Цели моделирования. Моделирование систем. Системный подход к созданию модели

Иногда модели пишут на языках программирования, но это долгий и дорогой процесс. Для моделирования можно использовать математические пакеты, но, как показывает опыт, в них обычно не хватает многих инженерных инструментов. Оптимальным является использование среды моделирования.

В нашем курсе в качестве такой среды выбрана . Лабораторные работы и демонстрации, которые вы встретите в курсе, следует запускать как проекты среды Stratum-2000.

Модель, выполненная с учётом возможности её модернизации, конечно, имеет недостатки, например, низкую скорость исполнения кода. Но есть и неоспоримые достоинства. Видна и сохранена структура модели, связи, элементы, подсистемы. Всегда можно вернуться назад и что-то переделать. Сохранен след в истории проектирования модели (но когда модель отлажена, имеет смысл убрать из проекта служебную информацию). В конце концов, модель, которая сдаётся заказчику, может быть оформлена в виде специализированного автоматизированного рабочего места (АРМа), написанного уже на языке программирования, внимание в котором уже, в основном, уделено интерфейсу, скоростным параметрам и другим потребительским свойствам, которые важны для заказчика. АРМ, безусловно, вещь дорогая, поэтому выпускается он только тогда, когда заказчик полностью оттестировал проект в среде моделирования, сделал все замечания и обязуется больше не менять своих требований.

Моделирование является инженерной наукой, технологией решения задач. Это замечание — очень важное. Так как технология есть способ достижения результата с известным заранее качеством и гарантированными затратами и сроками, то моделирование, как дисциплина:

• изучает способы решения задач, то есть является инженерной наукой;
• является универсальным инструментом, гарантирующим решение любых задач, независимо от предметной области.

Смежными моделированию предметами являются: программирование, математика, исследование операций.

Программирование — потому что часто модель реализуют на искусственном носителе (пластилин, вода, кирпичи, математические выражения…), а компьютер является одним из самых универсальных носителей информации и притом активным (имитирует пластилин, воду, кирпичи, считает математические выражения и т. д.). Программирование есть способ изложения алгоритма в языковой форме. Алгоритм — один из способов представления (отражения) мысли, процесса, явления в искусственной вычислительной среде, которой является компьютер (фон-Неймановской архитектуры). Специфика алгоритма состоит в отражении последовательности действий. Моделирование может использовать программирование, если моделируемый объект легко описать с точки зрения его поведения. Если легче описать свойства объекта, то использовать программирование затруднительно. Если моделирующая среда построена не на основе фон-Неймановской архитектуры, программирование практически бесполезно.

Какова разница между алгоритмом и моделью?

Алгоритм — это процесс решения задачи путём реализации последовательности шагов, тогда как модель — совокупность потенциальных свойств объекта. Если к модели поставить вопрос и добавить дополнительные условия в виде исходных данных (связь с другими объектами, начальные условия, ограничения), то она может быть разрешена исследователем относительно неизвестных. Процесс решения задачи может быть представлен алгоритмом (но известны и другие способы решения). Вообще примеры алгоритмов в природе неизвестны, они суть порождение человеческого мозга, разума, способного к установлению плана. Собственно алгоритм — это и есть план, развёрнутый в последовательность действий. Следует различать поведение объектов, связанное с естественными причинами, и промысел разума, управляющий ходом движения, предсказывающий результат на основе знания и выбирающий целесообразный вариант поведения.

модель + вопрос + дополнительные условия = задача .

Математика — наука, предоставляющая возможность исчисления моделей, приводимых к стандартному (каноническому) виду. Наука о нахождении решений аналитических моделей (анализ) средствами формальных преобразований.

Исследование операций — дисциплина, реализующая способы исследования моделей с точки зрения нахождения наилучших управляющих воздействий на модели (синтез). По большей части имеет дело с аналитическими моделями. Помогает принимать решения, используя построенные модели.

Проектирование — процесс создания объекта и его модели; моделирование — способ оценки результата проектирования; моделирования без проектирования не существует.

Смежными дисциплинами для моделирования можно признать электротехнику, экономику, биологию, географию и другие в том смысле, что они используют методы моделирования для исследования собственного прикладного объекта (например, модель ландшафта, модель электрической цепи, модель денежных потоков и т. д.).

В качестве примера посмотрим, как можно обнаружить, а потом описать закономерность.

Допустим, что нам нужно решить «Задачу о разрезаниях», то есть надо предсказать, сколько потребуется разрезов в виде прямых линий, чтобы разделить фигуру (рис. 1.16 ) на заданное число кусков (для примера достаточно, чтобы фигура была выпуклой).

Попробуем решить эту задачу вручную.

Из рис. 1.16 видно, что при 0 разрезах образуется 1 кусок, при 1 разрезе образуется 2 куска, при двух — 4, при трёх — 7, при четырёх — 11. Можете ли вы сейчас сказать наперёд, сколько потребуется разрезов для образования, например, 821 куска? По-моему, нет! Почему вы затрудняетесь? — Вам неизвестна закономерность K = f (P ) , где K — количество кусков, P — количество разрезов. Как обнаружить закономерность?

Составим таблицу, связывающую известные нам числа кусков и разрезов.

Пока закономерность не ясна. Поэтому рассмотрим разности между отдельными экспериментами, посмотрим, чем отличается результат одного эксперимента от другого. Поняв разницу, мы найдём способ перехода от одного результата к другому, то есть закон, связывающий K и P .

Уже кое-какая закономерность проявилась, не правда ли?

Вычислим вторые разности.

Теперь все просто. Функция f называется производящей функцией . Если она линейна, то первые разности равны между собой. Если она квадратичная, то вторые разности равны между собой. И так далее.

Функция f есть частный случай формулы Ньютона:

Коэффициенты a , b , c , d , e для нашей квадратичной функции f находятся в первых ячейках строк экспериментальной таблицы 1.5.

Итак, закономерность есть, и она такова:

K = a + b · p + c · p · (p – 1)/2 = 1 + p + p · (p – 1)/2 = 0.5 · p 2 + 0.5 · p + 1 .

Теперь, когда закономерность определена, можно решить обратную задачу и ответить на поставленный вопрос: сколько надо выполнить разрезов, чтобы получить 821 кусок? K = 821 , K = 0.5 · p 2 + 0.5 · p + 1 , p = ?

Решаем квадратное уравнение 821 = 0.5 · p 2 + 0.5 · p + 1 , находим корни: p = 40 .

Подведём итоги (обратите на это внимание!).

Сразу угадать решение мы не смогли. Поставить эксперимент оказалось затруднительно. Пришлось построить модель, то есть найти закономерность между переменными. Модель получилась в виде уравнения. Добавив к уравнению вопрос и уравнение, отражающее известное условие, образовали задачу. Поскольку задача оказалась типового вида (канонического), то её удалось решить одним из известных методов. Поэтому задача оказалась решена.

И ещё очень важно отметить, что модель отражает причинно-следственные связи. Между переменными построенной модели действительно есть крепкая связь. Изменение одной переменной влечёт за собой изменение другой. Мы ранее сказали, что «модель играет системообразующую и смыслообразующую роль в научном познании, позволяет понять явление, структуру изучаемого объекта, установить связь причины и следствия между собой». Это означает, что модель позволяет определить причины явлений, характер взаимодействия её составляющих. Модель связывает причины и следствия через законы, то есть переменные связываются между собой через уравнения или выражения.

