Понятие математического моделирования системы. Математическое моделирование

Под математическим моделированием, в узком смысле слова, понимают описание в виде уравнений и неравенств реальных физических, химических, технологических, биологических, экономических и других процессов. Для того чтобы использовать математические методы для анализа и синтеза различных процессов, необходимо уметь описать эти процессы на языке математики, то есть описать в виде системы уравнений и неравенств .

Математические методы выступают как способ получения новых знаний об объекте. Это относится не только к системам. Оглядываясь назад, обращаясь к истории науки, исследователь видит, что всю динамику науки можно рассматривать как непрерывный процесс построения новых, более совершенных и мощных моделей. Укоренилось представление, что «всякое познание является моделированием» (Н.Амосов). Под воздействием общей теории систем произошло переосмысление, переоценка и классических представлений. Понятие математического моделирования стало толковаться настолько расширительно, что включило в себя всю формализацию и математизацию знания. «Математическая модель - это лишь специальный способ описания, позволяющий для анализа использовать формально-логический аппарат математики » (Моисеев Н.Н., 1973).

Но модели сложных и больших систем - это нечто иное принципиально, качественно. Аналитического, формально-логического аппарата здесь уже недостаточно. В рамках этой работы под математической моделью понимается любая математическая конструкция, являющаяся большой и/или сложной динамической системой и обладающая свойством структурно-функционального изоморфизма по отношению к исследуемой системе (системе-оригиналу).

Между моделированием и получением количественного или качественного результата математическими методами существует глубокое различие. Применение математики становится возможным тогда, когда становится ясно, что и с какой целью определять, оценивать, измерять, что и как обрабатывать математическими методами. Модель для этих задач не служит. Математическое моделирование − это не приложение математического инструмента к объекту, не решение конкретных задач математическими средствами. Это построение формальными методами и средствами абстрактного объекта изофункционального исследуемому объекту для последующего приложения математических методов количественного и качественного анализа. В то же время, использование в моделировании математики в качестве языка (метатеории) придает полученным выводам доказательную силу. Деятельность по построению моделей не принадлежит математике и выполняется (должна выполняться) не математиками, а специалистами в конкретной области знания.

Для построения модели системы нужны те содержательные эмпирические представления, те описательные науки, которые предшествуют появлению формализованных наук. Эти описания не входят в виде составных частей в формализованную науку, а лишь облегчают процесс формализации, обогащают эвристические возможности формализации. Модель не требует предварительного описания моделируемого объекта, потому что она сама является формой описания.

Отношение модели и реальности иное, чем отношение реальности и математической формулы. Формула − это иероглиф, знак действительности. Модель − это сама действительность. Можно возразить, что физик или математик отлично чувствует динамику, реальные отношения, которые скрываются за формулой, не воспринимает ее как иероглиф, а, кроме того, современная математика − это далеко не просто и не только формула. И все же, формулами ученый мыслить не может. Иное дело модель. Она обладает динамикой, она живет (не только в переносном, порой и в прямом смысле слова). Исследователь может мыслить моделями, он получает возможность образного мышления. В мире моделей смыкается художественное и логическое восприятие действительности.

Математическое моделирование не исключает использование классической математики, более того, в составе модели математика получает ту силу и всеобщность проникновения, которой была лишена в классическую эпоху.

Если мы рассматриваем некоторый объект как целое, заданное своими внешними свойствами, мы можем эффективно использовать аналитические способы описания для процессов, происходящих вне этого целого. Но стоит поставить задачу внутреннего описания большой и/или сложной системы, описания взаимодействий между ее частями, элементами и подсистемами методами классической математики, как мы немедленно сталкиваемся с непреодолимыми трудностями.

С другой стороны, попытка описать процедурными методами некоторую систему, в общем, не проникая в ее внутреннее устройство, в ее структуру и функции элементов, как правило, не приведет к значимому результату. Каждому методу свое место.

В математике аналитических структур мы должны сначала понять, а потом описать. В моделировании, в математике алгоритмических процессов, сам процесс описания того, что еще не понято, нередко становится средством понимания.

Как методология научных исследований математическое моделирование сочетает в себе опыт различных отраслей науки о природе и обществе, прикладной математики, информатики и системного программирования для решения фундаментальных проблем. Математическое моделирование объектов сложной природы – единый сквозной цикл разработок от фундаментального исследования проблемы до конкретных численных расчетов показателей эффективности объекта. Результатом разработок бывает система математических моделей, которые описывают качественно разнородные закономерности функционирования объекта и его эволюцию в целом как сложной системы в различных условиях. Вычислительные эксперименты с математическими моделями дают исходные данные для оценки показателей эффективности объекта. Поэтому математическое моделирование как методология организации научной экспертизы крупных проблем незаменимо при проработке народнохозяйственных решений. (В первую очередь это относится к моделированию экономических систем).По своей сути математическое моделирование есть метод решения новых сложных проблем, поэтому исследования по математическому моделированию должны быть опережающими. Следует заранее разрабатывать новые методы, готовить кадры, умеющие со знанием дела применять эти методы для решения новых практических задач.Математическая модель может возникнуть тремя путями: 1. В результате прямого изучения реального процесса. Такие модели называются феноменологическими.2. В результате процесса дедукции. Новая модель является частным случаем некоторой общей модели. Такие модели называются асимптотическими.3. В результате процесса индукции. Новая модель является обобщением элементарных моделей. Такие модели называют моделями ансамблей. Процесс моделирования начинается с моделирования упрощенного процесса, который с одной стороны отражает основные качественные явления, с другой стороны допускает достаточно простое математическое описание. По мере углубления исследования строятся новые модели, более детально описывающие явление. Факторы, которые считаются второстепенными на данном этапе, отбрасываются. Однако, на следующих этапах исследования, по мере усложнения модели, они могут быть включены в рассмотрение. В зависимости от цели исследования один и тот же фактор может считаться основным или второстепенным.Математическая модель и реальный процесс не тождественны между собой. Как правило, математическая модель строится с некоторым упрощением и при некоторой идеализации. Она лишь приближенно отражает реальный объект исследования, и результаты исследования реального объекта математическими методами носят приближенный характер. Точность исследования зависит от степени адекватности модели и объекта и от точности применяемых методов вычислительной математики. Схема построения математических моделей следующая: 1. Выделение параметра или функции, подлежащей исследованию.2. Выбор закона, которому подчиняется эта величина.3. Выбор области, в которой требуется изучить данное явление.

Теоретическая дисциплина становится точной наукой, когда она оперирует количественными характеристиками. За качественным описанием модели следует вторая фаза абстрагирования − количественное описание модели. Еще Галилео Галилей сказал, что книга природы написана на языке математики. Иммануил Кант провозгласил, что «во всякой науке столько истины, сколько в ней математики». А Давиду Гильберту принадлежат слова: «Математика − основа всего точного естествознания».

