[[پرونده:2004 Indonesia Tsunami Complete.gif|بندانگشتی|شبیهسازی کامپیوتری تسونامی سال ۲۰۰۴ در آسیا]]
'''شبیهسازی کامپیوتری'''یا '''شبیهسازی رایانهای''' به اجرای یک [[شبیهسازی]] با استفاده از یک [[برنامه (رایانه)|برنامهٔ کامپیوتری]] را میگویند طوری که این برنامهٔ کامپیوتری مدل شبیهسازی را تعریف کند. شبیهسازی کامپیوتری بستگی به برنامهٔ کامپیوتری و مدل شبیهسازیشدهٔ آن دارد که برخی، [[داده|دادهها]]ها را در چند دقیقه اجرا، و برخی از شبکههای مبتنی بر کامپیوتر تشکیلشده و برای ساعتها دادهای را تحلیل میکنند. مقیاس وقایع شبیهسازیشده با شبیهسازیهای کامپیوتری به مراتب بسیار سریعتر و بالاتر از شیوههای سنتی آن که توسط یک یا چند فرد و [[ریاضیات]] روی کاغذ انجام میشود، میباشد.
شبیه سازیشبیهسازی کامپیوتری یک شبیه سازی میشبیهسازی باشدمیباشد که در یک کامپیوتر واحد یا شبکه ایشبکهای از کامپیوترها برای بازتولید رفتار یک سیستم اجرا می شودمیشود. شبیه سازیشبیهسازی از یک مدل انتزاعی برای شبیه سازیشبیهسازی سیستم استفاده می کندمیکند. شبیه سازی هایشبیهسازیهای کامپیوتری یک بخش مفید مدل سازی ریاضیاتی بسیاری از سیستم هایسیستمهای طبیعی در فیزیک، نجوم فیزیک، شیمی و زیستزیستشناسی، شناسی، سیستم هایسیستمهای انسان در اقتصاد، روانشناسی، علوم اجتماعی و مهندسی شده اندشدهاند. شبیه سازیشبیهسازی یک سیستم برای اجرای مدل سیستم نشان داده می شودمیشود. از آن می توانمیتوان برای کشف و به دست آوردن دیدگاه جدید در مورد تکنولوژی جدید و برآورد عملکرد سیستم هایسیستمهای بسیار پیچیده برای راه حل هاحلها آنالیز استفاده کرد. ./ شبیه سازی هایشبیهسازیهای کامپیوتری از برنامه هایبرنامههای کامپیوتری که چند دقیقه در گروه هایگروههای مبتنی بر شبکه ایشبکهای از کامپیوترها اجرا می شوندمیشوند تا ساعت هاساعتها برای شبیه سازی هایشبیهسازیهای در حال انجام که روز هاروزها طول می کشندمیکشند متغیر می باشندمیباشند. مقیاس اتفاقاتی که شبیهشبیهسازی سازی می شوندمیشوند به وسیله شبیه سازی هایشبیهسازیهای کامپیوتری فراتر از هر مقدار ممکن رفته است که از مدل سازی ریاضیاتی کاغذ و قلم قدیمی استفاده می کندمیکند. بیش از 10۱۰ سال قبل یک شبیه سازیشبیهسازی جنگ میدانی یک نیروی مهاجم به گروه دیگر شامل مدل سازی 66239۶۶۲۳۹ تانگ، کامیون و وسایل نقلیه دیگر در زمینهای زمین های شبیه سازیشبیهسازی شده اطراف کویت با استفاده از ابرکامپیوترهای چند گانه در برنامه مدرنیزاسیون کامپیوتر عملکرد بالای DoD بود. مثال هایمثالهای دیگر شامل یک مدل یک میلیارد اتمی با تغییر شکل ماده ,ماده، یک مدل 2.64۲٫۶۴ میلیون اتمی پروتئین ساز پیچیده در تمام موجودات، یک ریبوزم در سال 2005،۲۰۰۵، یک شبیه سازیشبیهسازی کامل چرخه عمر مایکوپلاسما جنیتالیوم در 2012۲۰۱۲ و پروژه بلو برین در EPFL که در می 2005۲۰۰۵ برای ایجاد اولین شبیه سازیشبیهسازی کامپیوتری مغز انسان درست در پایین سطح مولکولی اغازآغاز شد.