Но!!! Сама математика не даёт возможности выводить из результатов экспериментов какие-либо законы или модели , как это может показаться после рассмотренного только что примера. Математика это только способ изучения объекта, явления, и, причём, один из нескольких возможных способов мышления. Есть ещё, например, религиозный способ или способ, которым пользуются художники, эмоционально-интуитивный, с помощью этих способов тоже познают мир, природу, людей, себя.

Итак, гипотезу о связи переменных А и В надо вносить самому исследователю, извне, сверх того. А как это делает человек? Посоветовать внести гипотезу легко, но как научить этому, объяснить это действо, а значит, опять-таки как его формализовать? Подробно мы покажем это в будущем курсе «Моделирование систем искусственного интеллекта».

А вот почему это надо делать извне, отдельно, дополнительно и сверх того, поясним сейчас. Носит это рассуждение имя Геделя, который доказал теорему о неполноте — нельзя доказать правильность некоторой теории (модели) в рамках этой же теории (модели). Посмотрите ещё раз на рис. 1.12 . Модель более высокого уровня преобразует эквивалентно модель более низкого уровня из одного вида в другой. Или генерирует модель более низкого уровня по эквивалентному опять же её описанию. А вот саму себя она преобразовать не может. Модель строит модель. И эта пирамида моделей (теорий) бесконечна.

А пока, чтобы «не подорваться на ерунде», вам надо быть настороже и проверять все здравым смыслом. Приведём пример, старую известную шутку из фольклора физиков.

Модель – это упрощенное представление о реальном объекте, процессе или явлении.

Моделирование – это посторенние моделей для исследования объектов, процессов, явлений.

В моделировании есть два заметно разных пути. Модель может быть похожей копией объекта, выполненной из другого материала, в другом масштабе, с отсутствием деталей. Например, это игрушечный кораблик, самолет и т.д. Модель может отображать реальность более абстрактно – словесным описанием в свободной форме, описанием, формализованным по каким-то правилам, математическими соотношениями и т.д.

1) традиционное математическое моделирование без какой-либо привязки к техническим средствам информатики.

2) Информационные модели и моделирование, имеющие приложения в информационных системах.

3) Вербальные (компьютерные) технологии, которые надо делить:

На инструментальное использование базовых универсальных программных средств (текстовых редакторов, СУБД, табличных процессоров и т.д.);

На компьютерное моделирование, приставляющее собой:

Вычислительное (имитационное) моделирование;

- «визуализацию явлений и процессов»;

- «высшие» технологии, понимаемые как специализированы прикладные технологии, использующие компьютер в сочетании с измерительной аппаратурой, датчиками, сенсорами и т.д.

Укрупненная классификация абстрактных моделей (идеальных) такова:

1) Вербальные (текстовые) модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности.

2) Математические модели. Очень широкий класс знаковых моделей, широко использующие те или иные математические методы.

3) Информационные модели. Класс знакомых моделей, описывающие информационные процессы в системах самой разнообразной природы.

Цели моделирования:

1. Модель нужна для того, чтобы узнать, как устроен конкретный объект, каковы его законы развития и взаимодействие с окружающим миром.

2. Модель нужна для того, чтобы научиться управлять объектом и определить наилучшие способы управления при заданных целях и критериях.

3. Модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект.

Рассмотрим основные этапы моделирования подробнее.

Этап 1. Постановка задачи.

Под задачей понимается некая проблема, которую надо решить. На этапе постановки задачи необходимо:

описать задачу, определить цели моделирования, проанализировать объект или процесс.

Описание задачи.

Задача формулируется на обычном языке, и описание должно быть понятным. Главное здесь - определить объект моделирования и понять, что должен представлять собой результат.

Цели моделирования.

Познание окружающего мира.

Зачем человек создает модели? Чтобы ответить на этот вопрос, надо заглянуть в далекое прошлое. Несколько миллионов лет назад, на заре человечества, первобытные люди изучали окружающую природу, чтобы научиться противостоять природным стихиям, пользоваться природными благами, просто выживать. Накопленные знания передавались из поколения в поколение устно, позже письменно, наконец с помощью предметных моделей. Так родилась, к примеру, модель земного шара - глобус, - позволяющая получить наглядное представление о форме нашей планеты, ее вращении вокруг собственной оси и расположении материков. Такие модели позволяют понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружающим миром моделей.

Создание объектов с заданными свойствами (задача типа «Как сделать, чтобы...»).

Накопив достаточно знаний, человек задал себе вопрос: «Нельзя ли создать объект с заданными свойствами и возможностями, чтобы противодействовать стихиям или ставить себе на службу природные явления?» Человек стал строить модели еще не существующих объектов. Так родились идеи создания ветряных мельниц, различных механизмов, даже обыкновенного зонтика. Многие из этих моделей стали в настоящее время реальностью. Это объекты, созданные руками человека.

Определение последствий воздействия на объект и принятие правильного решения (задача типа «Что будет, если...»: что будет, если увеличить плату за проезд в транспорте, или что произойдет, если закопать ядерные отходы в такой-то местности?)

Например, для спасения Петербурга от постоянных наводнений, приносящих огромный ущерб, решено было возвести дамбу. При ее проектировании было построено множество моделей, в том числе и натурных, именно для того, чтобы предсказать последствия вмешательства в природу.

Эффективность управления объектом (или процессом).

Поскольку критерии управления бывают весьма противоречивыми, то эффективным оно окажется только при условии, если будут «и волки сыты, и овцы целы». Например, нужно наладить питание в школьной столовой. С одной стороны, оно должно отвечать возрастным требованиям (калорийное, содержащее витамины и минеральные соли), с другой - нравиться большинству ребят и к тому же быть «по карману» родителям, а с третьей - технология приготовления должна соответствовать возможностям школьных столовых. Как совместить несовместимое? Построение модели поможет найти приемлемое решение.

Анализ объекта.

На этом этапе четко выделяют моделируемый объект, его основные свойства, его элементы и связи между ними. Простой пример подчиненных связей объектов - разбор предложения. Сначала выделяются главные члены (подлежащее, сказуемое), затем второстепенные члены, относящиеся к главным, затем слова, относящиеся к второстепенным, и т. д.

Этап 2. Разработка модели.

Информационная модель.

На этом этапе выясняются свойства, состояния, действия и другие характеристики элементарных объектов в любой форме: устно, в виде схем, таблиц. Формируется представление об элементарных объектах, составляющих исходный объект, т. е. информационная модель. Модели должны отражать наиболее существенные признаки, свойства, состояния и отношения объектов предметного мира. Именно они дают полную информацию об объекте.

Знаковая модель.

Прежде чем приступить к процессу моделирования, человек делает предварительные наброски чертежей либо схем на бумаге, выводит расчетные формулы, т. е. составляет информационную модель в той или иной знаковой форме, которая может быть либо компьютерной, либо некомпьютерной.

Компьютерная модель

Это модель, реализованная средствами программной среды.

