Simulation und Modellierung I - Cheatsheet
Einführung in die Terminologie und Konzepte der Simulation
Definition:
Grundlagen der Simulation - Begriffe und grundlegende Konzepte.
Details:
- Simulation: Nachbildung eines realen Prozesses.
- Modell: Abstraktion des realen Systems.
- Deterministische und stochastische Modelle: Präzise vs. zufällige Ergebnisse.
- Eingangsgrößen und Ausgangsgrößen: Input- und Output-Parameter des Modells.
- Zeitliche und zeitunabhängige Simulation: Dynamische vs. statische Modelle.
- Verifikations- und Validationsprozess: Modellüberprüfung.
- Szenarien und Experimente: Durchführung und Analyse.
- Diskrete und kontinuierliche Modelle: Diskrete Ereignisse vs. kontinuierliche Prozesse.
Unterscheidung zwischen diskreten und kontinuierlichen Simulationen
Definition:
Unterscheidung zwischen diskreten und kontinuierlichen Simulationen: Diskrete Simulationen modellieren Systeme mit Ereignissen zu bestimmten Zeitpunkten, kontinuierliche Simulationen beschreiben Systeme durch stetige Zustandsänderungen über die Zeit.
Details:
- Diskrete Simulationen: Ereignisgesteuert, Zustände ändern sich plötzlich zu Ereigniszeitpunkten.
- Kontinuierliche Simulationen: Zeitgesteuert, Zustände ändern sich kontinuierlich über die Zeit.
- Diskrete Beispiele: Warteschlangensysteme, digitale Schaltkreise.
- Kontinuierliche Beispiele: Physikalische Prozesse, chemische Reaktionen.
- Mathematische Beschreibung:
- Diskret: Zustandsvektor \( \boldsymbol{x}(t_i) \) zu bestimmten Zeitpunkten \( t_i \).
- Kontinuierlich: Differentialgleichungen \( \frac{d\boldsymbol{x}}{dt} = f(\boldsymbol{x}(t), t) \).
Zufallszahlengenerierung und Monte-Carlo-Methoden
Definition:
Erzeugung von Zufallszahlen und Verwendung dieser für numerische Methoden zur Problemlösung.
Details:
- Pseudozufallszahlen: Zahlenfolge, die deterministisch erzeugt wird und statistische Eigenschaften echte Zufallszahlen nachbildet.
- Monte-Carlo-Methoden: Numerische Verfahren, die Zufallszahlen nutzen, um Probleme zu lösen (z.B. Integration, Optimierung).
- Anwendungen: Physik, Finanzmathematik, Risikoanalyse.
- Häufig verwendete Verteilungsfunktionen: Gleichverteilung, Normalverteilung.
- Generierungstechniken: Lineare Kongruenzmethode, Mersenne-Twister.
Validierung und Verifikation von Simulationsmodellen
Definition:
Validierung überprüft, ob ein Simulationsmodell die realen Systemanforderungen korrekt abbildet; Verifikation stellt sicher, dass das Modell technisch korrekt implementiert ist.
Details:
- Validierung: Vergleich des Modells mit der Realität
- Verifikation: Überprüfung der korrekten Implementierung
- Methoden:
- Datenvergleich
- Sensitivitätsanalyse
- Statistische Tests
- Ziele:
- Genauigkeit
- Zuverlässigkeit
Agentenbasierte Modellierung
Definition:
Simulation komplexer Systeme durch Modellierung autonomer Agenten, die individuelle Entscheidungen treffen und interagieren.
Details:
- Jeder Agent: individuell, autonom, kann Zustand und Verhalten ändern
- Interaktion zwischen Agenten führt zu emergentem Verhalten des Gesamtsystems
- Wird oft für soziologische, wirtschaftliche und ökologische Systeme genutzt
- Implementierung in Computersimulationen
- Beispiele: Verkehrssimulation, Marktmodelle, Ausbreitung von Krankheiten
- Mathematische Grundlage: Zustandsmaschine, statistische Modelle, Differentialgleichungen
Systemdynamikmodelle
Definition:
Systemdynamikmodelle sind Simulationen zur Analyse von dynamischen Systemen über die Zeit, oft mittels Differentialgleichungen.
Details:
- Erfassen Wechselwirkungen innerhalb eines Systems.
- Nutzen Kausaldiagramme und Flussdiagramme.
- Gleichungen: \(\frac{dX(t)}{dt} = f(X(t), t)\)
- Stichworte: Rückkopplungsschleifen, Verzögerungen, Bestände, Flüsse.
- Typische Anwendung: Wirtschaft, Ökologie, Epidemiologie.
Integration von Simulationswerkzeugen in bestehende Systeme
Definition:
Integration von Simulationswerkzeugen in bestehende Systeme - Bindeglied zwischen Simulation und operativem System.
Details:
- Integration durch APIs oder Software-Schnittstellen
- Datenverarbeitung und -austausch in Echtzeit oft erforderlich
- Herausforderungen: Kompatibilität, Synchronisation, Performance
- Typische Ansätze: Co-Simulation, Kopplung über Middleware
- Ziel: Verbesserung der Systemleistung, Genauigkeit in der Modellierung
Best Practices und gängige Fallstricke bei der Nutzung von Simulationssoftware
Definition:
Best Practices und Fallstricke bei der Nutzung von Simulationssoftware in \textit{Simulation und Modellierung I} umfassen Methoden zur effizienten Anwendung und typische Fehlerquellen, die vermieden werden sollten.
Details:
- Planung: Klare Definition der Zielsetzung und der notwendigen Parameter zu Beginn.
- Validierung: Vergleich von Simulationsergebnissen mit realen Daten zur Überprüfung der Genauigkeit.
- Dokumentation: Sorgfältige Dokumentation aller Schritte und Annahmen zur Nachvollziehbarkeit.
- Simulationstiefe: Wahl des richtigen Detaillierungsgrades, um unnötige Komplexität zu vermeiden.
- Fallstrick: Übermäßige Vereinfachung, die kritische Faktoren außer Acht lässt.
- Fallstrick: Überkomplexität, die die Simulation unnötig aufwendig macht und die Performance beeinträchtigt.
- Prüfung: Regelmäßige Überprüfungen und Validierungen während der Entwicklung.
- Softwarespezifische Optimierung: Nutzung optimierter Algorithmen und Techniken, die von der eingesetzten Software bereitgestellt werden.