به دلیل هزینه کامپیوتری شبیهشبیهسازی، سازی، ازمایشاتآزمایشات کامپیوتری برای انجام استنتاج چنین مقادیر نا معینی استفاده می شوندمیشوند.
==شبیه سازیشبیهسازی در مقابل مدل ==
یک مدل کامپیوتری به الگوریتمها و معادلات مورد استفاده برای به دست آوردن رفتار سیستمی که مدل سازی میشود اطلاق میگردد. بالعکس یک شبیهسازی کامپیوتری به اجرای واقعی برنامهای اطلاق میشود که حاوی این معادلات یا الگوریتمها میباشد؛ بنابراین شبیهسازی به نتیجه اجرای یک مدل اشاره دارد. به عبارت دیگر شما یک شبیهسازی نمیسازید. بلکه شما یک مدل میسازید و سپس یک مدل را اجرا میکنید یا یک شبیهسازی را اجرا میکنید.
== تاریخچه ==
یک مدل کامپیوتری به الگوریتم ها و معادلات مورد استفاده برای به دست آوردن رفتار سیستمی که مدل سازی می شود اطلاق می گردد. بالعکس یک شبیه سازی کامپیوتری به اجرای واقعی برنامه ای اطلاق می شود که حاوی این معادلات یا الگوریتم ها می باشد. بنابراین شبیه سازی به نتیجه اجرای یک مدل اشاره دارد. به عبارت دیگر شما یک شبیه سازی نمی سازید. بلکه شما یک مدل می سازید و سپس یک مدل را اجرا می کنید یا یک شبیه سازی را اجرا می کنید.
شبیهسازی کامپیوتری دوشادوش رشد سری عملکرد کامپیوتر پس از اولین گسترش بزرگ مقیاسش در طول پروژه منهتن در جنگ جهانی دوم برای مدل سازی فرایند انفجار هستهای توسعه یافت. این یک شبیهسازی ۱۲ کرهای سخت با استفاده از یک الگوریتم مونته کارلو بود. شبیهسازی کامپیوتری اغلب به عنوان یک جانشین برای مدل سازی سیستمها استفاده میشود که برای آنها راه حلهای آنالیزی با شکل بسته ساده ممکن نمیباشند. انواع شبیهسازیهای کامپیوتری بسیاری وجود دارند. ویژگی مشترک آنها اقدام برای تولید نمونهای از سناریوهای نماینده برای مدلی است که در آن تعداد کاملی از تمام حالات ممکن مدل باز دارنده یا غیرممکن میباشند.
== آماده کردن دادهها ==
==تاریخچه==
نیازهای دادههای خارجی شبیهسازیها و مدلها به طور گستردهای متغیر میباشند. برای برخی، ورودی فقط چند عدد میباشد در حالیکه بقیه به ترابایتهای اطلاعات نیاز دارند. منابع ورودی نیز بسیار متغیر میباشند:
* سنسورها و دستگاههای فیزیکی دیگر متصل به مدل
* سطوح کنترل مورد استفاده برای هدایت پیشرفت شبیهسازی به هر نوعی
* دادههای فعلی یا گذشته وارد شده دستی
* مقادیر استخراج شده به عنوان محصول فرعی از فرایندهای دیگر
* خروجی مقادیر برای منظور شبیهسازیهای دیگر، مدلها یا فرایندها.
در نهایت زمانی که دادهها در آن در دسترس میباشد متغیر میباشد:
شبیه سازی کامپیوتری دوشادوش رشد سری عملکرد کامپیوتر پس از اولین گسترش بزرگ مقیاسش در طول پروژه منهتن در جنگ جهانی دوم برای مدل سازی فرایند انفجار هسته ای توسعه یافت. این یک شبیه سازی 12 کره ای سخت با استفاده از یک الگوریتم مونته کارلو بود. شبیه سازی کامپیوتری اغلب به عنوان یک جانشین برای مدل سازی سیستم ها استفاده می شود که برای آنها راه حل های آنالیزی با شکل بسته ساده ممکن نمی باشند. انواع شبیه سازی های کامپیوتری بسیاری وجود دارند. ویژگی مشترک آنها اقدام برای تولید نمونه ای از سناریو های نماینده برای مدلی است که در آن تعداد کاملی از تمام حالات ممکن مدل باز دارنده یا غیر ممکن می باشند.
* دادههای نا متغیر اغلب در برنامه مدل ساخته میشود که یا به این دلیل است که مقدار واقعاً نامتغیر است یا طراحان، مقدار را برای تمام موارد مورد نظر نامتغیر در نظر میگیرند.