Математическое моделирование − это теоретико-экспериментальный метод познавательно-созидательной деятельности, это метод исследования и объяснения явлений, процессов и систем (объектов-оригиналов) на основе создания новых объектов − математических моделей.

Под математической моделью принято понимать совокупность соотношений (уравнений, неравенств, логических условий, операторов и т.п.), определяющих характеристики состояний объекта моделирования, а через них и выходные значения – реакции , в зависимости от параметров объекта-оригинала , входных воздействий , начальных и граничных условий, а также времени.

Математическая модель, как правило, учитывает лишь те свойства (атрибуты) объекта-оригинала , которые отражают, определяют и представляют интерес с точки зрения целей и задач конкретного исследования. Следовательно, в зависимости от целей моделирования, при рассмотрении одного и того же объекта-оригинала с различных точек зрения и в различных аспектах, последний может иметь различные математические описания и, как следствие, быть представлен различными математическими моделями.

Принимая во внимание, изложенное выше, дадим наиболее общее, но в то же время строгое конструктивное определение математической модели, сформулированное П.Дж. Коэном.

Определение 4.1. Математическая модель − это формальная система, представляющая собой конечное собрание символов и совершенно строгих правил оперирования этими символами в совокупности с интерпретацией свойств определенного объекта некоторыми отношениями, символами или константами.

Как следует из приведенного определения, конечное собрание символов (алфавит) и совершенно строгих правил оперирования этими символами («грамматика» и «синтаксис» математических выражений) приводят к формированию абстрактных математических объектов (АМО). Только интерпретация делает этот абстрактный объект математической моделью.

Математическая модель представляет собой количест-венную формализацию абстрактных представлений об изучаемом явлении или объекте.

Математические модели могут быть представлены различны­ми математическими средствами:

· действительными или комплексными величинами;

· векторами, матрицами;

· геометрическими образами;

· не­равенствами;

· функциями и функционалами;

· множествами, различными уравнениями;

· функциями распределения вероятностей, статистиками и т.д.

«В физической науке − писал Томпсон, − при изучении любого объекта первый и наиболее существенный шаг состоит в том, чтобы найти принципы численной оценки и практические методы из­мерения некоторого количества, присущего этому объекту».

Переход от первой ко второй фазе абстрагирования, т.е. от физической модели к математической часто освобождает модель от специфических черт, присущих данному изучаемому явлению или объ­екту. Очень многие математические модели, лишившись физической или технической оболочки, приобретают универсальность, т.е. спо­собность количественного описания различных по своей физической природе процессов или по техническому назначению объектов. В этом проявляется одно из важнейших свойств математической форма­лизации предмета исследования, благодаря которому при постановке и решении прикладных задач в большинстве случаев не требуется создавать новый математический аппарат, а можно воспользоваться существующим, с необходимыми для конкретной ситуации усовершенс­твованием и интерпретацией. Таким образом, одна математическая модель может быть использована для решения большого числа част­ных, конкретных задач и в этом смысле она выражает одно из глав­ных практических назначений теории.

Конечно, построение физической модели часто неразрывно свя­зано с построением математической модели и оба этих процесса представляют две стороны единого процесса абстрагирования.

Нас окружают сложные технические объекты (технические системы), созданные человеком . В процессе проектирования новой или модернизации существующей технической системы решаются задачи расчета параметров и исследования процессов в этой системе. При проведении многовариантных расчетов реальную систему заменяют моделью. В широком смысле модель определяют как отражение наиболее существенных свойств объекта.

Определение 4 .2 . Математическая модель технического объекта - совокупность математических объектов и отношений между ними, которая адекватно отражает свойства исследуемого объекта, интересующие исследователя (инженера).

Модель может быть представлена различными способами.

Формы представления модели

· инвариантная − запись соотношений модели с помощью традиционного математического языка безотносительно к методу решения уравнений модели;

· аналитическая − запись модели в виде результата аналитического решения исходных уравнений модели;

· алгоритмическая − запись соотношений модели и выбранного численного метода решения в форме алгоритм;

· схемная (графическая) − представление модели на некотором графическом языке (например, язык графов, эквивалентные схемы, диаграммы и т.п.);

· физическая;

· аналоговая;

Математическое моделирование является наиболее универсальным описанием процессов.

В понятие математического моделирования иногда включают и процесс решения задачи на ЭВМ (что в принципе не совсем верно, так как решение задачи на ЭВМ предусматривает кроме всего прочего создание алгоритмической и программной модели, реализующей вычисление в соответствии с математической моделью).

Определение 4.3. ММ− это образ исследуемого объекта, создаваемый в уме субъекта-исследователя с помощью определенных формальных (математических) систем с целью изучения (оценки) определенных свойств данного объекта.

Пусть некоторый объект Q обладает некоторым интересующим нас свойством C 0 .

Для получения математической модели, описывающей данное свойство необходимо:

1. Определить показатель данного свойства (т.е. определить меру свойства в некоторой системе измерения ).

2. Установить перечень свойств С 1 , ..., С m, с которыми свойство С 0 связано некоторыми отношениями (это могут быть внутренние свойства объекта и свойства внешней среды, влияющие на объект).

3. Описать в избранной форматной системе свойства внешней среды, как внешние факторы х 1 , ..., х n , влияющие на искомый показатель Y , внутренние свойства объекта, как параметры z 1 , ..., z r , а неучтенные свойства отнести к группе неучитываемых факторов .

4. Выяснить, если это возможно, закономерные отношения между Y и всеми учитываемыми факторами и параметрами, и составить математическое описание (модель ).

Реальный объект характеризуется следующим функциональным отношением между показателями его свойств:

Однако в модели отображаются только те факторы и параметры оригинального объекта, которые имеют существенное значение для решения исследуемой проблемы. Кроме того, измерения существенных факторов и параметров практически всегда содержат ошибки, вызываемые неточностью измерительных приборов и незнанием некоторых факторов. В силу этого ММ является только приближенным описанием свойств изучаемого объекта.

Математическую модель можно определить еще и как абстракцию изучаемой реальной сущности .

Модели обычно отличаются от оригиналов по природе своих внутренних параметров. Подобие заключается в адекватности реакции Y модели и оригинала на изменение внешних факторов . Поэтому в общем случае математическая модель представляет собой функцию

где - внутренние параметры модели, адекватные параметрам оригинала.

В зависимости от применяемых методов математического описания изучаемых объектов (явлений, процессов) ММ бывают аналитические, логические, графические, автоматные и т.д.

Главным вопросом математического моделирования является вопрос о том, как точно составленная ММ отражает отношения между учитываемыми факторами, параметрами и показателем Y оцениваемого свойства реального объекта, т.е. на сколько точно уравнение (4.2) соответствует уравнению (4.1). Иногда уравнение (4.2) может быть получено сразу в явном виде, например, в виде системы дифференциальных уравнений, или в виде иных явных математических соотношений.