Существует множество программных комплексов, которые позволяют проводить исследование (моделирование) информационных моделей. Каждая программная среда имеет свой инструментарий и позволяет работать с определенными видами информационных объектов.

Человек уже знает, какова будет модель, и использует компьютер для придания ей знаковой формы. Например, для построения геометрических моделей, схем используются графические среды, для словесных или табличных описаний - среда текстового редактора.

Основные функции компьютера при моделировании систем:

исполнение роли вспомогательного средства для решения задач, решаемых и обычными вычислительными средствами, алгоритмами, технологиями;

исполнение роли средства постановки и решения новых задач, не решаемых традиционными средствами, алгоритмами, технологиями;

исполнение роли средства конструирования компьютерных обучающих и моделирующих сред типа: «обучаемый - компьютер - обучающий», «обучающий - компьютер - обучаемый», «обучающий - компьютер - группа обучаемых», «группа обучаемых - компьютер - обучающий», «компьютер - обучаемый - компьютер»;

исполнение роли средства моделирования для получения новых знаний;

«обучение» новых моделей (самообучение моделей).

Этап 3. Компьютерный эксперимент.

Компьютерное моделирование - основа представления знаний в ЭВМ. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ. Прогресс моделирования связан с разработкой систем компьютерного моделирования, а прогресс в информационной технологии - с актуализацией опыта моделирования на компьютере, с созданием банков моделей, методов и программных систем, позволяющих собирать новые модели из моделей банка.

Разновидность компьютерного моделирования - вычислительный эксперимент, т. е. эксперимент, осуществляемый экспериментатором над исследуемой системой или процессом с помощью орудия эксперимента - компьютера, компьютерной среды, технологии.

Вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем (для которых достаточно хорошо известны или разработаны методы исследования, теория) к исследованию сложных и нелинейных математических моделей систем (анализ которых гораздо сложнее). Грубо говоря, наши знания об окружающем мире линейны, а процессы в окружающем мире нелинейны.

Вычислительный эксперимент позволяет находить новые закономерности, проверять гипотезы, визуализировать ход событий и т. д.

Чтобы дать жизнь новым конструкторским разработкам, внедрить новые технические решения в производство или проверить новые идеи, нужен эксперимент. В недалеком прошлом такой эксперимент можно было провести либо в лабораторных условиях на специально создаваемых для него установках, либо на натуре, т. е. на настоящем образце изделия, подвергая его всяческим испытаниям.

С развитием вычислительной техники появился новый уникальный метод исследования - компьютерный эксперимент. Компьютерный эксперимент включает некоторую последовательность работы с моделью, совокупность целенаправленных действий пользователя над компьютерной моделью.

Этап 4. Анализ результатов моделирования.

Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа полученных результатов. Этот этап решающий - либо вы продолжаете исследование, либо заканчиваете. Возможно, вам известен ожидаемый результат, тогда необходимо сравнить полученный и ожидаемый результаты. В случае совпадения вы сможете принять решение.

Основой для выработки решения служат результаты тестирования и экспериментов. Если результаты не соответствуют целям поставленной задачи, значит, допущены ошибки на предыдущих этапах. Это может быть либо слишком упрощенное построение информационной модели, либо неудачный выбор метода или среды моделирования, либо нарушение технологических приемов при построении модели. Если такие ошибки выявлены, то требуется корректировка модели, т. е. возврат к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования. Главное, надо всегда помнить: выявленная ошибка - тоже результат.

Виды моделей.

В прикладных областях различают следующие виды абстрактных моделей:

традиционное (прежде всего для теоретической физики, а также механики, химии, биологии, ряда других наук) математическое моделирование без какой-либо привязки к техническим средствам информатики;

информационные модели и моделирование, имеющие приложения в информационных системах;

вербальные (т.е. словесные, текстовые) языковые модели.

информационные (компьютерные) технологии, которые надо делить

а) на инструментальное использование базовых универсальных программных средств (текстовых редакторах, СУБД, табличных процессоров, телекоммуникационных пакетов);

б) на компьютерное моделирование, представляющее собойвычислительное (имитационное) моделирование; "визуализацию явлений и процессов" (графическое моделирование);

"высокие" технологии, понимаемые как специализированные прикладные технологии, использующие компьютер (как правило, в режиме реального времени) в сочетании с измерительной аппаратурой, датчиками, сенсорами и т.д.

Итак, укрупненная классификация абстрактных (идеальных) моделей такова.

ербальные модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности.

Математические модели - очень широкий класс знаковых моделей (основанных на формальных языках над конечными алфавитами), широко использующих те или иные математические методы. Например, можно рассмотреть математическую модель звезды. Эта модель будет представлять собой сложную систему уравнений, описывающих физические процессы, происходящие в недрах звезды.

Информационные модели - класс знаковых моделей, описывающих информационные процессы (возникновение, передачу, преобразование и использование информации) в системах самой разнообразной природы.

К основным этапам компьютерного моделирования относятся:

постановка задачи, определение объекта моделирования;

разработка концептуальной модели, выявление основных элементов системы и элементарных актов взаимодействия;

формализация, то есть переход к математической модели; создание алгоритма и написание программы;

планирование и проведение компьютерных экспериментов;

анализ и интерпретация результатов.

Вычислительный (или компьютерный) эксперимент во многом аналогичен обычному (натурному). Это и планирование экспериментов, и создание экспериментальной установки, и выполнение контрольных испытаний. Затем следует проведение серийных опытов, обработка экспериментальных данных, их интерпретация и т. д. Однако вычислительный эксперимент проводится не над реальным объектом, а над его математической моделью, и роль экспериментальной установки играет оснащенная специально разработанной программой ЭВМ.

Широкое применение ЭВМ в математическом моделировании, на основе хорошо разработанной теории, позволяет получать значительные практические результаты. И можно говорить о вычислительном эксперименте как о новой технологии и методологии научных и прикладных исследований.

Создание эффективного программного обеспечения, наряду с техническим развитием ЭВМ позволяет проводить расчеты, когда достоверность прогноза достигает более 90 %. Причем прогноз делается столь быстро, что за время реализации одного натурного эксперимента можно много раз проварьировать его вычислительный аналог.

Достоинства вычислительного эксперимента очевидны. Вычислительный эксперимент, как правило, дешевле физического. В этот эксперимент можно легко и безопасно вмешиваться. Его можно повторить и прервать в любой момент. В ходе этого эксперимента можно смоделировать условия, которые не получается воссоздать в лаборатории.

В ряде случаев проведение натурного эксперимента бывает затруднено или простоневозможно, так как изучаются быстропротекающие процессы, исследуются труднодоступные или вообще недоступные (пока) объекты и т.д. и т.п. Часто проведение полномасштабного натурного эксперимента сопряжено с губительными или непредсказуемыми последствиями, с опасностью для жизни и здоровья человека (ядерная зима, поворот сибирских рек, генетическая модификация растений и животных). Нередко требуется исследование и прогнозирование результатов катастрофических явлений (глобальное потепление климата, землетрясение, авария ядерного реактора АЭС). В таких случаях вычислительный эксперимент может (и должен!) стать основным средством исследования. Заметим, что с его помощью оказывается возможным прогнозировать свойства новых, еще не созданных конструкций и материалов на стадии их проектирования. Применение вычислительного эксперимента в медицине позволяет изучать и предсказывать влияние медикаментов на состояние пациента, проводить предоперационное моделирование.