* دادهها را میتوان بعد از شبیهسازی وارد شبیهسازی کرد مثلاً با خواند یک یا چند فایل یا با خواندن دادهها از یک پیش پردازشگر.
* دادهها را میتوان در طول اجرای شبیهسازی به طور مثال با یک شبکه سنسور فراهم کرد.
به دلیل این تغییر و به دلیل اینکه سیستمهای شبیهسازی مختلف اجزای مشترک زیادی دارند لذا تعداد زیادی زبان شبیهسازی تخصصی وجود دارند. معروفترین آنها سیمولا میباشد. اکنون زبانهای بسیاری دیگری نیز وجود دارند. سیستمهایی که دادهها را از منابع خارجی میپذیرند باید از لحاظ دانستن آنچه دریافت میکنند بسیار هوشمند و دقیق باشند. در حالیکه برای کامپیوترها خواندن به شکل مقادیر از متن یا فایلهایی دو تایی آسان میباشد آنچه بسیار سختتر است دانستن این است که دقت مقادیر چگونه میباشد. اغلب آنها به عنوان نوارهای خطا، یک مینیمم یا ماکزیمم انحراف از دامنه مقادیر بیان میشوند که در آن دامنه مقدار واقعی قرار میگیرد.
==آماده کردن داده ها ==
از آنجایی که ریاضیات کامپیوتر دیجیتال کامل نیست لذا خطاهای سرشاخه زنی و گرد کردن این خطا را زیاد میکنند؛ بنابراین انجام یک آنالیز خطا برای اطمینان از اینکه خروجی مقادیر به وسیله شبیهسازی کاملاً دقیق خواهد بود مفید میباشد حتی خطاهای کوچک در دادههای اصلی میتواند بعداً در خطای بزرگ در شبیهسازی انباشته شوند. در حالیکه تمام آنالیز کامپیوتری در معرض GIGO قرار دارد. این در مورد شبیهسازی دیجیتال به ویژه صدق میکند. در حقیقت مشاهده این خطای نهفته کل در سیستمهای دیجیتال کاتالیزور اصلی برای توسعه تئوری هرج و مرج بود.
نیاز های داده های خارجی شبیه سازی ها و مدل ها به طور گسترده ای متغیر می باشند. برای برخی، ورودی فقط چند عدد می باشد در حالیکه بقیه به ترابایت های اطلاعات نیاز دارند. منابع ورودی نیز بسیار متغیر می باشند :
== انواع ==
* سنسورها و دستگاه های فیزیکی دیگر متصل به مدل
مدلهای کامپیوتری را میتوان طبق چندین جفت مستقل خصوصیات طبقهبندی کرد از جمله تصادفی یا جبری، حالت یکنواخت یا پویا، پیوسته یا گسسته، شبیهسازی سیستم پویا به طور مثال سیستمهای الکتریکی، سیستمهای هیدرولیک یا سیستمهای مکانیکی چند بدنهای یا شبیهسازی پویای مسائل میدانی از قبیل شبیهسازیهای CFD FEMو محلی یا توزیع شده.
شیوه دیگر دستهبندی مدلها نگاه به ساختارهای دادههای زیر بنایی میباشد. برای شبیهسازیهای مرحله بندی شده زمانی دو طبقه عمده وجود دارند:
*سطوح کنترل مورد استفاده برای هدایت پیشرفت شبیه سازی به هر نوعی
* شبیهسازیهایی که داده هایشان را در شبکههای منظم ذخیره میکنند و فقط به دسترسی به همسایه همجوار نیاز دارند که به آنها کدهای استنسیل گفته میشود. بسیاری از اپلیکیشنهای CFDبه این دسته تعلق دارند.
* اگر نمودار اصلی یک شبکه منظم نباشد مدل به طبقه روش بدون شبکه تعلق دارد.
معادلات روابط بین اجزای سیستم مدل سازی شده را تعریف میکنند و اقدام به پیدا کردن حالتی میکنند که در آن سیستم در موازنه میباشد. از چنین مدلهایی اغلب در شبیهسازی سیستمهای فیزیکی استفاده میشود. همانطور که یک مورد مدل سازی سادهتر قبل از شبیهسازی پویا امتحان میشود.
*داده های فعلی یا گذشته وارد شده دستی
* شبیهسازیهای پویا تغییرات در یک سیستم را در واکنش نسبت به سیگنالهای ورودی مدل سازی میکند.