В более сложных случаях вид уравнения (4.2) неизвестен и задача исследователя состоит, прежде всего, в том, чтобы найти это уравнение. При этом к числу варьируемых параметров , относят все учитываемые внешние факторы и параметры исследуемого объекта, а к числу искомых параметров относят внутренние параметры модели , связывающие факторы , с показателем Y " наиболее правдоподобным отношением. Решением этой проблемы занимается теория эксперимента. Суть этой теории состоит в том, чтобы, основываясь на выборочных измерениях значений параметров , и показателя Y ", найти параметры , при которых функция (4.2) наиболее точно отражает реальную закономерность (4.1).

С.П. БОБКОВ, Д.О. БЫТЕВ

МОДЕЛИРОВАНИЕ СИСТЕМ

Учебное пособие

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

Ивановский государственный химико-технологический университет

Международный университет бизнеса и новых технологий (институт)

С.П. БОБКОВ, Д.О. БЫТЕВ

МОДЕЛИРОВАНИЕ СИСТЕМ

для студентов высших учебных заведений.

Бобков С.П. Моделирование систем: учеб. пособие / С.П. Бобков,

Д.О. Бытев; Иван. гос. хим.-технол. ун-т. – Иваново, 2008. – 156 с. - ISBN

Цель учебного пособия – дать студентам общее представление о со- временных методах моделирования технических и технико-экономических систем и объектов.

В пособии рассматриваются общие вопросы и современная методо-

логия моделирования, непрерывные и дискретные детерминированные мо-

дели объектов и систем, стохастические модели с дискретным и непрерыв- ным временем. Большое внимание уделено методам имитационного моде- лирования систем с вероятностными характеристиками. Дается обзор дру- гих подходов к моделированию сложных систем, таких как информацион- но-энтропийный, использование нейронных сетей и сетей Петри.

Учебное пособие предназначено для студентов, обучающихся по специальностям подготовки 080801 «Прикладная информатика» и 230201

«Информационные системы и технологии». Кроме того, пособие может быть полезным для студентов других специальностей и направлений.

Табл.7. Ил.92. Библиогр.:10 назв.

Печатается по решению редакционно-издательского совета Иванов-

ского государственного химико-технологического университета.

Рецензенты:

кафедра прикладной математики Ивановского государственного энергетического университета; доктор физико-математических наук В.А.Соколов, (Ярославский государственный университет).

ISBN 5-9616-0268-6 © ГОУ ВПО Ивановский государст- венный химико-технологический университет», 2008

1.5. Понятие математической схемы моделирования. . . . . . . . . . . . . . 12

1.6. Общая методика создания математических моделей. . . . . . . . . . . 13

1.7. Основные понятия системного подхода к созданию

математических моделей. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2. ДЕТЕРМИНИРОВАННЫЕ МОДЕЛИ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

2.1. Математические модели технических объектов. . . . . . . . . . . . . . . 20

2.1.1. Компонентные функциональные уравнения объектов. . . . . 20

2.1.2. Фазовые переменные и их аналогии. . . . . . . . . . . . . . . . . . . . 23

2.1.3. Топологические уравнения. . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.1.4. Примеры создания моделей технических объектов. . . . . . . 25

2.1.5. Модели технологических аппаратов. . . . . . . . . . . . . . . . . . . 29

2.2. Конечные автоматы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2.2.1. Понятие конечного автомата. . . . . . . . . . . . . . . . . . . . . . . . . . 31

2.2.2. Способы описания и классы конечных автоматов. . . . . . . . 32

2.2.3. Другие виды конечных автоматов. . . . . . . . . . . . . . . . . . . . . 37

3. СТОХАСТИЧЕСКИЕ МОДЕЛИ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.1. Элементы теории марковских случайных процессов. . . . . . . . . . . 39

3.1.1. Понятие случайного процесса. . . . . . . . . . . . . . . . . . . . . . . . . 39

3.1.2. Дискретные цепи Маркова. . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.1.3. Стационарное распределение вероятностей. . . . . . . . . . . . . 43

3.1.4. Непрерывные марковские цепи. . . . . . . . . . . . . . . . . . . . . . . 45

3.1.5. Уравнения А.Н. Колмогорова. . . . . . . . . . . . . . . . . . . . . . . . . 46

3.1.6. Потоки событий. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3.2. Основы теории массового обслуживания. . . . . . . . . . . . . . . . . . . . . 51

3.2.1. Обобщенная структурная схема СМО. Параметры

и характеристики. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.2.2. Разомкнутые СМО с ожиданием и терпеливыми заявками. 58

3.2.3. Предельные варианты разомкнутой СМО. . . . . . . . . . . . . . . 62

3.2.4.Общий случай разомкнутой СМО. . . . . . . . . . . . . . . . . . . . . . 64

3.2.5. Замкнутые СМО. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

3.2.6. Сети массового обслуживания

с простейшими потоками событий. . . . . . . . . . . . . . . . . . . . . . . . . . 73

3.3. Вероятностные автоматы. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

4. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Определение метода имитационного моделирования. . . . . . . . . .
4.2. Основные понятия имитационного моделирования. . . . . . . . . . . .
4.3. Основные этапы имитационного моделирования. . . . . . . . . . . . . .
4.4. Время в имитационных моделях. Псевдопараллелизм. . . . . . . . . .
4.5. Обобщённые алгоритмы имитационного моделирования. . . . . . .
4.6. Моделирование случайных факторов. . . . . . . . . . . . . . . . . . . . . . . .
4.6.1. Моделирование базовых случайных величин. . . . . . . . . . . .
4.6.2. Моделирование непрерывных случайных величин
с произвольным распределением. . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6.3. Моделирование дискретных случайных величин. . . . . . . . .
4.6.4. Моделирование случайных событий и их потоков. . . . . . .
4.7 Моделирование случайных процессов. . . . . . . . . . . . . . . . . . . . . . . .
4.7.1 Дискретные цепи Маркова. . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.7.2 Непрерывные цепи Маркова. . . . . . . . . . . . . . . . . . . . . . . . . .
4.8. Обработка и анализ результатов имитационного моделирования.
4.8.1. Оценка вероятностных параметров. . . . . . . . . . . . . . . . . . . .
4.8.2. Оценка корреляционных параметров. . . . . . . . . . . . . . . . . . .
4.8.3. Расчет средних по времени параметров СМО. . . . . . . . . . . .
4.9. Планирование экспериментов с имитационными моделями. . . . .
4.10. Общие проблемы имитационного моделирования. . . . . . . . . . . .
5. ОБЗОР АЛЬТЕРНАТИВНЫХ ПОДХОДОВ К МОДЕЛИРОВАНИЮ
СЛОЖНЫХ СИСТЕМ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1. Сети Петри. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1. Определение сети Петри. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.2. Функционирование сети Петри. . . . . . . . . . . . . . . . . . . . . . . .
5.1.3. Анализ сетей Петри. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2. Нейронные сети. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.1. Понятие нейронной сети. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.2. Искусственный нейрон. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.3. Основные виды активационных функций искусственных
нейронов. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.4. Виды простейших нейронных сетей. . . . . . . . . . . . . . . . . . . .
5.2.5. Рекуррентные и самоорганизующиеся нейронные сети. . .
5.2.6. Общие замечания по использованию нейронных сетей. . . .
5.3. Информационно-энтропийный подход к моделированию систем
СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . .

