираются исходные данные 
(Д) для моделирования, ставятся цели моделирования (Ц) для каж-
дой части системы. Система собирается из отдельных частей — ком-
понентов (К). Каждый из компонентов решает свою задачу и не зави-
сит от других компонентов, взаимосвязь компонентов не учитывается.

Рис. 1.7. Классический подход в моделировании

Естественно, при таком подходе невозможно смоделировать слож-
ную систему, в которой элементы взаимосвязаны и влияют друг на дру-
га. Поэтому классический подход применим к простым системам. Ча-
сто его используют вынужденно, когда часть элементов системы уже 
смоделирована «предшественниками» и автору приходится включать 
их в создаваемую систему.
Системный подход использует принцип «от общего к частному», 
то есть система рассматривается как интегрированное целое, состо-
ящее из подсистем, связанных между собой (рис. 1.8). На основе ис-
ходных данных (Д) и цели моделирования (Ц) формируются исходные 
требования (Т) к модели системы (С). На базе этих требований форми-
руются подсистемы (П). Но далеко не всегда можно и нужно включать 
все проектируемые подсистемы в конечную систему, поскольку часто 
они удовлетворяют противоречащим требованиям. Поэтому произво-
дится выбор (В) из набора сформированных подсистем (П) на основе 
определенных критериев выбора (КВ) и формируются элементы си-

1.4. Типы моделей

стемы (Э), которые формируют модель (М). Очевидно, что такой подход 
применим к сложным системам и учитывает взаимо связь компонентов 
системы.

Рис. 1.8. Системный подход в моделировании

1.4. Типы моделей

Несмотря на огромное разнообразие моделей, их довольно легко 
собрать в несколько групп, если взглянуть на них с точки зрения типа 
вычислительного процесса и типа данных. Вычислительный процесс 
может быть двух типов: непрерывный и дискретный. Непрерывный 
вычислительный процесс рассматривает постепенное развитие модели 
во времени. Дискретный процесс рассматривает развитие системы 
как набор переходов из одного состояния в другое, причем нет 
промежуточных состояний. Типы данных могут быть детерминированными 
и вероятностными. Детерминированные данные известны, 
и если они изменяются, то по определенному аналитическому закону. 
Вероятностные данные меняются случайным образом. Классификация 
моделей по вычислительному процессу и типу данных приведена 
в табл. 1.1. Кроме того, есть комбинированные модели, которые