* مدلهای تصادفی از تولیدکنندگان عدد تصادفی برای مدل سازی اتفاقات تصادفی یا شانسی استفاده میکنند.
* یک شبیهسازی اتفاق گسسته DES اتفاقات را در زمان مدیریت میکند. اغلب شبیهسازیهای کامپیوتری تست منطق و درخت خطا از این نوع میباشند. در این نوع شبیهسازی، شبیهساز یک ردیف از اتفاقات مرتب شده به وسیله زمان شبیهسازی شدهای که باید رخ دهند حفظ میکند. شبیهساز ردیف را میخواند و اتفاقات جدید را همانطور که هر اتفاق پردازش میشود تشدید میکند. اجرای شبیهسازی به موقع اهمیت ندارد. اغلب توانایی دسترسی به دادههای تولید شده به وسیله شبیهسازی و کشف معایب منطقی در طرح یا توالی رخدادها مهمتر میباشد.
* یک شبیهسازی پویای پیوسته، راه حل عددی معادلات جبری – تفاضلی یا معادلات تفاضلی را انجام میدهد. برنامه شبیهسازی به صورت دورهای تمام معادلات را حل میکند و از اعداد برای تغییر دادن حالت و خروجی شبیهسازی استفاده میکند. اپلیکیشنها شامل شبیهسازهای پرواز، بازیهای شبیهسازی مدیریت و ساخت، مدل سازی فرایند شیمیایی و شبیهسازیهای مدارهای الکتریکی میباشند. در اصل این نوع شبیهسازیها در واقع روی کامپیوترهای آنالوگ اجرا شدند؛ که در آنها معادلات دیفرانسیل میتوانند مستقیماً با اجزای الکتریکی مختلف از قبیل Op-ampsها نشان داده شوند. تا آخر سال ۱۹۸۰ اغلب شبیهسازیهای آنالوگ در کامپیوترهای دیجیتال متعارف اجرا میشدند که رفتار یک کامپیوتر آنالوگ را شبیهسازی میکنند.
* یک نوع خاص شبیهسازی گسسته که بر یک مدل با یک معادله اساسی تکیه ندارد اما با این وجود میتواند به طور رسمی نشان داده شود شبیهسازی مبتنی بر عامل است. در شبیهسازی مبتنی بر عامل، واحدهای فردی اعم از مولکولها، سلولها، درختها و یا مصرفکنندگان در مدل مستقیماً نمایش داده میشوند و دارای یک حالت داخلی و مجموعهای از رفتارها یا قوانین میباشند که تعیین میکنند چگونه وضعیت عامل از یک مرحله زمانی تا مرحله بعد به روز رسانی میشود.
* مدلهای توزیعی روی شبکهای از کامپیوترهای متصل به هم احتمالاً از طریق اینترنت اجرا میشوند. شبیهسازیهای پراکنده در میان کامپیوترهای چند میزبانی از این دست اغلب به عنوان شبیهسازیهای توزیعی یا پراکنده نامیده میشوند. چندین استاندارد برای شبیهسازی توزیعی وجود دارند از جمله ALSP, DIS, HLA و TENA.
== عینی سازی ==
*مقادیر استخراج شده به عنوان محصول فرعی از فرایند های دیگر
قبلاً دادههای خروجی از یک شبیهسازی کامپیوتری گاهی اوقات در یک جدول یا یک ماتریس نشان داده میشد که نشان میداد چگونه دادهها تحت تأثیر تغییرات بیشمار در پارامترهای شبیهسازی قرار میگرفتند. استفاده از فرمت ماتریس به استفاده سنتی از مفهوم ماتریس در مدلهای ریاضیاتی ربط داده شد. البته روانشناسان و دیگران خاطر نشان کردهاند که انسانها به سرعت میتوانند روندها را با نگاه به نمودارها یا حتی تصاویر متحرک تولید شده از دادهها همانطور که با انیمیشن CGI نمایش داده میشود درک کنند.
