Как видно из первого опыта, температура достаточно мала, по сравнению с другими опытам, так как большинство солнечных лучей не прошли атмосферу. Во втором опыте температура возросла примерно на 15 градусов, потому что в атмосфере появились молекулы углекислого газа. Температура выросла не так сильно, потому что облака задерживают солнечные лучи. В третьем опыте мы видим, что температура немного упала, так как при добавлении деревьев содержание углекислого газа в атмосфере уменьшилось.

По результатам тестирования можно сделать вывод, что фабрики и деревья ощутимо влияют на поведение модели. Было выявлено, что фабрики способствуют выделению углекислого газа и повышению общей температуры, а деревья наоборот, уменьшали количество углекислого газа в атмосфере и понижали температуру.

6.3 Тестирование лабораторной работы «ElFarol»

Для модификации данной модели, в нее были добавлены такие параметры, как «качество» и «полиция». Они могут влиять на посещаемость бара. Проведем несколько тестов и посмотрим, как они будут влиять на поведение модели.

Для первого теста будем менять значение параметра qualityот 1 до 5 с шагом 1 и посмотрим, как это повлияет на посещаемость. Значения других параметров остаются постоянными. Вид модели, когда значение qualityравно 1, представлен на рисунке 6.7.

Рисунок 6.7 Qualityравно 1

Вид модели, когда значение qualityравно 2, представлен на рисунке 6.8.

Рисунок 6.8 Qualityравно 2

Вид модели, когда значение qualityравно 3, представлен на рисунке 6.9.

Рисунок 6.9 Qualityравно 3

Вид модели, когда значение qualityравно 4, представлен на рисунке 6.10.

Рисунок 6.10 Qualityравно 4

Вид модели, когда значение qualityравно 5, представлен на рисунке 6.11.

Рисунок 6.11 Qualityравно 5

По графику quantity prediction видно, что при увеличении параметра qualityколичество потерянных клиентов уменьшается. А при qualityравном 5, клиенты не теряются вообще. Из этого можно сделать вывод, что чем выше значение параметра quality, тем выше посещаемость бара.

Для второго теста будем менять значение параметра the-number-ofpolice-visitsот 0 до 5 с шагом 1 и посмотрим, как это повлияет на посещаемость. Значения других параметров остаются постоянными. Вид модели, когда значение the-number-ofpolice-visitsравно 0, представлен на рисунке 6.12.

Рисунок 6.12 The-number-of-police-visitsравно0

Вид модели, когда значение the-number-ofpolice-visitsравно 1, представлен на рисунке 6.13.

Рисунок 6.13 The-number-of-police-visitsравно1

Вид модели, когда значение the-number-ofpolice-visitsравно 2, представлен на рисунке 6.14.

Рисунок 6.14 The-number-of-police-visitsравно2

Вид модели, когда значение the-number-ofpolice-visitsравно 3, представлен на рисунке 6.15.

Рисунок 6.15 The-number-of-police-visitsравно3

Вид модели, когда значение the-number-ofpolice-visitsравно 4, представлен на рисунке 6.16.

Рисунок 6.16 The-number-of-police-visitsравно4

Вид модели, когда значение the-number-ofpolice-visitsравно 5, представлен на рисунке 6.17.

Рисунок 6.17 The-number-of-police-visitsравно5

По графику quantityprediction видно, что при увеличении параметра the-number-of-police-visitsколичество потерянных клиентов увеличивается. Это связано с тем, что чем больше визитов в бар совершают поличейские, тем выше шанс того, что посетитель решит остаться дома. Из этого можно сделать вывод, что чем выше значение параметра the-number-of-police-visits, тем ниже посещаемость бара.

6.4 Тестирование лабораторной работы «Pagerank»

Для модификации данной модели, в нее был добавлен новый тип сети, возможность управлять количеством страниц и связей между ними, а также возможность управления первоначальным рейтингом страниц. Проведем несколько тестов и посмотрим, как они будут влиять на поведение модели.

Определим критерии тестирования. Число ищущих установим равным 100, а коэффициент демпфирования равным 0.85.Количество страниц будет меняться от 5 до 15. Количество связей установим равным 2. Ранг будет меняться от 0.5 до 0,65 с шагом 0,05.

