Advertisement

Diskrete Modellbildung und verteilte Simulation

  • Michael Sonnenschein

Zusammenfassung

Bereits seit langer Zeit werden Rechnersysteme zur Simulation von Modellen aus ganz unterschiedlichen Anwendungsbereichen eingesetzt. Aufgrund unterschiedlicher Abstraktionsansätze wurden verschiedene Modellbildungsmethoden entwickelt, denen auch unterschiedliche Simulationstechniken zugehören. Wegen der oft hohen Rechenzeit, die zur Simulation komplexer Modelle erforderlich ist, erscheint hierbei der Einsatz von Parallelrechnern und verteilten Systemen sinnvoll, so daß hierzu besondere Verfahren entwickelt wurden. Diese sollen für zeitlich diskrete Modelle hier bezüglich ihrer praktischen Verwendbarkeit und eventuell damit verbundener Schwierigkeiten genauer untersucht werden. Der vorliegende Bericht stützt sich wesentlich auf die Erfahrungen aus zwei Projekten, die in der Arbeitsgruppe des Autors am Institut OFFIS (Oldenburger Forschungs- und Entwicklungsinstitut für Informatik-Werkzeuge-und Systeme) durchgeführt wurden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [Am67]
    Amdahl, G., 1967. Validity of the single processor approach to achivieng large scale computing capabilities. In AIFS Conference Proceedings, Thompson Books, Washington DC, pp. 483–485.Google Scholar
  2. [Br88]
    Brown, R., 1988. Calendar Queues: A Fast O(1) Priority Queue Implementation for the Simulation Event Set Problem. In Communication of the ACM, Vol. 31, pp. 1220–1227.CrossRefGoogle Scholar
  3. [DG92]
    DeAngelis, D. L. and L. J. Gross, 1992. Individual-based Models and Approaches in Ecology. Chapman Hall.Google Scholar
  4. [Cel86]
    Cellier, F. E., 1986. Combined Continuous/Discrete Simulation — Applications, Techniques and Tools. In J. Wilson, J. Henrikson and S. Roberts (eds.), Proceedings of the 1986 Winter Simulation Conference, SCS publication, pp. 24-33.Google Scholar
  5. [CM79]
    Chandy, K. M. and J. Misra, 1979. Distributed Simulation: A Case Study in Design and Verification of Distributed Programs. In IEEE Transactions on Software Engineering, SE-5, No. 5, pp. 440–452.MathSciNetCrossRefGoogle Scholar
  6. [Con94]
    Convex Computer Corporation, 1994. Convex Exemplar Architecture, Second Edition. Technical report, Richardson, TX.Google Scholar
  7. [Def96]
    Defense Modeling and Simulation Office (DMSO), 1996. High Level Architecture-Rules, Version 1.0. Technical report, Department of Defense — USA.Google Scholar
  8. [Fis95]
    Fishwick, P. A., 1995. Simulation Model Design and Execution — Building Digital Worlds. Prentice Hall, Englewood Cliffs, New Jersey.Google Scholar
  9. [Fuj90]
    Fujimoto, R. M., 1990. Parallel discrete event simulation. In Communications of the ACM, Vol. 33, No. 10, pp. 31–53.CrossRefGoogle Scholar
  10. [GBD94]
    Geist, A., A. Beguelin, J. Dongarra u.a, 1994. PVM: Parallel Virtual Machine — A User’s Guide and Tutorial for Networked Parallel Computing. MIT Press, Cambridge, MAGoogle Scholar
  11. [HW92]
    Huth, A. and C. Wissel, 1992. The Simulation of the Movement of Fish Schools. In Journal of Theoretical Biology, Vol. 156, pp. 365–385.CrossRefGoogle Scholar
  12. [Jef85]
    Jefferson, D. R., 1985. Virtual time. In ACM Trans. Program. Lang. Syst., Vol. 7, No. 3, pp. 404–425.MathSciNetCrossRefGoogle Scholar
  13. [JR91]
    Jensen, K. and G. Rozenberg, editors, 1991. High-Level Petri Nets — Theory and Application. Springer-Verlag, Berlin.Google Scholar
  14. [Ket94]
    Kettenis, D., 1994. Issus of Parallelizations in Implementation of the Combined Simulation Language COSMOS. Dissertation, Technische Universität Delft, Niederlande.Google Scholar
  15. [Lor94]
    Lorek, H., 1994. Entwicklung und Analyse von Ansätzen zur verteilten Simulation von N-Körper-Systemen am Beispiel eines Fischschwarms. Diplomarbeit, Universität Oldenburg, Fachbereich Informatik.Google Scholar