ВВЕДЕНИЕ

Моделирование является универсальным методом получения и использо- вания знаний об окружающем мире. Моделирование всегда используется чело- веком в целенаправленной деятельности, особенно в исследовательской. В со- временных условиях усиливается роль и значение математического моделиро- вания, которое с развитием средств вычислительной техники часто стали назы- вать компьютерным.

Математические (компьютерные) модели, в силу своей логичности и строгого формального характера, позволяют выявить основные факторы, опре- деляющие свойства изучаемых систем и исследовать их реакции на внешние воздействия и изменения параметров. Часто математические модели проще и удобнее использовать, чем натуральные (физические). Они позволяют прово- дить вычислительные эксперименты, реальная постановка которых затруднена или невозможна.

Изучение основных принципов математического моделирования является неотъемлемой частью подготовки специалистов в технических областях дея- тельности. Дисциплины, связанные с изучением основных аспектов моделиро- вания объектов и систем в обязательном порядке входят в соответствующие учебные планы, являясь компонентами федеральных образовательных стандар- тов.

Целью данного учебного пособия является последовательное изложение современных методов моделирования. Пособие предназначено главным обра- зом для студентов, обучающихся по специальностям и направлениям «Инфор- мационные системы» и «Прикладная информатика (по отраслям». Однако, учи- тывая опыт преподавания подобных дисциплин в технических вузах, авторы сочли целесообразным не ограничиваться рассмотрением только информаци- онных систем, но и включить в текст рассмотрение технических и технико- экономических систем и объектов.

Материал пособия выстроен следующим образом. В первой главе рас- сматриваются общие вопросы и современная методология моделирования, ис- пользование системного подхода при создании математических моделей. Вто- рая глава посвящена рассмотрению непрерывных и дискретных детерминиро- ванных моделей объектов и систем. Предлагается использование метода анало- гий при синтезе и анализе моделей технических объектов различной физиче- ской природы. В третьей главе изучаются стохастические модели с дискретным и непрерывным временем. Большое внимание в пособии уделено методам ими- тационного моделирования систем с вероятностными характеристиками, что составляет содержание четвертой главы. В пятой главе дается обзор других подходов к моделированию сложных систем, таких как информационно- энтропийный, использование нейронных сетей и сетей Петри.

ОБЩИЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

Понятие модели и моделирования.

Модель в широком смысле - это любой образ, аналог мысленный или установленный изображение, описание, схема, чертеж, карта и т. п. какого либо объема, процесса или явления, используемый в качестве его заменителя или представителя. Сам объект, процесс или явление называется оригиналом данной модели.

Моделирование - это исследование какого либо объекта или системы объектов путем построения и изучения их моделей. Это использование моделей для определения или уточнения характеристик и рационализации способов построения вновь конструируемых объектов.

На идее моделирования базируется любой метод научного исследования, при этом, в теоретических методах используются различного рода знаковые, абстрактные модели, в экспериментальных - предметные модели.

При исследовании сложное реальное явление заменяется некоторой упрощенной копией или схемой, иногда такая копия служит лишь только для того чтобы запомнить и при следующей встрече узнать нужное явление. Иногда построенная схема отражает какие - то существенные черты, позволяет разобраться в механизме явления, дает возможность предсказать его изменение. Одному и тому же явлению могут соответствовать разные модели.

Задача исследователя - предсказывать характер явления и ход процесса.

Иногда, бывает, что объект доступен, но эксперименты с ним дорогостоящи или привести к серьезным экологическим последствиям. Знания о таких процессах получают с помощью моделей.

Важный момент - сам характер науки предполагает изучение не одного конкретного явления, а широкого класса родственных явлений. Предполагает необходимость формулировки каких - то общих категорических утверждений, которые называются законами. Естественно, что при такой формулировке многими подробностями пренебрегают. Чтобы более четко выявить закономерность сознательно идут на огрубление, идеализацию, схематичность, то есть изучают не само явление, а более или менее точную ее копию или модель. Все законы- это законы о моделях, а поэтому нет ничего удивительного в том, что с течением времени некоторые научные теории признаются непригодными. Это не приводит к краху науки, поскольку одна модель заменилась другой более современной .

Особую роль в науке играют математические модели, строительный материал и инструменты этих моделей - математические понятия. Они накапливались и совершенствовались в течении тысячелетий. Современная математика дает исключительно мощные и универсальные средства исследования. Практически каждое понятие в математике, каждый математический объект, начиная от понятия числа, является математической моделью. При построении математической модели, изучаемого объекта или явления выделяют те его особенности, черты и детали, которые с одной стороны содержат более или менее полную информацию об объекте, а с другой допускают математическую формализацию. Математическая формализация означает, что особенностям и деталям объекта можно поставить в соответствие подходящие адекватные математические понятия: числа, функции, матрицы и так далее. Тогда связи и отношения, обнаруженные и предполагаемые в изучаемом объекте между отдельными его деталями и составными частями можно записать с помощью математических отношений: равенств, неравенств, уравнений. В результате получается математическое описание изучаемого процесса или явление, то есть его математическая модель.

Изучение математической модели всегда связанно с некоторыми правилами действия над изучаемыми объектами. Эти правила отражают связи между причинами и следствиями.

Построение математической модели - это центральный этап исследования или проектирования любой системы. От качества модели зависит весь последующий анализ объекта. Построение модели - это процедура не формальная. Сильно зависит от исследователя, его опыта и вкуса, всегда опирается на определенный опытный материал. Модель должна быть достаточно точной, адекватной и должна быть удобна для использования.

Математическое моделирование.

Классификация математических моделей.

Математические модели могут быть детерменированными и стохастическими .

Детерменированные модели- это модели, в которых установлено взаимно-однозначное соответствие между переменными описывающими объект или явления.