На рисунках 6.18, 6.19, 6.20 и 6.21 представлено тестирование модели при пяти страницах.

В данных испытаниях при перерасчете рангов страниц всегда происходит уменьшение показателя, но при этом все страницы имеют достаточно значимый показатель.

На рисунках 6.22, 6.23, 6.24 и 6.25 представлено тестирование модели при десяти страницах.



Рисунок 6.25 Pr-pageравно 0,65

В данных испытаниях при перерасчете рангов страництакже всегда происходит уменьшение показателя, но при этом появляются страницы, которые имеют очень низкое значение ранга.

На рисунках 6.26, 6.27, 6.28 и 6.29 представлено тестирование модели при пятнадцати страницах.

В данных испытаниях при перерасчете рангов страництакже всегда происходит уменьшение показателя, но при этом страниц, имеющих низкий ранг, становится больше.

Из тестирования можно сделать вывод, что увеличение числа страниц приводит к тому, что разница между рангами страниц становится значительней, и количество страниц, имеющих низкий рейтинг, становится гораздо больше. При этом количество страниц, имеющих высоких рейтинг практически не увеличивается. Такая ситуация более приближена к реальности.

6.5 Тестирование лабораторной работы «Turingmachine»

Для модификации данной модели, в нее было добавлено новое состояние головки, а также первые два примера, которые были в базовой модели, изменены на новые. Проведем тестирование и посмотрим, как будет вести себя модель.

Для тестирования установим значение рычажка exampleна 1 и нажмем кнопку setupexample.

Для начала рассмотрим пример с одной головкой. Сначала в модели рисуются наклонные пунктирные линии, а затем при соприкосновении с этими линиями создаются квадраты. В конечном итоге создается рисунок, напоминающий системную плату с чипами. Результат представлен на рисунках 6.30 и 6.31.

Рисунок 6.30 Начало моделирования

Рисунок 6.31 Конечный результат

При использовании двух головок создается рисунок, напоминающий объемные туннели. Пример представлен на рисунке 6.32.



Рисунок 6.32 Использование двух головок

При использовании более двух головок наблюдается обычный хаос. Но когда головок становится больше 150, то создается движущаяся прямая линия.Пример представлен на рисунке 6.33.

Рисунок 6.33 Использование 151 головки

Для дальнейшего тестирования установим значение рычажка exampleна 2 и нажмем кнопку setupexample.

Рассмотрим пример с одной головкой. Сначала в модели рисуется вертикальная пунктирная линия, а затем при соприкосновении с этой линией, отклоняется в сторону. В дальнейшем рисуются кластеры. Результат представлен на рисунках 6.34 и 6.35.

Рисунок 6.34 Начало моделирования

Рисунок 6.35 Конечный результат

Дальнейшее продолжение моделирования приводит к хаосу.

При использовании двух головок появляется похожий результат. Он представлен на рисунке 6.36.

Рисунок 6.36 Использование двух головок

При использовании 256 головок наблюдается картина, когда вертикальная полоса движется назад и вперед в наклонном направлении. Результат представлен на рисунке 6.37.

Рисунок 6.37 Использование 256 головок

По результатам тестирования можно сказать, что для данной модели существует большое количество вариантов движения головки, так как настраиваемых параметров достаточно много. А после модифицирования их стало ещё больше. Это значит, что благодаря этой модели можно изображать множество различных фигур в зависимости от выставленных параметров.

В процессе тестирования моделей отладка программного комплекса не потребовалась. Это связано с тем, что язык, используемый для написания данных моделей, имеет достаточно высокий уровень.

7. Разработка руководства пользователя

Для удобства выполнения лабораторных работ необходимо создать руководство пользователя. В нем студент может узнать, как выполнять каждую работу и какие данные необходимо использовать. В руководстве будут описаны цель лабораторной работы, ее теоретическая и практическая часть. Ниже будут приведены руководства для каждой из лабораторных работ.

7.1 Лабораторная работа «Climatechange»

Содержание лабораторной работы «Climatechange».

