Automatische Priorisierung von Simulationsexperimenten

Zuska, Marian (2024) Automatische Priorisierung von Simulationsexperimenten. Masters thesis, Institute for Visual and Analytic Computing, University of Rostock.

Text Masterarbeit_Marian_Zuska.pdf Restricted to Registered users only Download (7MB)

Abstract

Simulationsmodelle werden in vielen Bereichen eingesetzt, um Erkenntnisse über Prozesse in der realen Welt zu gewinnen, ohne diese Prozesse tatsächlich durchführen zu müssen. Um aus Simulationsergebnissen belastbare Schlussfolgerungen zu ziehen, werden Simulationsexperimente verwendet, die während des gesamten Prozesses der Simulationsstudie die Validität der Aussagen der Modelle sicherstellen. Dazu werden während des iterativen Modellierungsprozesses für die verschiedenen Modellversionen diese sog. Validierungsexperimente wiederholt durchgeführt. Diese Experimente erlauben es, konkrete Anforderungen (Requirements) an das Modellverhalten zu definieren und zu testen. Die wiederholte Ausführung aller Experimente bei jeder Modellversion kann allerdings einen hohen Zeitaufwand bedeuten. In dieser Arbeit werden Alternativen zur vollständigen Neuausführung aller Simulationsexperimente untersucht und dabei die Probleme der Priorisierung und Selektion näher betrachtet. Es wird ein Algorithmus für die Priorisierung von Simulationsexperimenten für stochastische Simulationsmodelle erarbeitet und evaluiert. Dazu werden verschiedene bestehende Algorithmen aus der Softwaretechnik untersucht und jeweils eingeschätzt, wie gut sie sich für die Priorisierung von Simulationsexperimenten transformieren lassen. Die Experimente werden dabei durch die Temporallogik Continuous Stochastic Logic (CSL) spezifiziert. Anschließend wird ein mutationsbasierter Ansatz entwickelt und an verschiedenen Continuous-time Markov Chain (CTMC)-Modellen getestet. Die Ergebnisse der Evaluation zeigen, dass der Algorithmus eine akkurate Priorisierung liefert, aber durch die Notwendigkeit von Vorab-Simulationen nur in Grenzfällen amortisiert. Für die Selektion bedeutet dies, das in den meisten Fällen fehlschlagende Simulationsexperimente ohne eine vollständige Neuausführung identifiziert werden.