اگر شاهدان لزوماً نمیتوانند اعداد را بخوانند یا فرمولهای ریاضی را مشاهده کنند اما از مشاهده نمودار آب و هوای متحرک آنها میتوانند اتفاقات را بسیار سریعتر از از طریق پویش جداول مختصات باران – ابر پیش بینی کنند. چنین نمایشهای گرافیکی شدیدی که دنیای اعداد و فرمولها را کنار هم قرار میدهد گاهی اقوات منجر به خروجی ای گردید که فاقد یک شبکه مختصات بود یا چرخههای زمان را حذف میکرد. امروزه مدلهای پیش بینی آب و هوا تمایل دارند نمای ابرهای بارانی / برفی متحرک را در مقابل یک نقشه متعادل سازند که از مختصات عددی و چرخههای زمانی عددی اتفاقات استفاده میکند. همچنین شبیهسازیهای کامپیوتری CGIاسکنهای CAT شبیهسازی میمانند که چگونه یک تومور میتواند جمع شود یا در طول یک دوره طولانی درمان پزشکی تغییر کند که گذشت زمان را به عنوان یک نمای در حال چرخش سر انسان قابل مشاهده با تغییر تومور نشان میدهد. اپلیکیشنهای دیگر شبیهسازیهای کامپیوتری CGI برای نمیاش گرافیکی مقادیر زیاد دادهها به صورت متحرک توسعه داده میشوند چون تغییرات در طول یک اجرای شبیهسازی رخ میدهند.
*خروجی مقادیر برای منظور شبیه سازی های دیگر، مدل ها یا فرایند ها .
== شبیهسازی کامپیوتری در علم ==
در نهایت زمانی که داده ها در آن در دسترس می باشد متغیر می باشد :
مثالهای کلی انواع شبیهسازیهای کامپیوتری در علم برگرفته از یک شرح ریاضیاتی اساسی عبارتند از:
* یک شبیهسازی عددی معادلات دیفرانسیل که نمیتواند به صورت عددی حل شود، تئوریهایی که شامل سیستمهای پیوسته از قبیل پدیدهها در کیهانشناسی فیزیکی، دینامیک سیالات، مکانیک پیوستار و انرژی جنبشی شیمیایی در این دسته قرار میگیرند.
* یک شبیهسازی تصادفی که عمدتاً برای سیستمهای گسستهای استفاده میشود که در آنها اتفاقات به صورت احتمالی رخ میدهند و نمیتوانند مستقیماً با معادلات دیفرانسیل شرح داده شوند. پدیدهها در این دسته شامل توده ژنتیک، شبکههای تنظیم کننده ژن یا بیو شیمیایی با تعداد کمی مولکولها میباشند.
مثالهای خاص شبیهسازیهای کامپیوتری عبارتند از:
* داده های نا متغیر اغلب در برنامه مدل ساخته می شود که یا به این دلیل است که مقدار واقعا نامتغیر است یا طراحان، مقدار را برای تمام موارد مورد نظر نامتغیر در نظر می گیرند.
* شبیهسازیهای اماری براساس مجموعهای از تعداد زیادی از پروفایلهای ورودی از قبیل پیش بینی دمای موازنه دریافت آبها، دادن اجازه ورود به گاموت هواشناسی به یک محل خاص. این روش برای پیش بینی آلودگی گرمایی بسط داده شد.
* از شبیهسازی عاملی به طور مؤثر در اکولوژی استفاده شده است؛ که در آن اغلب مدل سازی فردی نامیده میشود و در موقعیتهایی استفاده میشود که برای آنها تغییرپذیری فردی در عامل هارا نمیتوان نادیده گرفت. از جمله جنبشهای جمعیت ماهیهای آزاد و قزل الا.
*داده ها را می توان بعد از شبیه سازی وارد شبیه سازی کرد مثلا با خواند یک یا چند فایل یا با خواندن داده ها از یک پیش پردازشگر .
* مدل پویای مرحله بندی شده زمانی – در هیدرولوژی چندین مدل حمل و نقل هیدرولوژی از این دست وجود دارند از جمله مدلهای SWMM و. DSSAM که توسط آژانس حفاظت محیط زیست آمریکا برای پیش بینی کیفیت آب رودخانه بسط داده شدند.
* از شبیهسازیهای کامپیوتری همچنین برای مدل سازی رسمی تئوریهای شناخت انسان و عملکرد استفاده شدهاند از جمله ACT-R.
*داده ها را می توان در طول اجرای شبیه سازی به طور مثال با یک شبکه سنسور فراهم کرد .
* شبیهسازی کامپیوتری با استفاده از مدل سازی مولکولی برای کشف مواد.
* شبیهسازی کامپیوتری برای مطالعه حساسیت انتخابی پیوندها به وسیله مکانیک – شیمی در طول خرد کردن مولکولهای آلی.