Цель данной лабораторной работы изучить изменение климата, а в частности температуры на планете в зависимости от количества облаков и углекислого газа. Также необходимо выявить то, как влияют фабрики и деревья на общую температуру. Во время работы с моделью проводится обучение в использовании таких инструментов NetLogo, как кнопки, рычажки и графики.

Теоретическая часть.

Совсем недавно люди задумались, как же изменяется климат на земле, и изменился ли он по сравнению с другими годами. Какие факторы влияют на повышение и понижение температуры и что будет с температурой из-за увеличенного количества СО2 по сравнению с другими годами.

Температура на планете меняется и людям интересно, какие факторы влияют на эти изменения и как предотвратить последствия повышения или понижения температуры.

На основе этих вопросов была создана модель в Netlogo, которая наглядно показывает факторы, влияющие на температуру. Конечно, показать все факторы практически невозможно, но данная модель представляет основные факторы, влияющие на температуру.

Настраиваемые параметры данной модели представлены на рисунке 7.1.

Рисунок 7.1 Настраиваемые параметры

Кнопка setupсоздает модель, кнопкаgo запускает модель.

Кнопки «добавить облака» и «удалить облака» создают и удаляют облака в модели.

Кнопки «добавитьCO2» и «удалитьCO2»создают и удаляют молекулы СО2.

Кнопки «добавить фабрику» и «удалить фабрику» создают и удаляют фабрики.

Кнопки «добавить дерево» и «удалить дерево» создают и удаляют деревья.

Рычажок sunbrightness отвечает за яркость солнца, и чем ярче солнце, тем больше солнечных лучей попадает на землю.

Рычажок albedo отвечает за отражающую способность поверхности земли, и чем он выше, тем больше солнечных лучей отражается от земли.

Практическая часть.

В практической части этой лабораторной работы необходимо смоделировать изменение климата на планете, следуя методическим указаниям.

Первое, что нужно сделать - это проверить, как себя будет вести модель при нулевом и максимальном значении параметра albedo. При этом параметр sun-brightnessдолжен иметь максимальное значение. Внешний вид панели параметров перед выполнением модели показан на рисунках 7.2 и 7.3.

Рисунок 7.2 Первый пример

Рисунок 7.3 Второй пример

После того, как это задание будет выполнено, можно приступить к основному исследованию модели. Для этого необходимо проанализировать поведение модели при различных изменениях параметров. Для каждого из студентов значение параметра sun-brightness не будет меняться в процессе исследования модели. Меняться будет значение параметра albedo, а также количество фабрик и деревьев, которые будут добавляться в процессе выполнения модели. Также необходимо для каждого студента начальное значение количества молекул углекислого газа.

Данные для выполнения лабораторных работ представлены в таблице 7.1.

Таблица 7.1

Данные для лабораторной работы

№ п/п	Начальное зн-ие sun-brightness	Начальное значение молекул СО2	Диапазон изменения albedo	Количество добавляемых фабрик	Количество добавляемых деревьев
1	2.0	100	0,05-0,4	5	10
2	2.0	100	0,1-0,4	5	10
3	2.0	100	0,15-0,45	5	10
4	2.0	100	0,2-0,5	5	10
5	2.0	100	0,25-0,55	5	10
6	3.0	150	0,3-0,6	10	15
7	3.0	150	0,35-0,65	10	15
8	3.0	150	0,4-0,7	10	15
9	3.0	150	0,45-0,75	10	15
10	3.0	150	0,5-0,8	10	15
11	4.0	200	0,55-0,85	15	20
12	4.0	200	0,6-0,9	15	20
13	4.0	200	0,65-0,95	15	20
14	4.0	200	0,4-0,7	15	20
15	4.0	200	0,5-0,8	15	20

После выполнения лабораторной работы необходимо предоставить отчет, в который включается описание каждого этапа выполнения практической части. Также нужно предоставить скриншоты для каждого этапа. В заключении должен быть вывод по проделанной работе.

7.2 Лабораторная работа «ElFarol»

Содержание лабораторной работы «ElFarol».

Цель данной лабораторной работы проанализировать посещаемость бара ElFarol. Также данная лабораторная работа служит для укрепления знаний в использовании инструментов NetLogo.