В вычислительном как и в натурном эксперименте, чтобы проанализировать влияние K параметров на исход эксперимента, необходимо провести nK испытаний, где n - количество варьируемых значений одного параметра. Уже при задаче средней сложности (K, n = 5-10) число экспериментов может стать просто огромным. Но, как уже говорилось, проведение нужного количества испытаний практически не представляет труда при проведении компьютерного эксперимента. Для сложных задач характерно наличие значительного числа параметров характеризующих используемую модель. Создание нового изделия или технологического процесса предполагает выбор среди большого числа альтернативных вариантов, а также оптимизацию по ряду параметров. Поэтому в ходе вычислительного эксперимента расчеты проводятся многократно с разными значениями входных данных. Для получения нужных результатов с требуемой точностью и в приемлемые сроки необходимо, чтобы на расчет каждого варианта тратилось минимальное время. Именно поэтому при создании программного обеспечения так важно использовать эффективные численные методы.

Разработка программного обеспечения для вычислительного эксперимента в конкретной области деятельности приводит к созданию крупного программного комплекса. Он состоит из связанных между собой прикладных программ и системных средств, включающих средства, предоставляемые пользователю для управления ходом вычислительного эксперимента, обработки и представления его результатов. Такой комплекс программ иногда называют проблемно-ориентированным пакетом прикладных программ.

Современные компьютерные программы обладают высокой сервисностью и дружелюбным интерфейсом, что позволяет легко освоить работу с ними за короткое время.

Дальнейшее развитие в области специального программирования может вообще избавить исследователей от необходимости изучения расчетных методов. В самом деле, ведь пользуются же экспериментаторы сложными высокоавтоматизированными приборами, почти ничего не зная о деталях их конструкций. Отсюда, тем не менее, вовсе нельзя делать вывод, что "коль работает программа, головы совсем не надо".

При проведении исследований важно помнить что вычислительный эксперимент имеет свои ограничения, которые могут привести к неэффективным затратам времени и ресурсов, или даже к получению ошибочных результатов.

Известно, что применимость результатов вычислительного эксперимента ограничена рамками принятой математической модели. Действительно, вычислительный эксперимент не может полностью заменить натурный, и будущее за их разумным сочетанием. Результаты натурного опыта являются фундаментом для построения теории на основе которой создается математическая модель. И надежным критерием, подтверждающим достоверность ее выводов, опять же является практика. Поэтому к результатам численного эксперимента, необходимо подходить с известной осторожностью, особенно, если в его основе лежит новая теория, либо используемые параметры модели находятся на границе области её применимости.

Однако если есть достаточная уверенность, что исследуемая система действительно правильно описывается используемыми уравнениями, и заложенные в них исходные предположения верны, более чем разумно ставить не натурный, а именно компьютерный эксперимент.

Есть у вычислительного эксперимента и ограничения, связанные с математической стороной исследований. Например, с помощью численного подхода нельзя получить общей формулы, позволяющей оценить совместное влияние параметров, входящих в уравнения модели, на решение этих уравнений. Полное представление о таком влиянии дает только аналитическое исследование. Но далеко не всегда, для сложных задач в их полной постановке (без упрощений), аналитическое решение может быть найдено.

При использовании метода моделирования свойства и поведение объекта изучают путем применения вспомогательной системы – модели, находящейся в определенном объективном соответствии с исследуемым объектом.

Под объектом исследования понимается либо некоторая система, элементы которой в процессе достижения конечной цели реализуют один или несколько процессов, либо некоторый процесс, реализуемый элементами одной или нескольких систем. В связи с этим в дельнейшем тексте термины «модель объекта», «модель системы», «модель процесса» следует воспринимать как эквивалентные.

Представления о тех или иных свойствах объектов, их взаимосвязях формируются исследователем в виде описания этих объектов на обычном языке, в виде рисунков, графиков, формул или реализуются в виде макетов и других устройств. Подобные способы описания обобщаются в едином понятии – модель , а построение и изучение моделей называетсямоделированием .

Заслуживает предпочтения следующее определение: модель – объект любой природы, который создается исследователем с целью получения новых знаний об объекте-оригинале и отражает только существенные (с точки зрения разработчика) свойства оригинала.

Модель считается адекватной объекту-оригиналу, если она с достаточной степенью приближения на уровне понимания моделируемого процесса исследователем отражает закономерности процесса функционирования реальной системы во внешней среде.

Модели позволяют вынести упрощенное представление о системе и получить некоторые результаты намного проще, чем при изучении реального объекта. Более того, гипотетически модели объекта могут быть исследованы и изучены перед тем, как объект будет создан.

В практике исследования производственно-экономических объектов модели могут применяться для самых разных целей, что вызывает использование моделей различных классов. Построение одной-единственной математической модели для сложной производственной системы практически не представляется возможным без разработки вспомогательных моделей. Поэтому, как правило, при создании конечной математической модели исследуемого объекта строят частные вспомогательные модели, отражающие ту или иную информацию об объекте, имеющуюся у разработчика на данном этапе построения модели.

В основе моделирования лежит теория подобия , которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта.

Классификационные признаки. В качестве одного из первых признаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные, неполные и приближенные. В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве. Для неполного моделирования характерно неполное подобие модели изучаемому объекту. В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем. Классификация видов моделирования системS приведена на рис.1.1.

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминированные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные.Детерминированное моделирование отображает детерминированные процессы, т.е. процессы, в которых предполагается отсутствие всяких случайных воздействий;стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т.е. набор однородных реализаций.Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, адинамическое моделирование отражает поведение объекта во времени.Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, адискретно-непрерывное моделирование используется для тех случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

В зависимости от формы представления объекта (системы S ) можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту. Мысленное моделирование может быть реализовано в виде наглядного, символического и математического.

Рис. 1.1. Классификация видов моделирования систем

При наглядном моделировании на базе представлений человека о реальных объектах создаются различные наглядные модели, отображающие явления и процессы, протекающие в объекте. В основугипотетического моделирования исследователем закладывается некоторая гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Гипотетическое моделирование используется, когда знаний об объекте недостаточно для построения формальных моделей.

Аналоговое моделирование основывается на применении аналогий различных уровней. Наивысшим уровнем является полная аналогия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

Существенное место при мысленном наглядном моделировании занимает макетирование . Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализоватьзнаковое моделирование и с помощью знаков отображать набор понятий – составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

В основе языкового моделирования лежит некоторый тезаурус. Последний образует из наборов входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные различия. Тезаурус – словарь, который очищен от неоднозначности, т.е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову могут соответствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью определенной системы знаков и символов.