به دلیل این تغییر و به دلیل اینکه سیستم های شبیه سازی مختلف اجزای مشترک زیادی دارند لذا تعداد زیادی زبان شبیه سازی تخصصی وجود دارند. معروف ترین آنها سیمولا می باشد. اکنون زبان های بسیاری دیگری نیز وجود دارند. سیستم هایی که داده ها را از منابع خارجی می پذیرند باید از لحاظ دانستن انچه دریافت می کنند بسیار هوشمند و دقیق باشند. در حالیکه برای کامپیوترها خواندن به شکل مقادیر از متن یا فایل هایی دو تایی اسان می باشد انچه بسیار سخت تر است دانستن این است که دقت مقادیر چگونه می باشد. اغلب آنها به عنوان نوارهای خطا، یک مینیمم یا ماکزیمم انحراف از دامنه مقادیر بیان می شوند که در آن دامنه مقدار واقعی قرار می گیرد.
* از شبیهسازیهای دینامیک سیالات کامپیوتری برای شبیهسازی رفتار هوای در حال جریان، آب و سیالات دیگر استفاده میشود. از مدلهای ۱، ۲ و ۳ بعدی استفاده میشوند. یک مدل یک بعدی اثرات چکش آب را بر یک خط لوله شبیهسازی میکند. یک مدل دو بعدی برای شبیهسازی نیروهای کششی در مقطع بال یک هواپیما استفاده میشود. یک شبیهسازی سه بعدی گرما و سرمای یک ساختمان بزرگ را برآورد میکند.
* یک شناخت تئوری مولکولی ترمودینامیک اماری برای شناخت راه حلهای مولکولی اساسی میباشد. توسعه تئوری PDT اجازه ساده شدن این موضوع پیچیده را به نمایشهای پایین زمینی تئوری مولکولی میدهد.
از انجایی که ریاضیات کامپیوتر دیجیتال کامل نیست لذا خطا های سرشاخه زنی و گرد کردن این خطا را زیاد می کنند. بنابراین انجام یک آنالیز خطا برای اطمینان از اینکه خروجی مقادیر به وسیله شبیه سازی کاملا دقیق خواهد بود مفید می باشد حتی خطا های کوچک در داده های اصلی می تواند بعدا در خطای بزرگ در شبیه سازی انباشته شوند. در حالیکه تمام آنالیز کامپیوتری در معرض GIGO قرار دارد. این در مورد شبیه سازی دیجیتال به ویژه صدق می کند. در حقیقت مشاهده این خطای نهفته کل در سیستم های دیجیتال کاتالیزور اصلی برای توسعه تئوری هرج و مرج بود.
==انواع ==
مدل های کامپیوتری را می توان طبق چندین جفت مستقل خصوصیات طبقه بندی کرد از جمله تصادفی یا جبری، حالت یکنواخت یا پویا، پیوسته یا گسسته، شبیه سازی سیستم پویا به طور مثال سیستم های الکتریکی، سیستم های هیدرولیک یا سیستم های مکانیکی چند بدنه ای یا شبیه سازی پویای مسائل میدانی از قبیل شبیه سازی های CFD FEMو محلی یا توزیع شده.
شیوه دیگر دسته بندی مدل ها نگاه به ساختارهای داده های زیر بنایی می باشد. برای شبیه سازی های مرحله بندی شده زمانی دو طبقه عمده وجود دارند :
*شبیه سازی هایی که داده هایشان را در شبکه های منظم ذخیره می کنند و فقط به دسترسی به همسایه همجوار نیاز دارند که به آنها کد های استنسیل گفته می شود. بسیاری از اپلیکیشن های CFDبه این دسته تعلق دارند.
* اگر نمودار اصلی یک شبکه منظم نباشد مدل به طبقه روش بدون شبکه تعلق دارد.
معادلات روابط بین اجزای سیستم مدل سازی شده را تعریف می کنند و اقدام به پیدا کردن حالتی می کنند که در آن سیستم در موازنه می باشد. از چنین مدل هایی اغلب در شبیه سازی سیستم های فیزیکی استفاده می شود. همانطور که یک مورد مدل سازی ساده تر قبل از شبیه سازی پویا امتحان می شود.
* شبیه سازی های پویا تغییرات در یک سیستم را در واکنش نسبت به سیگنال های ورودی مدل سازی می کند.