Теоретическая часть.

El Farol -- это модель, которая моделирует посещение бара ElFarol в NewMexico. Каждый четверг посетители данного бара решают идти им сегодня в бар или остаться дома. Данная модель входит в категорию SociealScience (социальная наука).

Данный выбор они делают на основе своего предыдущего опыта. Их выбор зависит от количества посетителей бара, которое было в предыдущие разы его посещения.

Настраиваемые параметры в данной модели представлены на рисунке 7.4.

Рисунок 7.4 Настраиваемые параметры

Рычажок memory-sizeотвечает за размер памяти посетителей, которая представляется массивом чисел, где каждый элемент - это количество посетителей в баре в определённый раз посещения.

Рычажок number-strategiesопределяет количество стратегий, которыми руководствуются посетители бара, когда выбирают, идти им в бар или нет. Если это число меньше или равно параметру overcrowding-threshold, то человек идет в бар.

Overcrowding-threshold - параметр, который является ограничением. Как было сказано ранее, если число, полученное в результате выполнения стратегии меньше или равно данному параметру, то человек идёт в бар

Рычажок qualityопределяет качество обслуживания бара

Рычажокthe-number-of-police-visitsопределяет количество визитов полицейских в бар.

Практическая часть.

Для начала необходимо проверить, как параметр memory-size влияет на посещаемость бара. Для этого необходимо произвести несколько запусков модели, изменяя каждый раз значение данного параметра от 1 до 10 с шагом в 2. Значения других параметров должны быть постоянны. Постоянные значения параметров показаны на рисунке 7.5.

Рисунок 7.5 Постоянные значения для первого исследования

Далее необходимо проанализировать влияние параметра number-strategiesна поведение модели. Для этого также необходимо провести несколько запусков модели, изменяя значение параметра от 1 до 20 с шагом в 5. Остальные параметры, опять же, остаются без изменений. Постоянные значения показаны на рисунке 7.6.

Рисунок 7.6 Постоянные значения для второго исследования

Далее необходимо каждому студенту провести индивидуальное исследование модели. Значение параметра memory-size нужно менять с шагом в 1. Значение параметра number-strategies также нужно менять с шагом в 1. Значение параметра overcrowding-thresholdнеобходимо менять с шагом в 5. Данные для выполнения лабораторной работы представлены в таблице 7.2.

Таблица 7.2

Данные для лабораторной работы

№ п/п	Диапазон изменения memory-size	Диапазон изменения number-strategies	Диапазон изменения overcrowding-threshold	Диапазон изменения quality	Диапазон изменения number-of-police-visits
1	1-5	1-4	0-20	1-4	0-3
2	1-5	1-4	0-20	2-5	0-3
3	1-5	1-4	0-20	1-4	0-3
4	1-5	5-8	20-40	2-5	0-3
5	1-5	5-8	20-40	1-4	0-3
6	3-7	5-8	20-40	2-5	1-4
7	3-7	9-12	40-60	1-4	1-4
8	3-7	9-12	40-60	2-5	1-4
9	3-7	9-12	40-60	1-4	1-4
10	3-7	13-16	60-80	2-5	1-4
11	6-10	13-16	60-80	1-4	2-5
12	6-10	13-16	60-80	2-5	2-5
13	6-10	17-20	80-100	1-4	2-5
14	6-10	17-20	80-100	2-5	2-5
15	6-10	17-20	80-100	1-4	2-5

После выполнения лабораторной работы необходимо предоставить отчет, в который включается описание каждого этапа выполнения практической части. Также нужно предоставить скриншоты для каждого этапа. В заключении должен быть вывод по проделанной работе.

7.3 Лабораторная работа «Pagerank»

Содержание лабораторной работы «Pagerank».

Цель данной лабораторной работы - это демонстрация двух различных агентно-ориентированных метода для расчета рангов взаимосвязанных веб-страниц. Эта лабораторная работа обеспечивает более глубокое понимание алгоритма ранжирования и его математики, а также позволит получить новые навыки в использовании инструментов NetLogo.

Теоретическая часть.