Математическое моделирование. Для исследования характеристик процесса функционирования любой системыS математическими методами, включая и машинные, должна быть проведена формализация этого процесса, т.е. построена математическая модель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на аналитическое, имитационное и комбинированное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегродифференциальных, конечно-разностных и т.п.) или логических условий.Аналитическая модель может быть исследована следующими методами: а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик; б) численным, когда, не умея решать уравнения в общем виде, стремятся получить числовые результаты при конкретных начальных данных; в) качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы S . Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимыми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства системы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим методом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследования системы могут удовлетворить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие качественные методы широко используются, например, в теории автоматического управления для оценки эффективности различных вариантов систем управления.

В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования больших систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системыS во времени, причем имитируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системыS .

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование – наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапах ее проектирования.

Когда результаты, полученные при воспроизведении на имитационной модели процесса функционирования системы S , Являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Первоначально был разработан метод статистических испытаний, представляющий собой численный метод, который применялся для моделирования случайных величин и функций, вероятностные характеристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.е. появился метод статистического моделирования. Таким образом,методом статистического моделирования будем в дальнейшем называть метод машинной реализации имитационной модели, аметодом статистических испытаний (Монте-Карло) – численный метод решения аналитической задачи.

Метод имитационного моделирования позволяет решать задачи анализа больших систем S , включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алгоритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска варианта системы. Бале в методологии машинного моделирования будем различать два основных раздела: статику и динамику, – основным содержанием которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.

Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.

Другие виды моделирования . Приреальном моделировании используется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т.п.). Реальное моделирование является наиболее адекватным, но при этом его возможности с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АСУ предприятием потребует, во-первых, создания такой АСУ, а во-вторых, проведения экспериментов с управляемым объектом, т.е. предприятием, что в большинстве случаев невозможно.

К основным разновидностям реального моделирования относятся:

Натурное моделирование , под которым понимают проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. Необходимо отметить, что такие разновидности натурного эксперимента, как производственный эксперимент и комплексные испытания, обладают высокой степенью достоверности.

Физическое моделирование отличается от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием.

С точки зрения математического описания объекта и в зависимости от его характера модели можно разделить на модели аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины. Подцифровой понимается модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде. Поданалого-цифровой понимается модель, которая может быть описана уравнениями, связывающими непрерывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование , в котором отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

Целевое назначение модели. По целевому назначению модели подразделяются на модели структуры, функционирования и стоимостные (модели расхода ресурсов).

Модели структуры отображают связи между компонентами объекта и внешней средой и подразделяются на:

каноническую модель , характеризующую взаимодействие объекта с окружением через входы и выходы;

модель внутренней структуры , характеризующую состав компонентов объекта и связи между ними;

модель иерархической структуры (дерево системы), в которой объект (целое) расчленяется на элементы более низкого уровня, действия которых подчинены интересам целого.

Модель структуры обычно представляется в виде блок-схемы, реже графов и матриц связей.

Модели функционирования включают широкий спектр символических моделей, например:

модель жизненного цикла системы, описывающая процессы существования системы от зарождения замысла ее создания до прекращения функционирования;

модели операций, выполняемых объектом и представляющих описание взаимосвязанной совокупности процессов функционирования отдельных элементов объекта при реализации тех или иных функций объекта. Так, в состав моделей операций могут входить модели надежности, характеризующие выход элементов системы из строя под влиянием эксплуатационных факторов, и модели живучести факторов, характеризующие выход элементов системы из строя под влиянием целенаправленного воздействия внешней среды;

информационные модели, отображающие во взаимосвязи источники и потребители информации, виды информации, характер ее преобразования, а также временные и количественные характеристики данных;

процедурные модели, описывающие порядок взаимодействия элементов исследуемого объекта при выполнении различных операций, например обработки материалов, деятельности персонала, использования информации, в том числе и реализации процедур принятия управленческих решений;

временные модели, описывающие процедуру функционирования объекта во времени и распределение ресурса «время» по отдельным компонентам объекта.

Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны, «питаются» от них информацией и совместно с ними позволяют проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономическим критериям.

При анализе и оптимизации производственно-экономических объектов проводится объединение построенных математических функциональных моделей с математическими стоимостными моделями в единую экономико-математическую модель.

Насколько можно судить по литературным источникам общепринятой классификации моделей экономических систем пока не существует. Однако представляется достаточно полезной классификация математических моделей экономических систем, приведенная в книге Т. Нейлора «Машинные имитационные эксперименты с моделями экономических систем» (1971 г.) (рис. 1.2).

Рис.1.2. Классификация экономических моделей

Экономико-математической моделью (ЭММ) называется выражение, состоящее из совокупности связанных между собой математическими зависимостями (формулами, уравнениями, неравенствами, логическими условиями величин – факторов, все или часть которых имеют экономический смысл. По своей роли в ЭММ эти факторы целесообразно подразделить на параметры и характеристики (рис. 1.3).

Рис. 1.3. Классификация факторов по их роли в ЭВМ

При этом параметрами объекта называются факторы, характеризующие свойства объекта или составляющих его элементов. В процессе исследования объекта ряд параметров может изменяться, поэтому они называютсяпеременными, которые в свою очередь подразделяются на переменные состояния и переменные управления. Как правило, переменные состояния объекта являются функцией переменных управления и воздействий внешней среды.Характеристиками (выходными характеристиками) называются интересующие исследователя непосредст-венные конечные результаты функционирования объекта (естественно, что выходные характеристики являются переменными состояния). Соответственно характеристики внешней среды описывают свойства внешней среды, которые сказываются на процессе и результате функционирования объекта. Значения ряда факторов, определяющие начальное состояние объекта или внешней среды, называютсяначальными условиями.

При рассмотрении ЭММ оперируют следующими понятиями: критерий оптимальности, целевая функция, система ограничений, уравнения связи, решение модели.

Критерием оптимальности называется некоторый показатель, имеющий экономическое содержание, служащий формализацией конкретной цели управления и выражаемый при помощи целевой функции через факторы модели. Критерий оптимальности определяет смысловое содержание целевой функции. В ряде случаев в качестве критерия оптимальности может выступать одна из выходных характеристик объекта.

Целевая функция математически связывает между собой факторы модели, ее значение определяется значениями этих величин. Содержательный смысл целевой функции придает только критерий оптимальности.

Не следует смешивать критерий оптимальности и целевую функцию. Так, например, критерий прибыли и стоимости произведенной продукции могут описываться одной и той же целевой функцией:

, (1.1)

где
– номенклатура производимой продукции;– объем выпускаi -ой номенклатуры;– прибыль от выпуска единицыi -ой номенклатуры или стоимость единицыi -ой номенклатуры в зависимости от смысла критерия оптимальности.

Критерий прибыли может рассчитываться и по нелинейной целевой функции:

, (1.2)

Если прибыль от выпуска единицы i -ой номенклатуры является функцией от объема выпуска.

При наличии нескольких критериев оптимальности каждый из них будет формализован своей частной целевой функцией , где
– число критериев оптимальности. Для однозначного выбора оптимального решения исследователь может сформулировать новую целевую функцию

Однако целевая функция может уже не нести экономического смысла, в этом случае критерий оптимальности для нее отсутствует.

Система ограничений определяет пределы, сужающие область осуществимых, приемлемых или допустимых решений и фиксирующие основные внешние и внутренние свойства объекта. Ограничения определяют область протекания процесса, пределы изменения параметров и характеристик объекта.