*مدل های تصادفی از تولید کنندگان عدد تصادفی برای مدل سازی اتفاقات تصادفی یا شانسی استفاده می کنند.
*یک شبیه سازی اتفاق گسسته DES اتفاقات را در زمان مدیریت می کند. اغلب شبیه سازی های کامپیوتری تست منطق و درخت خطا از این نوع می باشند. در این نوع شبیه سازی، شبیه ساز یک ردیف از اتفاقات مرتب شده به وسیله زمان شبیه سازی شده ای که باید رخ دهند حفظ می کند. شبیه ساز ردیف را می خواند و اتفاقات جدید را همانطور که هر اتفاق پردازش می شود تشدید می کند. اجرای شبیه سازی به موقع اهمیت ندارد. اغلب توانایی دسترسی به داده های تولید شده به وسیله شبیه سازی و کشف معایب منطقی در طرح یا توالی رخداد ها مهمتر می باشد.
* یک شبیه سازی پویای پیوسته، راه حل عددی معادلات جبری – تفاضلی یا معادلات تفاضلی را انجام می دهد. برنامه شبیه سازی به صورت دوره ای تمام معادلات را حل می کند و از اعداد برای تغییر دادن حالت و خروجی شبیه سازی استفاده می کند. اپلیکیشن ها شامل شبیه ساز های پرواز، بازی های شبیه سازی مدیریت و ساخت، مدل سازی فرایند شیمیایی و شبیه سازی های مدارهای الکتریکی می باشند. در اصل این نوع شبیه سازی ها در واقع روی کامپیوترهای آنالوگ اجرا شدند. که در آنها معادلات دیفرانسیل می توانند مستقیما با اجزای الکتریکی مختلف از قبیل Op-amps ها نشان داده شوند. تا اخر سال 1980 اغلب شبیه سازی های آنالوگ در کامپیوترهای دیجیتال متعارف اجرا می شدند که رفتار یک کامپیوتر آنالوگ را شبیه سازی می کنند.
*یک نوع خاص شبیه سازی گسسته که بر یک مدل با یک معادله اساسی تکیه ندارد اما با این وجود می تواند به طور رسمی نشان داده شود شبیه سازی مبتنی بر عامل است. در شبیه سازی مبتنی بر عامل، واحد های فردی اعم از مولکول ها، سلول ها، درخت ها و یا مصرف کنندگان در مدل مستقیما نمایش داده می شوند و دارای یک حالت داخلی و مجموعه ای از رفتارها یا قوانین می باشند که تعیین می کنند چگونه وضعیت عامل از یک مرحله زمانی تا مرحله بعد به روز رسانی می شود.
* مدل های توزیعی روی شبکه ای از کامپیوترهای متصل به هم احتمالا از طریق اینترنت اجرا می شوند. شبیه سازی های پراکنده در میان کامپیوترهای چند میزبانی از این دست اغلب به عنوان شبیه سازی های توزیعی یا پراکنده نامیده می شوند. چندین استاندارد برای شبیه سازی توزیعی وجود دارند از جمله ALSP، DIS، HLA و TENA.
==عینی سازی ==
قبلا داده های خروجی از یک شبیه سازی کامپیوتری گاهی اوقات در یک جدول یا یک ماتریس نشان داده می شد که نشان می داد چگونه داده ها تحت تاثیر تغییرات بیشمار در پارامترهای شبیه سازی قرار می گرفتند. استفاده از فرمت ماتریس به استفاده سنتی از مفهوم ماتریس در مدل های ریاضیاتی ربط داده شد. البته روانشناسان و دیگران خاطر نشان کرده اند که انسان ها به سرعت می توانند روند ها را با نگاه به نمودارها یا حتی تصاویر متحرک تولید شده از داده ها همانطور که با انیمیشن CGI نمایش داده می شود درک کنند.