PageRank -- один из алгоритмов ссылочного ранжирования. Алгоритм применяется к коллекции документов, связанных гиперссылками (таких, как веб-страницы из всемирной паутины), и назначает каждому из них некоторое численное значение, измеряющее его «важность» или «авторитетность» среди остальных документов.

Алгоритм может применяться не только к веб-страницам, но и к любому набору объектов, связанных между собой взаимными ссылками, то есть к любому графу.

Другими словами, PageRank -- это числовая величина, характеризующая «важность» веб-страницы. Чем больше ссылок на страницу, тем она «важнее»[12].

Настраиваемые параметры в данной модели представлены на рисунке 7.7.

Рисунок 7.7 Настраиваемые параметры

Список network-choiceпозволяет выбрать сеть, которую можно будет использовать для моделирования.

Рычажок damping-factorпоказывает, как значения ранга влияют на ссылочную структуру.

Рычажок number-of-surfersотвечает за количество пользователей, которые будут осуществлять переходы между сайтами по ссылкам. Работает только при случайном методе поиска.

Список calculation-methodпозволяет выбрать один из двух методов поиска: случайный или диффузионный.

Рычажок count-pagesпозволяет выбрать количество страниц для ранжирования.

Рычажок count-linksпозволяет выбрать количество связей между страницами.

Переключатель pr-controlотвечает за возможность управлять рейтингом.

Рычажок pr-pageотвечает за первоначальное значение рейтинга.

Практическая часть.

Первое, что нужно сделать - это проверить, как себя будет вести модель при минимальном и максимальном значении параметра damping-factor.Из списка network-choiceвыбираем пункт network management, переключатель pr-controlставим в положение on. Значения параметров count-page, count-links, pr-pageиnumber-of-surfersдолжны быть при этом постоянны. Данные опыты необходимо провести, используя оба метода вычисления ранга. Внешний вид панели параметров перед выполнением модели показан на рисунке 7.8.

Рисунок 7.8 Вид панели параметров

Далее необходимо каждому студенту провести индивидуальное исследование модели. Значение параметра damping-factorнужно менять с шагом в 0,05. Значение параметра number-of-surfersнужно менять с шагом в 5. Значение параметра count-pagesтакже необходимо менять с шагом в 5. Значение параметра count-linksнеобходимо менять с шагом в 1. Значение параметра pr-pageостается постоянным. Данные для выполнения лабораторной работы представлены в таблице 7.3.

Таблица 7.3

Данные для лабораторной работы

№ п/п	Диапазон изменения damping-factor	Диапазон изменения count-pages	Диапазон изменения number-of-surfers
1	0,15-0,25	5-15	15-25
2	0,15-0,25	5-15	15-25
3	0,15-0,25	5-15	15-25
4	0,3-0,4	15-25	30-40
5	0,3-0,4	15-25	30-40
6	0,3-0,4	15-25	30-40
7	0,45-0,55	25-35	45-55
8	0,45-0,55	25-35	45-55
9	0,45-0,55	25-35	45-55
10	0,6-0,7	35-45	60-70
11	0,6-0,7	35-45	60-70
12	0,6-0,7	35-45	60-70
13	0,75-0,85	40-50	75-85
14	0,75-0,85	40-50	75-85
15	0,75-0,85	40-50	75-85

Данное исследование нужно повторить для каждого значения параметра count-linksи для обоих методов вычисления ранга.

После выполнения лабораторной работы необходимо предоставить отчет, в который включается описание каждого этапа выполнения практической части. Также нужно предоставить скриншоты для каждого этапа. В заключении должен быть вывод по проделанной работе.

7.4 Лабораторная работа «Turingmachine»

Содержание лабораторной работы «Pagerank».

Цель данной лабораторной работы - это демонстрация алгоритма действия модели многоголовой машины Тьюринга на двумерной ленте (2D MTM). Также эта лабораторная работа позволит получить новые навыки в использовании инструментов NetLogo.

Теоретическая часть.

Машина Тьюринга - простая вычислительная машина, способная делать все, что может сделать современный компьютер. Традиционная машина Тьюринга имеет один процессор или «головку» с ограниченным числом внутренних состояний, которые изменяются в зависимости от данных, которые считывает голова. Когда машина Тьюринга вычисляет, голова движется вперед и назад по ленте, меняя ее внутреннее состояние и значение текущей ячейки.