Такой подход основан на знании механизма функционирования объектов. Часто моделируемый объект сложен и расшифровка его механизма может оказаться очень трудоемкой и длинной во времени. В этом случае поступают следующим образом: на оригинале проводят эксперименты, обрабатывают полученные результаты и, не вникая в механизм и теорию моделируемого объекта с помощью методов математической статистики и теории вероятности, устанавливают связи между переменными, описывающими объект. В этом случае получают стахостическую модель. В стахостической модели связь между переменными носит случайный характер, иногда это бывает принципиально. Воздействие огромного количества факторов, их сочетание приводит к случайному набору переменных описывающих объект или явление. По характеру режимов модель бывают статистическими и динамическими .

Статистическая модель включает описание связей между основными переменными моделируемого объекта в установившемся режиме без учета изменения параметров во времени.

В динамической модели описываются связи между основными переменными моделируемого объекта при переходе от одного режима к другому.

Модели бывают дискретными и непрерывными , а также смешанного типа. В непрерывных переменные принимают значения из некоторого промежутка, в дискретных переменные принимают изолированные значения.

Линейные модели - все функции и отношения, описывающие модель линейно зависят от переменных и не линейные в противном случае.

Математическое моделирование.

Требования,п редъявляемые к моделям.

1. Универсальность - характеризует полноту отображения моделью изучаемых свойств реального объекта.

1. Адекватность - способность отражать нужные свойства объекта с погрешностью не выше заданной.
2. Точность - оценивается степенью совпадения значений характеристик реального объекта и значения этих характеристик полученных с помощью моделей.
3. Экономичность - определяется затратами ресурсов ЭВМ памяти и времени на ее реализацию и эксплуатацию.

Математическое моделирование.

Основные этапы моделирования.

1. Постановка задачи.

Определение цели анализа и пути ее достижения и выработки общего подхода к исследуемой проблеме. На этом этапе требуется глубокое понимание существа поставленной задачи. Иногда, правильно поставить задачу не менее сложно чем ее решить. Постановка - процесс не формальный, общих правил нет.

2. Изучение теоретических основ и сбор информации об объекте оригинала.

На этом этапе подбирается или разрабатывается подходящая теория. Если ее нет, устанавливаются причинно - следственные связи между переменными описывающими объект. Определяются входные и выходные данные, принимаются упрощающие предположения.

3. Формализация.

Заключается в выборе системы условных обозначений и с их помощью записывать отношения между составляющими объекта в виде математических выражений. Устанавливается класс задач, к которым может быть отнесена полученная математическая модель объекта. Значения некоторых параметров на этом этапе еще могут быть не конкретизированы.

4. Выбор метода решения.

На этом этапе устанавливаются окончательные параметры моделей с учетом условия функционирования объекта. Для полученной математической задачи выбирается какой - либо метод решения или разрабатывается специальный метод. При выборе метода учитываются знания пользователя, его предпочтения, а также предпочтения разработчика.

5. Реализация модели.

Разработав алгоритм, пишется программа, которая отлаживается, тестируется и получается решение нужной задачи.

6. Анализ полученной информации.

Сопоставляется полученное и предполагаемое решение, проводится контроль погрешности моделирования.

7. Проверка адекватности реальному объекту.

Результаты, полученные по модели сопоставляются либо с имеющейся об объекте информацией или проводится эксперимент и его результаты сопоставляются с расчётными.

Процесс моделирования является итеративным. В случае неудовлетворительных результатов этапов 6. или 7. осуществляется возврат к одному из ранних этапов, который мог привести к разработке неудачной модели. Этот этап и все последующие уточняются и такое уточнение модели происходит до тех пор, пока не будут получены приемлемые результаты.

Математическая модель - это приближенное описание какого-либо класса явлений или объектов реального мира на языке математики. Основная цель моделирования - исследовать эти объекты и предсказать результаты будущих наблюдений. Однако моделирование - это еще и метод познания окружающего мира, дающий возможность управлять им.

Математическое моделирование и связанный с ним компьютерный эксперимент незаменимы в тех случаях, когда натурный эксперимент невозможен или затруднен по тем или иным причинам. Например, нельзя поставить натурный эксперимент в истории, чтобы проверить, «что было бы, если бы...» Невозможно проверить правильность той или иной космологической теории. В принципе возможно, но вряд ли разумно, поставить эксперимент по распространению какой-либо болезни, например чумы, или осуществить ядерный взрыв, чтобы изучить его последствия. Однако все это вполне можно сделать на компьютере, построив предварительно математические модели изучаемых явлений.

1.1.2 2. Основные этапы математического моделирования

1) Построение модели . На этом этапе задается некоторый «нематематический» объект - явление природы, конструкция, экономический план, производственный процесс и т. д. При этом, как правило, четкое описание ситуации затруднено. Сначала выявляются основные особенности явления и связи между ними на качественном уровне. Затем найденные качественные зависимости формулируются на языке математики, то есть строится математическая модель. Это самая трудная стадия моделирования.

2) Решение математической задачи, к которой приводит модель . На этом этапе большое внимание уделяется разработке алгоритмов и численных методов решения задачи на ЭВМ, при помощи которых результат может быть найден с необходимой точностью и за допустимое время.

3) Интерпретация полученных следствий из математической модели. Следствия, выведенные из модели на языке математики, интерпретируются на языке, принятом в данной области.

4) Проверка адекватности модели. На этом этапе выясняется, согласуются ли результаты эксперимента с теоретическими следствиями из модели в пределах определенной точности.

5) Модификация модели. На этом этапе происходит либо усложнение модели, чтобы она была более адекватной действительности, либо ее упрощение ради достижения практически приемлемого решения.

1.1.3 3. Классификация моделей

Классифицировать модели можно по разным критериям. Например, по характеру решаемых проблем модели могут быть разделены на функциональные и структурные. В первом случае все величины, характеризующие явление или объект, выражаются количественно. При этом одни из них рассматриваются как независимые переменные, а другие - как функции от этих величин. Математическая модель обычно представляет собой систему уравнений разного типа (дифференциальных, алгебраических и т. д.), устанавливающих количественные зависимости между рассматриваемыми величинами. Во втором случае модель характеризует структуру сложного объекта, состоящего из отдельных частей, между которыми существуют определенные связи. Как правило, эти связи не поддаются количественному измерению. Для построения таких моделей удобно использовать теорию графов. Граф - это математический объект, представляющий собой некоторое множество точек (вершин) на плоскости или в пространстве, некоторые из которых соединены линиями (ребрами).

По характеру исходных данных и результатов предсказания модели могут быть разделены на детерминистические и вероятностно-статистические. Модели первого типа дают определенные, однозначные предсказания. Модели второго типа основаны на статистической информации, а предсказания, полученные с их помощью, имеют вероятностный характер.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ВСЕОБЩАЯ КОМПЬЮТЕРИЗАЦИЯ ИЛИ ИМИТАЦИОННЫЕ МОДЕЛИ

Сейчас, когда в стране происходит чуть ли не всеобщая компьютеризация, от специалистов различных профессий приходится слышать высказывания: "Вот внедрим у себя ЭВМ, тогда все задачи сразу же будут решены". Эта точка зрения совершенно не верна, сами по себе ЭВМ без математических моделей тех или иных процессов ничего сделать не смогут и о всеобщей компьютеризации можно лишь мечтать.