  16. [LS95]
    Lorek, H. and M. Sonnenschein, 1995. Using Parallel Computers to Simulate Individual-Oriented Models in Ecology: a Case Study. In M. Snorek, M. Sujansky, A. Verbraeck (eds.): Modelling and Simulation ESM 1995, SCS Publication, pp. 526-531.Google Scholar
  17. [MM89]
    Mattern, F. and H. Mehl, 1989. Diskrete Simulation — Prinzipien und Probleme der Effizienzsteigerung durch Parallelisierung. In Informatik Spektrum 12, pp. 198-210.Google Scholar
  18. [Mi86]
    Misra, J., 1986. Distributed-Discrete Event Simulation. In ACM Computing Surveys, Vol. 18, No. 1, pp. 39–66.CrossRefGoogle Scholar
  19. [OV98]
    Oberschelp, W. and G. Vossen, 1998. Rechneraufbau und Rechnerstrukturen. 7. Auflage, Oldenbourg-Verlag, München.Google Scholar
  20. [Par92]
    Parsytec GmbH, 1992. MultiCluster-3 — Preliminary Documentation. Technical Report, Aachen.Google Scholar
  21. [Ree96]
    Reents, G, 1996. Effizienzsteigerung bei der optimistischen verteilten THOR-Netzsimulation. Diplomarbeit, Universität Oldenburg, Fachbereich Informatik.Google Scholar
  22. [Rei85]
    Reisig, W., 1985. Petri Nets: An Introduction. Band 4 der EATCS Monographs on Theoretical Computer Science. Springer-Verlag, Berlin, 1985.Google Scholar
  23. [Row97]
    Röwekamp, L., 1997. Verteilte Simulation eines komplexen ökologischen Modells auf einem Parallelrechner mit gemeinsamem Speicher. Diplomarbeit, Universität Oldenburg, Fachbereich Informatik.Google Scholar
  24. [SSW95]
    Schöf, S., M. Sonnenschein and R. Wieting, 1995. Efficient simulation of THOR nets. In G. De Michelis and M. Diaz (eds.), Proceedings of the 16th International Conference on Application and Theory of Petri Nets, Vol. 935 of Lect. Notes Comput. Sci., Springer-Verlag, Berlin, pp. 412–431.Google Scholar
  25. [Sch97]
    Schöf, S., 1997. Verteilte Simulation höherer Petrinetze. Dissertation, Fachbereich Informatik, Universität Oldenburg.Google Scholar
  26. [SS97]
    St. Schöf, M. Sonnenschein, 1997. Zur Effizienz verteilter Simulation von THOR-Netzen. In J. Desel, E. Kindler, A. Oberweis (Hrsg.), 4. Workshop „Algorithmen und Werkzeuge für Petrinetze“ der GI-Fachgruppe 0.0.1, Humboldt-Universität zu Berlin, Informatik-Bericht 85, S. 49-54.Google Scholar
  27. [Son93]
    Sonnenschein, M., 1993. An introduction to GINA. In Proceedings of the IEEE International Conference on Systems, Man and Cybernetics, Vol. II, IEEE press, pp. 711–716.Google Scholar
  28. [SL95]
    Sonnenschein, M. and H. Lorek, 1995. Zeitdiskrete und ereignisdiskrete verteilte Simulation individuen-orientierter Modelle. In H. B. Keller, R. Grützner, W. Paul (Hrsg.), 5. Treffen des AK 5 der GI-Fachgruppe 4.6.1 „Werkzeuge für Simulation und Modellbildung in Umweltanwendungen“, Forschungszentrum Karlsruhe, Bericht FZKA 5622, S. 9-16.Google Scholar
  29. [Wie96]
    Wieting, R., 1996. Hybrid High-level Nets. In J. M. Charnes, D. J. Morrice, D. T. Brunner und J. J. Swain (eds.), Proceedings of the 1996 Winter Simulation Conference, SCS publication, pp. 848-855.Google Scholar
  30. [Wie97]
    Wieting, R., 1997. Modellbildung und Simulation mit hybriden höhere Netzen. Dissertation, Fachbereich Informatik, Universität Oldenburg. Shaker-Verlag, Aachen.Google Scholar
  31. [Wol94]
    Wolf, W. F., 1994. An individual-oriented model of a wading bird colony. In Ecological modelling, Vol. 72, pp. 75–114.CrossRefGoogle Scholar
  32. [Zei76]
    Zeigler, B. P., 1976. Theory of Modelling and Simulation. Wiley, New York.zbMATHGoogle Scholar

Copyright information

© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden 1999

Authors and Affiliations

  • Michael Sonnenschein
    • 1
  1. 1.Fachbereich InformatikCarl von Ossietzky Universität OldenburgDeutschland

Personalised recommendations