Многоголовую машину Тьюринга на двумерной ленте (2D MTM) можно эмулировать на одноглавой одномерной машине Тьюринга (TM), но правила 2D MTM могут быть значительно проще, чем правила традиционной ТМ, имитирующей 2D MTM. В модели может быть до 256 «головок», которые следуют одному и тому же набору основных правил. В этом двухмерном 2D MTM голова может изменять свое состояние, значение его текущей ячейки и перемещаться либо на север, на восток, на запад, либо на юг, в зависимости от того, включена или выключена текущая ячейка и ее текущее состояние.

Эта модель демонстрирует, как несколько процессоров могут взаимодействовать друг с другом для выполнения сложных задач обработки. Это также показывает, что эти машины могут сильно зависеть от количества обрабатывающих агентов. В дополнение к изучению сложности параллельных вычислений эта модель также демонстрирует некоторые из требований параллельных алгоритмов.

Настраиваемые параметры в данной модели представлены на рисунке 7.9.

Рисунок 7.9 Настраиваемы параметры

Рычажок headsпозволяет выбрать количество головок машины Тьюринга.

Переключатель color-pathsпозволяет выбрать, будут ли агенты белыми или разноцветными.

Рычажок newheadstate задает новое состояние головки машины Тьюринга.

Переключатель newcellstate задает новое состояние ячейки.

В выпадающем списке turnвыбирается, в каком направлении повернется агент.

Суть модели заключается в том, что с помощью этих параметров можно создать чёткий алгоритм поведения агентов и пронаблюдать полученные фигуры, создаваемые агентами.

Кнопка setupexampleустанавливает параметры модели, заданные в различных примерах, которые можно выбрать, передвигая ползунок example. В модели всего пять примеров.

Практическая часть.

Первое, что нужно сделать - это исследовать каждый из пяти готовых примеров, представленных в модели. Описать, какие фигуры получились в результате выполнения этих примеров, а также вставить скриншот получившихся фигур.

Далее проводится самостоятельное исследование модели. Студент сам выбирает, какие параметры он будет задавать для модели. Студент сам выбирает, в каких состояниях будут ячейки и головки, а также в каком направлении будут поворачивать агенты. Каждое своё исследование студент должен повторить для различного числа головок. Число головок будет меняться в диапазоне от 1 до 150 с шагом в 10.

Далее студент должен описать, как ведет себя модель в зависимости от заданных параметров, какие фигуры получаются в итоге. Также должен объяснить, как влияет число головок на результат моделирования. Студент должен предоставить скриншоты с результатами моделирования.

После выполнения лабораторной работы необходимо предоставить отчет, в который включается описание каждого этапа выполнения практической части. Также нужно предоставить скриншоты для каждого этапа. В заключении должен быть вывод по проделанной работе.

8. Оценка качества разработанного программного продукта

Проведем оценку качественных показателей для лабораторного комплекса. Для этого необходимо составить таблицу описания оценок программного средства. Описание оценок программного средства представлено в таблице 8.1.

Таблица 8.1

Описание оценок программного средства

Значение оценки	Описание
0 - 0,49	Свойство в программном средстве присутствует, но его качество неприемлемо
0,5 - 0,9	Свойство в программном средстве присутствует, обладает приемлемым качеством
0,91 - 1	Свойство в программном средстве присутствует, обладает высоким качеством

Характеристика показателей качества программного средства представлена в таблице 8.2.

Таблица 8.2

Характеристика показателей программного средства

Показатели качества	Сущность показателя	Экспертная оценка	Экспериментальная оценка
1	2	3	4
Надежность	Свойство программы непрерывно сохранять работоспособность	0,14	0,95
Эффективность	Характеризует эффективность использования ПС	0,12	0,96
Время ответа	Характеризует то, насколько быстро программа отвечает на воздействие	0,08	0,8
Рациональность	Свойство ПС, характеризующее затрачиваемые им ресурсы ПК	0,15	0,93
Срок службы	Характеризует время эксплуатации программного средства	0,05	0,5
Универсальность	Свойство программы работать не только в той системе, в которой она должна работать, но и в любой другой	0,06	0,4
Показатель назначения	Характеризует способность программы выполнять назначенные функции	0,19	0,85
Удобство усвоения	Характеризует степень усваиваемой программы пользователем	0,17	0,9
Время введения в эксплуатацию	Характеризует время, через которое программа будет введена в эксплуатацию	0,05	0,92

Определим качество разработанного программного средства.