В подтверждение вышесказанного попытаемся обосновать необходимость моделирования, в том числе математического, раскроем его преимущества в познании и преобразовании человеком внешнего мира, выявим существующие недостатки и пойдем… к имитационному моделированию, т.е. моделированию с использованием ЭВМ. Но все по порядку.

Прежде всего, ответим на вопрос: что такое модель?

Модель – это материальный или мысленно представленный объект, который в процессе познания (изучения) замещает оригинал, сохраняя некоторые важные для данного исследования типичные свойства.

Хорошо построенная модель доступнее для исследования – нежели реальный объект. Например, недопустимы эксперименты с экономикой страны в познавательных целях, здесь без модели не обойтись.

Резюмируя сказанное можно ответить на вопрос: для чего нужны модели? Для того, чтобы

• понять, как устроен объект (его структура, свойства, законы развития, взаимодействия с окружающим миром).
• научиться управлять объектом (процессом) и определять наилучшие стратегии
• прогнозировать последствия воздействия на объект.

Что положительного в любой модели? Она позволяет получить новые знания об объекте, но, к сожалению, в той или иной степени не полна.

Модель сформулированная на языке математики с использованием математических методов называется математической моделью.

Исходным пунктом ее построения обычно является некоторая задача, например экономическая. Широко распространены, как дескриптивные, так и оптимизационные математические, характеризующие различные экономические процессы и явления, например:

• распределение ресурсов
• рациональный раскрой
• транспортные перевозки
• укрупнение предприятий
• сетевое планирование.

Каким образом происходит построение математической модели?

• Во–первых , формулируется цель и предмет исследования.
• Во–вторых , выделяются наиболее важные характеристики, соответствующие данной цели.
• В–третьих, словесно описываются взаимосвязи между элементами модели.
• Далее взаимосвязь формализуется.
• И производится расчет по математической модели и анализ полученного решения.

Используя данный алгоритм можно решить любую оптимизационную задачу, в том числе и многокритериальную, т.е. ту в которой преследуется не одна, а несколько целей, в том числе противоречивых.

Приведем пример. Теория массового обслуживания – проблема образования очередей. Нужно уравновесить два фактора – затраты на содержание обслуживающих устройств и затраты на пребывание в очереди. Построив формальное описание модели производят расчеты, используя аналитические и вычислительные методы. Если модель хороша, то ответы найденные с ее помощью адекватны моделирующей системе, если плоха, то подлежит улучшению и замене. Критерием адекватности служит практика.

Оптимизационные модели, в том числе многокритериальные, имеют общее свойство– из вестна цель(или несколько целей) для достижения которой часто приходится иметь дело со сложными системами, где речь идет не столько о решении оптимизационных задач, сколько об исследовании и прогнозировании состояний в зависимости от избираемых стратегий управления. И здесь мы сталкиваемся с трудностями реализации прежнего плана. Они состоят в следующем:

• сложная система содержит много связей между элементами
• реальная система подвергается влиянию случайных факторов, учет их аналитическим путем невозможен
• возможность сопоставления оригинала с моделью существует лишь в начале и после применения математического аппарата, т.к. промежуточные результаты могут не иметь аналогов в реальной системе.

В связи с перечисленными трудностями, возникающими при изучении сложных систем, практика потребовала более гибкий метод, и он появился – имитационное моделирование "Simujation modeling ".

Обычно под имитационной моделью понимается комплекс программ для ЭВМ, описывающий функционирование отдельных блоков систем и правил взаимодействия между ними. Использование случайных величин делает необходимым многократное проведение экспериментов с имитационной системой (на ЭВМ) и последующий статистический анализ полученных результатов. Весьма распространенным примером использования имитационных моделей является решение задачи массового обслуживания методом МОНТЕ–КАРЛО.

Таким образом, работа с имитационной системой представляет собой эксперимент, осуществляемый на ЭВМ. В чем же заключаются преимущества?

–Большая близость к реальной системе, чем у математических моделей;

–Блочный принцип дает возможность верифицировать каждый блок до его включения в общую систему;

–Использование зависимостей более сложного характера, не описываемых простыми математическими соотношениями.

Перечисленные достоинства определяют недостатки

–построить имитационную модель дольше, труднее и дороже;

–для работы с имитационной системой необходимо наличие подходящей по классу ЭВМ;

–взаимодействие пользователя и имитационной модели (интерфейс) должно быть не слишком сложным, удобным и хорошо известным;

–построение имитационной модели требует более глубокого изучения реального процесса, нежели математическое моделирование.

Встает вопрос: может ли имитационное моделирование заменить методы оптимизации? Нет, но удобно дополняет их. Имитационная модель – это программа, реализующая некоторый алгоритм, для оптимизации управления которым прежде решается оптимизационная задача.

Итак, ни ЭВМ, ни математическая модель, ни алгоритм для ее исследования порознь не могут решить достаточно сложную задачу. Но вместе они представляют ту силу, которая позволяет познавать окружающий мир, управлять им в интересах человека.

1.2 Классификация моделей

1.2.1 Классификация с учетом фактора времени и области использования (Макарова Н.А.) Статическая модель - это как бы одномоментный срез информации по объекту (результат одного обследования) Динамическая модель-позволяет увидеть изменения объекта во времени(Карточка в поликлинике) Можно классифицировать модели и по тому, к какой области знаний они принадлежат (биологические,исторические , экологические и т.п.) Возврат в начало

1.2.2 Классификация по области использования (Макарова Н.А.) Учебные- наглядные пособия, тренажеры,о бучающие программы Опытные модели-уменьшенные копии (автомобиль в аэродинамической трубе) Научно-технические- синхрофазотрон , стенд для проверки электронной аппаратуры Игровые- экономические , спортивные, деловые игры Имитационные- не просто отражают реальность, но имитируют ее(на мышах испытываеется лекарство, в школах проводятся эксперементы и т.п. .Такой метод моделирования называется методом проб и ошибок Возврат в начало

1.2.3 Классификация по способу представления Макарова Н.А.) Материальные модели-иначе можно назвать предметными. Они воспринимают геометрические и физические свойства оригинала и всегда имеют реальное воплощение Информационные модели-нельзя потрогать или увидеть. Они строятся только на информации.И нформационная модель совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром. Вербальная модель - информационная модель в мысленной или разговорной форме. Знаковая модель-информационная модель выраженная знаками,т .е . средствами любого формального языка. Компьютерная модель -м одель, реализованная средствами программной среды.