Уравнения связи являются математической формализацией системы ограничений. Между понятиями «система ограничений» и «Уравнения связи» существует точно такая же аналогия, как между понятиями «критерий оптимальности» и «целевая функция»: различные по смыслу ограничения могут описываться одинаковыми уравнениями связи, а одно и то же ограничение в разных моделях записываться различными уравнениями связи.

Таким образом, именно критерий оптимальности и система ограничений в первую очередь определяют концепцию построения будущей математической модели, т.е. концептуальную модель, а их формализация, т.е. целевая функция и уравнения связи, представляют собой математическую модель.

Решением математической модели называется такой набор (совокупность) значений переменных, который удовлетворяет ее уравнениям связи. Решения, имеющие экономический смысл, называют структурно допустимыми. Модели, имеющие много решений, называются вариантными в отличие от безвариантных, имеющих одно решение. Среди структурно допустимых решений вариантной модели, как правило, находится одно решение, при котором целевая функция в зависимости от смысла модели имеет наибольшее или наименьшее значение. Такое решение, как и соответствующее значение целевой функции, называетсяоптимальным (в частности, наименьшим или наибольшим).

Использование ЭММ, особенно оптимальных, предполагает не только построение модели, соответствующей поставленной задаче, но и ее решение при помощи подходящего метода. В связи с этим иногда под моделированием (в узком смысле) понимается этап нахождения решения модели, т.е. вычисления значений исследуемых характеристик и определение оптимальности различных вариантов изучаемого объекта с целью выбора наилучшего варианта его построения и функционирования. Данный этап представляет собой реализацию и исследование ЭММ на определенном наборе вычислительных средств. Выбор метода решения оптимизационных ЭММ зависит от математической формы, связывающей факторы модели, наличия тех или иных признаков (учет динамики, учет стохастичности и т.д.). С точки зрения корректного выбора метода решения модели наиболее существенными признаками являются характер цели исследования, формализованность связей между параметрами и характеристиками, учет вероятностной природы объекта, а также фактора времени.

По характеру цели исследования ЭММ делятся на оптимизационные (нормативные) иописательные (дескриптивные или ЭММ прямого счета).

Характерной чертой оптимизационных моделей является наличие одной или нескольких целевых функций. При этом в первом случае оптимизационные ЭММ называются монокритериальными , а во втором –многокритериальными . В общем виде монокритериальная ЭММ может быть представлена следующей системой отношений:

где Е – критерий оптимальности объекта;– управляемые переменные,
;– неуправляемые факторы модели;
;– уравнения связи, представляющие собой формализацию системы ограничений,
;– целевая функция – формализованное выражение критерия оптимальности.

Выражение
означает, что в ограничениях может стоять любое из приведенных в фигурных скобках логических условий.

Решение модели, заданной соотношениями (1.4) и (1.5), заключается в нахождении совокупности значений переменных

,

Обращающий в max (илиmin ) целевую функциюЕ при заданных уравнениях связи.

Специфика конкретных задач управления производством определила разнообразие типов оптимизационных ЭММ. Это вызвало для ряда наиболее часто повторяющихся типов ситуаций разработку «стандартных» экономико-математических методов их описания, например, распределительные задачи различных классов, задачи управления запасами, ремонта и замены оборудования, проектирования сетей и выбора маршрутов и т.д.

Существенным признаком описательных моделей является отсутствие в них критерия оптимальности. Решение, даваемое ЭММ прямого счета, обеспечивает либо вычисление набора выходных характеристик объекта для одного или нескольких вариантов начальных условий и входных характеристик объекта, либо нахождение какой-либо совокупности значений в структурно допустимой области решений. Примеры типовых задач управления машиностроительным производством, решаемых с помощью описательных моделей, приведены в табл. 1.1.

Таблица 1.1. Примеры описательных моделей

Тип задачи	Вид модели	Математический метод решения
Задачи планирования без оптимизации (расчет объемов производства по видам продукции, увязка планов производства с ресурсами и т.п.)	Балансовые модели	Аппарат линейной алгебры, матричное исчисление
Задачи сетевого планирования и управление (СПУ) без оптимизации	Расчет по формулам модели СПУ	Аппарат теории графов
Задача учета и статистики (оперативный учет, получение различных форм отчетности и т.п.)	Расчет по формулам
Задачи контроля и анализа (анализ влияния и факторов, выявление тенденций, отслеживание отклонений и установление их причин)		Факторный анализ, дисперсионный анализ, регрессионный анализ
Задача создания нормативной базы	Статистические модели обработки реализаций случайных величин
Расчет параметров функционирования сложных систем с неформализованными связями.	Расчет по формулам имитационных моделей
Задачи прогнозирования	Модели регрессионного анализа, оценка параметров и проверка статистических гипотез	Факторный анализ, дисперсионный анализ, регрессионный анализ, аппарат математической статистики

В зависимости от степени формализованности связей f иg i между факторами моделей в выражениях (1.4) и (1.5) различаютаналитические иалгоритмические модели.

Аналитической формой записи называется запись математической модели в виде алгебраических уравнений или неравенств, не имеющих разветвлений вычислительного процесса при определении значений любых переменных состояния модели, целевой функции и уравнений связи. Если в математических моделях единственная целевая функцияf и ограниченияg j заданы аналитически, то подобные модели относятся к классу моделей математического программирования. Характер функциональных зависимостей, выраженных в функцияхf иg j , может быть линейным и нелинейным. Соответственно этому ЭММ делятся налинейные инелинейные , а среди последних в специальные классы выделяютсядробно -линейные ,кусочно-линейные ,квадратичные ивыпуклые модели.

Если мы имеем дело со сложной системой, то зачастую гораздо легче построить ее модель в виде алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логических условий – разветвлений хода течения процесса. Математическое описание для элементов может быть очень простым, однако взаимодействие большого количества простых по математическому описанию элементов и делает эту систему сложной. Алгоритмически же можно описывать даже такие объекты, которые в силу их сложности или громоздкости в принципе не допускают аналитического описания. В связи с этим к алгоритмическим моделям относятся такие, в которых критерии и (или) ограничения описываются математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. К алгоритмическим моделям относятся и так называемые имитационные модели – моделирующие алгоритмы, имитирующие поведение элементов изучаемого объекта и взаимодействие между ними в процессе функционирования.

В зависимости от того, содержит ли ЭММ случайные факторы, она может быть отнесена к классу стохастических илидетерминированных .

В детерминированных моделях ни целевая функцияf , ни уравнения связиg j не содержат случайных факторов. Следовательно, для данного множества входных значений модели на выходе может быть получен только один-единственный результат. Длястохастических ЭММ характерно наличие среди факторовмодели, описываемой соотношениями (1.4) и (1.5), таких, которые имеют вероятностную природу и характеризуются какими-либо законами распределения, причем среди функцийf иg j могут быть и случайные функции. Значения выходных характеристик в таких моделях могут быть предсказаны только в вероятностном смысле. Реализация стохастических ЭММ в большинстве случаев осуществляется на ЭВМ методами имитационного статистического моделирования.