Оно определяется по формуле:

Q, (8.1)

ГдеQ- качество ПС;

- экспертная оценка;

- экспериментальная оценка;

- число показателей.

Q

Q

На основе данных таблицы 8.2 построим гистограмму распределения оценок по интервалам. Гистограмма представлена на рисунке 8.1



Рисунок 8.1 Гистограмма распределения оценок по интервалам

Заключение

В данной выпускной квалификационной работе был разработан комплекс лабораторных работ по системе мультиагентного моделирования NetLogo. В работе рассмотрены уже существующие системы для мультиагентного моделирования, а также важность использования мультиагентных систем.

Лабораторный комплекс включает в себя четыре лабораторных работы. Каждая лабораторная работа включает электронный текстовый документ с описанием лабораторной работы, а также модель для выполнения лабораторной работы.

При разработке структуры лабораторного комплекса была разработана структурная схема данного комплекса и определена последовательность выполнения работ. Также обозначены требования и ограничения для лабораторных работ.

При написании выпускной квалификационной работы был проведен анализ моделей для лабораторных работ и разработаны модификации для этих моделей.

Также были разработаны алгоритмы и программные модули для лабораторного комплекса. При разработке алгоритмов были построены их блок-схемы.

Проведено экспериментальное тестирование для каждой модели, а также составлено руководство пользователя, благодаря которому становится возможным практическое выполнение лабораторных работ.

Все практические примеры разработаны в системе мультиагентного моделирования NetLogo.

Данный лабораторный комплекс лабораторных работ можно использовать для обучения студентов направления 09.03.02 «Информационные системы и технологии».

Список использованных источников

1. Швецов, А. Н. Мультагентные системы: учеб. пособие / А. Н. Швецов. Вологда: ВоГУ, 2012. 110 с.

2. Швецов, А. Н. Агентно-ориентированные системы: основные модели: монография / А. Н. Швецов. Вологда: ВоГУ, 2012. 190 с.

3. Мультиагентные системы и сообщества агентов[Электронный ресурс] // Vunivere: сайт. Режим доступа:http://vunivere.ru/work3756/page7.

4. Productdescription[Электронный ресурс] // Acronymics: сайт. Режим доступа:https://www.agentbuilder.com/Documentation/product.html

5. Cafun 1.0 [Электронный ресурс] // A. Homeyer: сайт. Режим доступа:https://ssd.sscc.ru/ru/node/136.

6. WelcometoCafun[Электронный ресурс] // A. Homeyer: сайт. Режим доступа:https://www.cafun.de/index.html.

7. WhatisNetLogo?[Электронный ресурс] // U. Wilensky: сайт. Режим доступа:http://ccl.northwestern.edu/netlogo/docs/.

8. Wilensky, U. An introduction to agent-based modeling: modeling natural, social, and engineered complex systems with NetLogo: учеб. пособие / U. Wilensky, W. Rand. London: Massachusetts Institute of Technology, 2015. 482 с.

9. How to use behavior space[Электронныйресурс] // CoMSES Network: сайт.Режимдоступа:https://www.openabm.org/book/3138/how-to-use-behavior-space.

10. El Farol Bar problem[Электронныйресурс] // Wikipedia: сайт. Режимдоступа:http://www.en.wikipedia.org/wiki/El_Farol_Bar_problem.

11. Машина Тьюринга[Электронный ресурс] // Wikipedia: сайт. Режим доступа:http://www.ru.wikipedia.org/wiki/Машина_Тьюринга.

12. PageRank[Электронный ресурс] // Wikipedia: сайт. Режим доступа:http://www.ru.wikipedia.org/wiki/PageRank.

Размещено на Allbest.ru