اگر شاهدان لزوما نمی توانند اعداد را بخوانند یا فرمول های ریاضی را مشاهده کنند اما از مشاهده نمودار آب و هوای متحرک آنها می توانند اتفاقات را بسیار سریعتر از از طریق پویش جداول مختصات باران – ابر پیش بینی کنند. چنین نمایشهای گرافیکی شدیدی که دنیای اعداد و فرمول ها را کنار هم قرار می دهد گاهی اقوات منجر به خروجی ای گردید که فاقد یک شبکه مختصات بود یا چرخه های زمان را حذف می کرد. امروزه مدل های پیش بینی آب و هوا تمایل دارند نمای ابرهای بارانی / برفی متحرک را در مقابل یک نقشه متعادل سازند که از مختصات عددی و چرخه های زمانی عددی اتفاقات استفاده می کند. همچنین شبیه سازی های کامپیوتری CGIاسکن های CAT شبیه سازی می مانند که چگونه یک تومور می تواند جمع شود یا در طول یک دوره طولانی درمان پزشکی تغییر کند که گذشت زمان را به عنوان یک نمای در حال چرخش سر انسان قابل مشاهده با تغییر تومور نشان می دهد. اپلیکیشن های دیگر شبیه سازی های کامپیوتری CGI برای نمیاش گرافیکی مقادیر زیاد داده ها به صورت متحرک توسعه داده می شوند چون تغییرات در طول یک اجرای شبیه سازی رخ می دهند.
==شبیه سازی کامپیوتری در علم==
مثال های کلی انواع شبیه سازی های کامپیوتری در علم برگرفته از یک شرح ریاضیاتی اساسی عبارتند از :
* یک شبیه سازی عددی معادلات دیفرانسیل که نمی تواند به صورت عددی حل شود، تئوری هایی که شامل سیستم های پیوسته از قبیل پدیده ها در کیهانشناسی فیزیکی، دینامیک سیالات، مکانیک پیوستار و انرژی جنبشی شیمیایی در این دسته قرار می گیرند.
*یک شبیه سازی تصادفی که عمدتا برای سیستم های گسسته ای استفاده می شود که در آنها اتفاقات به صورت احتمالی رخ می دهند و نمی توانند مستقیما با معادلات دیفرانسیل شرح داده شوند. پدیده ها در این دسته شامل توده ژنتیک، شبکه های تنظیم کننده ژن یا بیو شیمیایی با تعداد کمی مولکول ها می باشند.
مثال های خاص شبیه سازی های کامپیوتری عبارتند از :
* شبیه سازی های اماری براساس مجموعه ای از تعداد زیادی از پروفایل های ورودی از قبیل پیش بینی دمای موازنه دریافت آب ها، دادن اجازه ورود به گاموت هواشناسی به یک محل خاص. این روش برای پیش بینی الودگی گرمایی بسط داده شد.
*از شبیه سازی عاملی به طور مؤثر در اکولوژی استفاده شده است. که در آن اغلب مدل سازی فردی نامیده می شود و در موقعیت هایی استفاده می شود که برای آنها تغییر پذیری فردی در عامل هارا نمی توان نادیده گرفت. از جمله جنبش های جمعیت ماهی های ازاد و قزل الا .
*مدل پویای مرحله بندی شده زمانی – در هیدرولوژی چندین مدل حمل و نقل هیدرولوژی از این دست وجود دارند از جمله مدل های SWMM و. DSSAM که توسط اژانس حفاظت محیط زیست امریکا برای پیش بینی کیفیت آب رودخانه بسط داده شدند.
*از شبیه سازی های کامپیوتری همچنین برای مدل سازی رسمی تئوری های شناخت انسان و عملکرد استفاده شده اند از جمله ACT-R .
* شبیه سازی کامپیوتری با استفاده از مدل سازی مولکولی برای کشف مواد.
* شبیه سازی کامپیوتری برای مطالعه حساسیت انتخابی پیوند ها به وسیله مکانیک – شیمی در طول خرد کردن مولکول های آلی .
*از شبیه سازی های دینامیک سیالات کامپیوتری برای شبیه سازی رفتار هوای در حال جریان، آب و سیالات دیگر استفاده می شود. از مدل های 1، 2 و 3 بعدی استفاده می شوند. یک مدل یک بعدی اثرات چکش آب را بر یک خط لوله شبیه سازی می کند. یک مدل دو بعدی برای شبیه سازی نیرو های کششی در مقطع بال یک هواپیما استفاده می شود. یک شبیه سازی سه بعدی گرما و سرمای یک ساختمان بزرگ را برآورد می کند.
*یک شناخت تئوری مولکولی ترمودینامیک اماری برای شناخت راه حل های مولکولی اساسی می باشد. توسعه تئوری PDT اجازه ساده شدن این موضوع پیچیده را به نمایشهای پایین زمینی تئوری مولکولی می دهد.
== جستارهای وابسته ==
== منابع ==
*ویکی پدیاویکیپدیا انگلیسی
[[رده:جایگزینهای آزمایش روی جانوران]]
|