Для моделирования случайных величин с заданными законами распреде­ления в GPSS возможно использование библиотечных функций или задание требуемой функции распределения в табличном виде путем аппроксимации непрерывными функциями.

Встроенная библиотека GPSS содержит функции для моделирования случайных величин, имеющих следующие законы распределения:

•   равномерное (Uniform);

•    экспоненциальное (Exponential);

•    гамма (Gamma);

•    вейбулловское (Weibull);

•    нормальное (Normal);

•    логнормальное (LogNormal);

•    биномиальное (Binomial);

•    геометрическое (Geometric);

•   дискретное равномерное (Discrete Uniform);

•    пуассоновское (Poisson);

•    логистическое (Logistic);

•    логлапласово (LogLaplace);

•   треугольное (Triangular).

Для моделирования случайной величины, имеющей равномерное рас­пределение, используется библиотечная функция UNIFORM(Stream,Min,Max)

Stream - номер генератора случайных чисел (от 1 до 7); Min- наименьшее возможное значение; Мах - наибольшее возможное значение.

Например:

GENERATE (UNIFORM(4,2,8)); генерация транзактов через интервалы

времени, равномерно распределенные на от­резке [2; 8], с использованием 4-го гене­ратора случайных чисел ADVANCE (UNIFORM(2, 3, 5) ) ; задержка транзактов на время, имеющее

равномерное распределение на отрезке [3; 5], с использованием 2-го генератора случайных чисел

Аналогичные действия выполняются при следующей записи блоков

GENERATE 5,3 ; генерация транзактов через интервалы времени, равно­мерно распределенные на отрезке [2; 8] ADVANCE 4,1 ; задержка транзактов на время, имеющее равномерное распределение на отрезке [3; 5]

Для моделирования случайной величины, имеющей экспоненциальное распределение, используется библиотечная функция EXPONENTIAL(Stream, Locate, Scale) Stream - номер генератора случайных чисел (от 1 до 7); Locate - величина сдвига (константа, добавляемая к значению модели­руемой величины);

Scale - параметр формы распределения (математическое ожидание слу­чайной величины при Locate =0).

Пример 2. Приведем пример использования функции генерации случай­ной величины, имеющей экспоненциальное распределение, при моделиро­вании входящего потока транзактов (в данном случае - простейшего пото­ка).

10 INITIAL X$Time01d, 0            ; инициализация ячейки, сохраняющей

время моделирования предыдущего транзакта

20 Inter FVARIABLE ACl-X$Time01d ; определение переменной, равной

интервалу между текущим модельным временем и временем моделирования предыдущего транзакта 30 Distrib TABLE V$Inter, 0,1, 20 ; определение таблицы с 20 интерва­лами, правая граница 1-го интерва­ла равна 0, ширина интервалов рав­на 1

40 GENERATE (Exponential(1, 0, 4 ) ) ; генерация транзактов через интер­валы времени, имеющие экспоненци­альное распределение с математиче-
равным 4,

с ким ожид а ни ем, сдвига

; добавление в таблицу нового зна­чения времени между поступающими транзактами

текущего модельного

; сохранение времени

; уменьшение счетчика завершений на 1

; задание начального значения счет­чика завершений и запуск моделиро­вания

В результате моделирования в таблице Distrib была накоплена выборка значений случайной величины, имеющей экспоненциальное распределение, объемом 5000 элементов. Гистограмма частот, соответствующая таблице Distrib, полученная средствами GPSS (см. подразд. 2.7), представлена на рисунке 6.

A. Untitled. 19.sim:2 - TABLE WINDOW

Mean: 4.036

На рисунке 6, б представлена гистограмма частот времени между посту­пающими транзактами в случае, когда строка 40 ИМ в примере 2 заменена строкой

40 GENERATE (Exponential(1,2,4)) ; генерация транзактов через интер­валы времени, имеющие экспоненци­альное распределение с математиче­ским ожиданием, равным 4, со сдви­гом на 2 единицы вправо

Для моделирования случайной величины, имеющей гамма- распределение, используется библиотечная функция

GAMMA(Stream, Locate, Scale, Shape)

Stream - номер генератора случайных чисел (от 1 до 7);

Locate - величина сдвига (константа, добавляемая к значению модели­руемой величины, см. выше);

Scale - параметр масштаба функции распределения;

Shape - параметр, определяющий форму кривой гамма-распределения.

Если аргумент Shape функции GAMMA - есть целое число, то гамма- распределение вырождается в распределение Эрланга к-то порядка, где к= Shape. А если Shape = 1, то гамма-распределение совпадает с экспонен­циальным распределением.

Для моделирования случайной величины, имеющей вейбулловское рас­пределение (распределение Вейбулла-Гнеденко), используется библиотеч­ная функция

WEIBULL(Stream, Locate, Scale, Shape)

Stream - номер генератора случайных чисел (от 1 до 7);

Locate - величина сдвига (константа, добавляемая к значению модели­руемой величины, см. выше);

Scale - параметр масштаба функции распределения;

Shape - параметр, определяющий форму распределения.

Вейбулловское распределение широко используется в теории надежно­сти для описания времени безотказной работы систем на различных этапах их эксплуатации. Так в период приработки, когда интенсивность отказов систем уменьшается, Shape <1; в период нормальной эксплуатации Shape = 1; в период старения, когда интенсивность отказов системы со вре­менем возрастает, Shape > 1.

Для моделирования случайной величины, подчиняющейся нормальному закону распределения, используется библиотечная функция

NORMAL(Stream,Mean,StdDev)

Stream - номер генератора случайных чисел (от 1 до 7);

Mean - математическое ожидание;

StdDev - среднеквадратическое отклонение.

Для генерации случайной величины, имеющей логнормальный закон распределения, используется библиотечная функция LOGNORMAL(Stream, Locate, Scale, Shape)

Stream - номер генератора случайных чисел (от 1 до 7); Locate - величина сдвига (константа, добавляемая к значению модели­руемой величины, см. выше);

Scale - параметр масштаба функции распределения; Shape - параметр, определяющий форму распределения.