1.2.4 Классификация моделей, приведенная в книге "Земля Информатика" (Гейн А.Г.)) "...вот нехитрая на первый взгляд задача: сколько потребуется времени, чтобы пересечь пустыню Каракумы? Ответ,разумеется зависит от способа передвижения. Если путешествоватьна верблюдах , то потребуется один срок, другой-если ехать на автомобиле, третий - если лететь самолетом. А самое главное - для планирования путешествия требуются разные модели. Для первого случая требуемую модель можно найти в мемуарах знаменитых исследователей пустынь: ведь здесь не обойтись без информации об оазисах и верблюжьих тропах. Во втором случае незаменимая информация, содержащаяся в атласе автомобильных дорог. В третьем - можно воспользоваться расписанием самолетных рейсов. Отличаются эти три модели - мемуары, атлас и расписание и характером предьявления информации. В первом случае модель представлена словесным описанием информации (описательная модель) , во втором- как бы фотографией с натуры (натурная модель) , в третьем - таблицей содержащей условные обозначения: время вылета и прилета, день недели, цена билета (так называемая знаковая модель) Впрочем это деление весьма условно- в мемуарах могут встретиться карты и схемы (элементы натурной модели), на картах имеются условные обозначения (элементы знаковой модели), в расписании приводится расшифровка условных обозначений (элементы описательной модели). Так что эта классификация моделей... на наш взгля малопродуктивна" На мой взгляд этот фрагмент демонстрирует общий для всех книг Гейна описательный (замечательный язык и стиль изложения) и как бы, сократовский стиль обучения (Все считают что это вот так. Я совершенно согласен с вами, но если приглядеться, то...). В таких книгах достаточно сложно найти четкую систему определений (она и не предполагается автором). В учебнике под редакцией Н.А. Макаровой демонстрируется другой подход - определения понятий четко выделены и несколько статичны.

1.2.5 Классификация моделей приведенная в пособии А.И.Бочкина Способов классификации необычно много.П риведем лишь некоторые, наиболее известные основания и признаки:дискретность и непрерывность,матричные и скалярные модели, статические и динамические модели, аналитические и информационные модели, предметные и образно-знаковые модели, масштабные и немасштабные... Каждый признак даетопределенное знание о свойствах и модели, и моделируемой реальности. Признак может служить подсказкой о способе выполненного или предстоящего моделирования. Дискретность и непрерывностьДискретность - характерный признак именно компьютерных моделей.В едь компьютер может находиться в конечном, хотя и очень большом количестве состояний. Поэтому даже если объект непрерывен (время), в модели он будет изменяться скачками. Можно считать непрерывность признаком моделей некомпьютерного типа. Случайность и детерминированность . Неопределенность, случайность изначально противостоит компьютерному миру: Запущенный вновь алгоритм должен повториться и дать те же результаты. Но для имитации случайных процессов используют датчики псевдослучайных чисел. Введение случайности в детерминированные задачи приводит к мощным и интересным моделям (Вычисление площади методом случайных бросаний). Матричность - скалярность . Наличие параметров у матричной модели говорит о ее большей сложности и, возможно, точности по сравнению со скалярной . Например, если не выделить в населении страны все возрастные группы, рассматривая его изменение как целое, получим скалярную модель (например модель Мальтуса), если выделить, - матричную (половозрастную). Именно матричная модель позволила объяснить колебания рождаемости после войны. Статичность динамичность . Эти свойства модели обычно предопределяются свойствами реального объекта. Здесь нет свободы выбора. Просто статическая модель может быть шагом к динамической , либо часть переменных модели может считаться пока неизменной. Например, спутник движется вокруг Земли, на его движение влияет Луна. Если считать Луну неподвижной за время оборота спутника, получим более простую модель. Аналитические модели . Описание процессов аналитически , формулами и уравнениями. Но при попытке построить график удобнее иметь таблицы значений функции и аргументов. Имитационные модели . Имитационные модели появились давно в виде масштабных копий кораблей, мостов и пр. появились давно, но в связи с компьютерами рассматриваются недавно. Зная как связаны элементы модели аналитически и логически, проще не решать систему неких соотношений и уравнений, а отобразить реальную систему в память компьютера, с учетом связей между элементами памяти. Информационные модели . Информационные модели принято противополагать математическим , точнее алгоритмическим. Здесь важно соотношение объемов данные/алгоритмы. Если данных больше или они важнее имеем информационную модель, иначе - математичеескую . Предметные модели . Это прежде всего детская модель - игрушка. Образно-знаковые модели . Это прежде всего модель в уме человека: образная , если преобладают графические образы, и знаковая , если больше слов или (и) чисел. Образно-знаковые модели строятся на компьютере. Масштабные модели . К масштабным моделям те из предметных или образных моделей, которые повторяют форму объекта (карта).

Содержание Предмет математического моделирования. Основы моделирования. Понятие модели. Принцип моделирования. Моделирование как метод научного познания. Этапы моделирования. Характеристика 1 – 2 этапов. Этапы моделирования. Характеристика 3 – 4 этапов. Классификация моделей. Общий обзор. Классификация экономико-математических моделей. Этапы экономико-математического моделирования. Математическая модель. Линейное программирование. Постановка задачи линейного программирования. Геометрическая интерпретация и графическое решение задачи линейного программирования. Симплексный метод. Построение начального опорного плана. Симплексные таблицы. Признак оптимальности опорного плана. Понятие двойственности. Построение двойственных задач и их свойства. Транспортная задача. Построение исходного опорного плана. Транспортная задача. Метод потенциалов.

Содержание Основные понятия и определения теории графов. Упорядочение элементов орграфа. Алгоритм Фалкерсона. Решение задач о нахождении кратчайших путей в графе. Задача о максимальном потоке и ее приложения. Транспортная задача в сетевой постановке. Элементы сетевого планирования. Принципы динамического программирования, вычислительная процедура метода. Метод Монте-Карло. Суть метода. Решение задач методом Монте-Карло. Элементы теории матричных игр. Парные матричные игры с нулевой суммой. Методы решения матричных игр. Игры с природой. Критерии для принятия решения. Пакет Maple 7. Общий обзор пакета. Его возможности. Интерфейс программы, работа с командами. Использование переменных. Работа с таблицами.

Предмет математического моделирования. Основы моделирования Математическое моделирование - это исследование явлений, процессов, систем или объектов путем построения и изучения их моделей и использования последних для определения или уточнения характеристик и рациональных способов построения вновь конструируемых технологических процессов, систем и объектов. Математическая модель - это абстракция реального мира, в которой интересующие исследователя отношения между реальными элементами заменены подходящими отношениями между математическими категориями. Эти отношения, как правило, представлены в форме уравнений и (или) неравенств, характеризующих функционирование моделируемой реальной системы. Искусство построения математических моделей состоит в том, чтобы совместить как можно большую лаконичность в ее математическом описании с достаточной точностью модельного воспроизводства именно тех сторон анализируемой реальности, которые интересуют исследователя. Меню Моделирование - творческий процесс, требующий серьезной подготовки и переработки большого объема информации, сочетающий в себе трудоемкость и эвристические начала и носящий вероятностный характер.