Следующим признаком, по которому можно различать ЭММ, является связь с фактором времени. Модели, в которых входные факторы, а следовательно, и результаты моделирования явно зависят от времени, называются динамическими , а модели, в которых зависимость от времениt либо отсутствует совсем, либо проявляется слабо или неявно, называютстатическими . Интересны в этом отношении имитационные модели: по механизму функционирования они являются динамическими (в модели идет имитация работы объекта в течении некоторого периода времени), а по результатам моделирования – статическими (например, ищется средняя производительность объекта за моделируемый период времени).

Статические модели представляют собой известную степень приближения к реальным объектам и системам, функционирующим во времени. Во многих случаях степень такого приближения, проявляющаяся в допущениях о неизменности или различного рода усреднениях факторов во времени (косвенно или приблизительно учитывающих фактор времени в определенных границах его изменения), является достаточной для практического применения статических моделей.

На этой лекции мы обсудим одно из самых популярных понятий, которое используется практически во всех научных дисциплинах и оказывается незаменимым при решении большого класса прикладных задач. Для начала определим, что есть модель и что есть моделирование.

Методологическая основа моделирования заключается в следующем. Исследование объектов и систем объектов окружающего мира зачастую начинается с построения гипотезы об их устройстве, функционировании и динамике развития. Гипотезы строятся на основании опытных данных, догадок или наблюдений. Любая гипотеза должна быть проверена в ходе эксперимента. Когда мы начинаем строить гипотезу, то, как правило, основываемся на каких-то проверенных опытным путём аналогиях. Что есть аналогия? Это некоторое суждение о частичном сходстве двух объектов. Именно на аналогии строятся современные научные гипотезы, которые сводятся, например, к упрощённым и удобным для исследования логическим схемам рассуждений. Такие логические схемы, упрощающие рассуждения, построения, сам эксперимент, и называются моделями.

Таким образом, модель - это некий заместитель объекта-оригинала, обладающий существенными для исследователя свойствами оригинала.

Соответственно, моделирование - это замещение одного объекта другим с целью получения информации о свойствах объекта-оригинала с помощью объекта-модели.

Обратимся к уроку электронного практикума «Раз - цветочек, два - грибочек, будет песенка, или Модели и моделирование». Упражнение 1 как раз нацелено на то, чтобы учащийся смог выбрать объект-модель для объекта-оригинала. И это упражнение под силу выполнить даже безобразнику и бездельнику Васе Петрову:-).

То, что модель может быть представлена различными способами, демонстрирует упражнение 2 практикума, в котором нужно найти путь из одного пункта в другой. Модель передвижения выполнена в виде графа, проходя по рёбрам которого нужно найти верный путь.

Третье упражнение использует совсем другую модель - математическую. Учащемуся в интерактивном режиме предлагается решить задачу, составив формулу геометрической прогрессии. Вот где пригодится знание математики! Собственно, цель этого урока - показать разнообразие моделей, строящихся для объектов-оригиналов.

Итак, основные выводы, касающиеся моделирования:

1. Моделирование - это метод познания окружающей действительности.
2. Моделирование - познавательный процесс, включающий в себя обработку информации об объектах-оригиналах и явлениях, в результате которой появляются образы-аналогии (модели), соответствующие оригиналам.

В процессе моделирования всегда есть объект исследования, сам исследователь с поставленной конкретной задачей и модель объекта, которая создаётся для решения поставленной задачи.

Цель моделирования

Наверное, самым важным этапом моделирования является определение цели моделирования на этапе постановки задачи. Вполне естественно, что именно цель позволяет определить, какие характеристики объекта-оригинала считать существенными, а какими можно пренебречь. Цель определяет, каковы будут методы решения поставленной задачи, какие средства, например, программная среда, будут выбраны, и каким образом будут отображены результаты исследования. Если биолог постарается рассмотреть, например, полено с точки зрения биологии и определит возраст срубленного дерева, то художник увидит некое творческое применение красиво искривлённому сучку, то есть модель отображает не объект-оригинал, а то, что в нём интересует и соответствует выбранной цели моделирования.

В электронном практикуме этой теме посвящён урок «Теория голодной козы, или Как строят модели». На примере всё пожирающих вокруг себя коз строятся разные модели - информационная, геометрическая, математическая, графическая. Рассмотрим такую задачу: «Определить площадь участка, на котором могла побывать коза, находившаяся на привязи. При условии, что некто прогуливался по лугу, держа козу на поводке длиной 1 м, и путь его проходил по сторонам прямоугольника 3 x 5 м». При её выполнении сначала строится геометрическая модель:

После этого строится математическая модель:

Каковы возможные цели моделирования?

В основном модели строятся для познания окружающего мира, и моделирование процессов, явлений, объектов позволяет делать предположения о природе вещей и исследовать построенные с определённой целью модели.

Целями моделирования являются:

1. Понимание того, как устроен объект, каковы его структура, основные свойства, законы развития и взаимодействия с окружающей средой. Такие модели помогают понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружающим миром. В этом случае целью построения модели является познание окружающего мира.
2. Управление объектом или процессом и определение наилучших способов управления при заданных целях.
3. Создание объектов с заданными свойствами.
4. Прогнозирование последствий воздействия на объект.

Например, в упражнении 2 целью моделирования является конструирование «неваляшки», совершающей интересные движения в зависимости от положения центра тяжести. И учащийся, основываясь на знании законов физики, может сделать самостоятельные предположения о характере движения неваляшки, а в будущем - сконструировать свою собственную, оригинально движущуюся неваляшку:-).

Таким образом, от выбора цели моделирования зависит, какую модель вы построите.

Задания

1. Определите объект моделирования, метод моделирования и цель.
   
2. Объясните различие моделей бабочки с точки зрения биолога, художника, рыболова, фотографа, скульптора.
3. Попробуйте рассмотреть ваше любимое стихотворение как модель.
4. Изобразите графом-моделью фразу «Я знаю, что ты знаешь, что я знаю».

3. Цели моделирования.

1. Познание окружающего мира.

Зачем человек создает модели? Чтобы ответить на этот вопрос, надо заглянуть в далекое прошлое. Несколько миллионов лет назад, на заре человечества, первобыт­ные люди изучали окружающую природу, чтобы научиться противостоять природ­ным стихиям, пользоваться природными благами, просто выживать.

Накопленные знания передавались из поколения в поколение устно, позже пись­менно, наконец с помощью предметных моделей. Так родилась, к примеру, модель земного шара - глобус, - позволяющая получить наглядное представление о фор­ме нашей планеты, ее вращении вокруг собственной оси и расположении матери­ков. Такие модели позволяют понять, как устроен конкретный объект, узнать его основные свойства, установить законы его развития и взаимодействия с окружаю­щим миром моделей.

2. Создание объектов с заданными свойствами (задача типа «Как сделать, чтобы...»).

Накопив достаточно знаний, человек задал себе вопрос: «Нельзя ли создать объект с заданными свойствами и возможностями, чтобы противодействовать стихиям или ставить себе на службу природные явления?» Человек стал строить модели еще не существующих объектов. Так родились идеи создания ветряных мельниц, различ­ных механизмов, даже обыкновенного зонтика. Многие из этих моделей стали в настоящее время реальностью. Это объекты, созданные руками человека.

