System Modeling: Лабораторные работы по моделированию систем

Этот репозиторий содержит материалы для выполнения лабораторных работ по курсу "Моделирование систем". Здесь вы найдете реализации различных моделей, включая системы массового обслуживания, генерацию случайных величин, статистический анализ и другие задачи.

---

Содержание

1. Описание
2. Структура репозитория
3. Установка
4. Использование
5. Лабораторные работы
6. Требования

---

Описание

Репозиторий создан для хранения и демонстрации решений лабораторных работ по моделированию систем. Каждая работа фокусируется на конкретной теме, такой как:

• Моделирование случайных величин.
• Анализ систем массового обслуживания (СМО).
• Статистический анализ данных.
• Генерация и сравнение алгоритмов сортировки.

Цель проекта — предоставить набор инструментов и примеров для изучения основ моделирования и их практического применения.

---

Каждый файл соответствует определенной лабораторной работе и содержит подробную информацию о задаче, решении и результатах.

---

Установка

1. Убедитесь, что у вас установлен Python 3.6 или выше.

   • Проверить версию Python:

     python --version

2. Клонируйте репозиторий:

   git clone https://github.com/dffdgdg/SystemModeling.git

3. Перейдите в директорию проекта:

   cd SystemModeling

---

Использование

Каждая лабораторная работа имеет собственные параметры и методы использования. Вот несколько примеров:

Пример 1: Моделирование случайных величин

python Lab1_RandomVariableSimulation.py

Пример 2: Анализ систем массового обслуживания

python Lab2_QueueingSystem.py --lambda 90 --mu 30 --n_max 6

Пример 3: Статистический анализ данных

python Lab3_StatisticalAnalysis.py --data "data.csv"

---

Лабораторные работы

Лабораторная работа 1: Моделирование случайных величин

• Цель: Изучение методов генерации случайных чисел с заданным распределением.
• Файл: Lab1_RandomVariableSimulation.py
• Пример использования: Генерация случайных чисел равномерного распределения.

Лабораторная работа 2: Анализ систем массового обслуживания

• Цель: Исследование характеристик СМО типа M/M/n.
• Файл: Lab2_QueueingSystem.py
• Пример использования: Вычисление относительной и абсолютной пропускной способности.

Лабораторная работа 3: Статистический анализ данных

• Цель: Выполнение статистического анализа выборочных данных.
• Файл: Lab3_StatisticalAnalysis.py
• Пример использования: Расчет среднего значения и дисперсии.

Лабораторная работа 4: Сравнение алгоритмов сортировки

• Цель: Сравнение производительности различных алгоритмов сортировки.
• Файл: Lab4_SortingAlgorithmsComparison.py
• Пример использования: Тестирование пузырьковой и вставочной сортировок.

---

Требования

• Python 3.6 или выше.
• Базовые библиотеки Python (math, random, numpy, pandas).

Для установки необходимых зависимостей используйте pip:

pip install numpy pandas matplotlib

---