3. Определение последствий воздействия на объект и принятие правильного решения (задача типа «Что будет, если...»: что будет, если увеличить плату за про­езд в транспорте, или что произойдет, если закопать ядерные отходы в такой-то местности?)

Например, для спасения Петербурга от постоянных наводнений, приносящих огромный ущерб, решено было возвести дамбу. При ее проектировании было по­строено множество моделей, в том числе и натурных, именно для того, чтобы пред­сказать последствия вмешательства в природу.

4. Эффективность управления объектом (или процессом).

Поскольку критерии управления бывают весьма противоречивыми, то эффек­тивным оно окажется только при условии, если будут «и волки сыты, и овцы целы».

Например, нужно наладить питание в школьной столовой. С одной стороны, оно должно отвечать возрастным требованиям (калорийное, содержащее витамины и минеральные соли), с другой - нравиться большинству ребят и к тому же быть «по карману» родителям, а с третьей - технология приготовления должна соответ­ствовать возможностям школьных столовых. Как совместить несовместимое? Построение модели поможет найти приемлемое решение.

Анализ объекта.

На этом этапе четко выделяют моделируемый объект, его оснбвные свойства, его элементы и связи между ними.

Простой пример подчиненных связей объектов - разбор предложения. Сначала выделяются главные члены (подлежащее, сказуемое), затем второстепенные чле­ны, относящиеся к главным, затем слова, относящиеся к второстепенным, и т. д.Этап П. Разработка модели

Информационная модель.

На этом этапе выясняются свойства, состояния, действия и другие характерис­тики элементарных объектов в любой форме: устно, в виде схем, таблиц. Форми­руется представление об элементарных объектах, составляющих исходный объект, т. е. информационная модель.

Модели должны отражать наиболее существенные признаки, свойства, состоя­ния и отношения объектов предметного мира. Именно они дают полную информа­цию об объекте.

Пример. Представьте себе, что нужно отгадать загадку. Вам предлагают пере­чень свойств реального предмета: круглое, зеленое, глянцевое, прохладное, полосатое, звонкое, зрелое, ароматное, сладкое, сочное, тяжелое, крупное, с сухим хвостиком...

Список можно продолжать, но вы, наверное, уже догадались, что речь идет об арбузе. Информация о нем дана самая разнообразная: и цвет, и запах, и вкус, и даже звук... Очевидно, ее гораздо больше, чем требуется для решения этой задачи. Попробуйте выбрать из всех перечисленных признаков и свойств минимум, по­зволяющий безошибочно определить объект. В русском фольклоре давно найдено решение: «Сам алый, сахарный, кафтан зеленый, бархатный».

Если бы информация предназначалась художнику для написания натюрморта, можно было ограничиться следующими свойствами объекта: круглый, большой, зеленый, полосатый. Чтобы вызвать аппетит у сладкоежки, выбрали бы другие свойства: зрелый, сочный, ароматный, сладкий. Для человека, выбирающего арбуз на бахче, можно было бы предложить следующую модель: крупный, звонкий, с сухим хвостиком.

Этот пример показывает, что информации не обязательно должно быть мно­го. Важно, чтобы она была «по существу вопроса», т. е. соответствовала цели, для которой используется.

Например, в школе учащиеся знакомятся с информационной моделью кровооб­ращения. Предлагаемой в учебнике анатомии информации достаточно для школь­ника, но мало для тех, кто проводит операции на сосудах в больницах.

Информационные модели играют очень важную роль в жизни человека.

Знания, получаемые вами в школе, имеют вид информационной модели, цель которой - изучение предметов и явлений.

Уроки истории дают возможность построить модель развития общества, а зна­ние этой модели позволяет строить собственную жизнь, либо повторяя ошибки пред­ков, либо учитывая их.

На уроках географии вам сообщают информацию о географических объектах: горах, реках, странах и др. Это тоже информационные модели. Многое, о чем рас­сказывается на занятиях по географии, вы никогда не увидите в реальности.

На уроках химии информация о свойствах разных веществ и законах их взаи­модействия подкрепляется опытами, которые есть не что иное, как реальные моде­ли химических процессов.

Информационная модель никогда не характеризует объект полностью. Для одного и того же объекта можно построить различные информационные модели.

Пример. Выберем для моделирования объект «человек». Человека можно рассмот­реть с различных точек зрения: как отдельного индивида и как человека вообще.

Если иметь в виду конкретного человека, то можно построить модели, которые представлены в таблицах.

(Информационная модель ученика.)

(Информационная модель посетителя школьного медкабинета.)

(работника предприятия.)

Другой пример различных информационных моделей для одного и того же объек­та. Многочисленные свидетели преступления сообщили разнообразную информацию о предполагаемом злоумышленнике - это их информационные модели. Представи­телю милиции следует выбрать из потока сведений наиболее существенные, которые помогут найти преступника и задержать его. У представителя закона может сло­житься не одна информационная модель бандита. От того, насколько правильно будут выбраны существенные черты и отброшены второстепенные, зависит успех дела.

Выбор наиболее существенной информации при создании информационной мо­дели и сложность этой модели обусловлены целью моделирования.

Построение информационной модели является отправным пунктом этапа разра­ботки модели. Все входные параметры объектов, выделенные при анализе, распо­лагают в порядке убывания значимости и проводят упрощение модели в соответ­ствии с целью моделирования.

Знаковая модель.

Прежде чем приступить к процессу моделирования, человек делает предва­рительные наброски чертежей либо схем на бумаге, выводит расчетные форму­лы, т. е. составляет информационную модель в той или иной знаковой форме, которая может быть либо компьютерной, либо некомпьютерной.

Компьютерная модель.

Компьютерная модель - это модель, реализованная средствами программной среды.

Существует множество программных комплексов, которые позволяют прово­дить исследование (моделирование) информационных моделей. Каждая программ­ная среда имеет свой инструментарий и позволяет работать с определенными вида­ми информационных объектов.

Человек уже знает, какова будет модель, и использует компьютер для придания ей знаковой формы. Например, для построения геометрических моделей, схем ис­пользуются графические среды, для словесных или табличных описаний - среда текстового редактора.

Этап III. Компьютерный эксперимент

Чтобы дать жизнь новым конструкторским разработкам, внедрить новые тех­нические решения в производство или проверить новые идеи, нужен эксперимент. В недалеком прошлом такой эксперимент можно было провести либо в лаборатор­ных условиях на специально создаваемых для него установках, либо на натуре, т. е. на настоящем образце изделия, подвергая его всяческим испытаниям.

С развитием вычислительной техники появился новый уникальный метод ис­следования - компьютерный эксперимент. Компьютерный эксперимент включа­ет некоторую последовательность работы с моделью, совокупность целенаправлен­ных действий пользователя над компьютерной моделью.

Этап IV. Анализ результатов моделирования

Конечная цель моделирования - принятие решения, которое должно быть вы­работано на основе всестороннего анализа полученных результатов. Этот этап ре­шающий - либо вы продолжаете исследование, либо заканчиваете. Возможно, вам известен ожидаемый результат, тогда необходимо сравнить полученный и ожидае­мый результаты. В случае совпадения вы сможете принять решение.