Понятие модели. Моделирование как метод научного познания Модель - это некоторое упрощенное подобие реального объекта, явления или процесса. Модель - это такой материальный или мысленно представляемый объект, который замещает объект-оригинал с целью его исследования, сохраняя некоторые важные для данного исследования типичные черты и свойства оригинала. Хорошо построенная модель, как правило, доступнее для исследования, чем реальный объект (например, такой, как экономика страны, Солнечная система и т. п.). Другое, не менее важное назначение модели состоит в том, что с ее помощью выявляются наиболее существенные факторы, формирующие те или иные свойства объекта. Модель также позволяет учиться управлять объектом, что важно в тех случаях, когда экспериментировать с объектом бывает неудобно, трудно или невозможно (например, когда эксперимент имеет большую продолжительность или когда существует риск привести объект в нежелательное или необратимое состояние). Таким образом, можно сделать вывод, что модель необходима для того, чтобы: понять, как устроен конкретный объект - каковы его структура, основные свойства, законы развития и взаимодействия с окружающим миром; научиться управлять объектом или процессом и определить наилучшие способы управления при заданных целях и критериях (оптимизация); Меню прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект, процесс.

Этапы моделирования Характеристика 1 этапа I этап. Постановка задачи Под задачей в самом общем смысле понимается некая проблема, которую надо решить. Главное - определить объект моделирования и понять, что собой должен представлять результат. По характеру постановки все задачи можно разделить на две основные группы. К первой группе можно отнести задачи, в которых требуется исследовать, как изменяется характеристика объекта при некотором воздействии на него. Такую постановку задачи принято называть "что будет, если. . . ". Вторая группа задач имеет такую обобщенную формулировку: какое надо произвести воздействие на объект, чтобы его параметры удовлетворяли некоторому заданному условию? Такая постановка задачи часто называется "как сделать, чтобы. . . ". Цели моделирования определяются расчетными параметрами модели. Чаще всего это поиск ответа на вопрос, поставленный в формулировке задачи. Далее переходят к описанию объекта или процесса. На этой стадии выявляются факторы, от которых зависит поведение модели. При моделировании в электронных таблицах учитывать можно только те параметры, которые имеют количественные характеристики. Иногда задача может быть уже сформулирована в упрощенном виде, и в ней четко поставлены цели и определены параметры модели, которые надо учесть. При анализе объекта необходимо ответить на следующий вопрос: можно ли исследуемый объект или процесс рассматривать как единое целое или же это система, состоящая из более простых объектов? Если это единое целое, то можно перейти к построению информационной модели. Если система - надо перейти к анализу объектов, ее составляющих, определить связи между ними. Меню

Этапы моделирования Характеристика 2 этапа II этап. Разработка модели По результатам анализа объекта составляется информационная модель. В ней детально описываются все свойства объекта, их параметры, действия и взаимосвязи. Далее информационная модель должна быть выражена в одной из знаковых форм. Учитывая, что мы будем работать в среде электронных таблиц, то информационную модель необходимо преобразовать в математическую. На основе информационной и математической моделей составляется компьютерная модель в форме таблиц, в которой выделяются три области данных: исходные данные, промежуточные расчеты, результаты. Исходные данные вводятся "вручную". Расчеты, как промежуточные, так и окончательные, проводятся по формулам, записанным по правилам электронных таблиц. Меню

Этапы моделирования Характеристика 3 этапа III этап. 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. Это требует больших материальных затрат и времени. В помощь пришли компьютерные исследования моделей. При проведении компьютерного эксперимента проверяют правильность построения моделей. Изучают поведение модели при различных параметрах объекта. Каждый эксперимент сопровождается осмыслением результатов. Если результаты компьютерного эксперимента противоречат смыслу решаемой задачи, то ошибку надо искать в неправильно выбранной модели или в алгоритме и методе ее решения. После выявления и устранения ошибок компьютерный эксперимент повторяется. Меню

Этапы моделирования Характеристика 4 этапа IV этап. Анализ результатов моделирования Заключительный этап моделирования - анализ модели. По полученным расчетным данным проверяется, насколько расчеты отвечают нашему представлению и целям моделирования. На этом этапе определяются рекомендации по совершенствованию принятой модели и, если возможно, объекта или процесса. Меню

Классификация моделей Классификация по области использования Учебные: наглядные пособия, различные тренажеры, обучающие программы. Опытные: уменьшенные или увеличенные копии исследуемого объекта для дальнейшего изучения (модели корабля, автомобиля, самолета, гидростанции). Научно-технические модели создают для исследования процессов и явлений (стенд для проверки телевизоров; синхротрон - ускоритель электронов и др.). Игровые: военные, экономические, спортивные, деловые игры. Имитационные: отражают реальность с той или иной степенью точности (испытание нового лекарственного средства в ряде опытах на мышах; эксперименты по внедрению в производство новой технологии). Классификация с учетом фактора времени Статическая модель - модель объекта в данный момент времени. Динамическая модель позволяет увидеть изменения объекта во времени. Меню

Классификация моделей Классификация по способу представления Материальная модель - это физическое подобие объекта. Они воспроизводят геометрические и физические свойства оригинала (чучела птиц, муляжи животных, внутренних органов человеческого организма, географические и исторические карты, схема солнечной системы). Информационная модель - это совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром. Любая информационная модель содержит лишь существенные сведения об объекте с учетом той цели, для которой она создается. Информационные модели одного и того же объекта, предназначенные для разных целей, могут быть совершенно разными. Вербальная модель - информационная модель в мысленной или разговорной форме. Знаковая модель - информационная модель, выраженная специальными знаками, т. е. средствами любого формального языка. Знаковые модели - это рисунки, тексты, графики, схемы, таблицы и т. д. Компьютерная модель - модель, реализованная средствами программной среды. Прежде чем построить модель объекта (явления, процесса), необходимо выделить составляющие его элементы и связи между ними (провести системный анализ) и "перевести" полученную структуру в какую-либо заранее определенную форму - формализовать информацию. Меню Формализация - это процесс выделения и перевода внутренней структуры предмета, явления или процесса в определенную информационную структуру - форму.

Классификация экономикоматематических моделей Экономико-математические модели – модели управляемых и регулируемых экономических процессов, использующиеся для преобразования экономической действительности. Адекватность моделей объектам моделирования определяется по совпадению результатов исследования с наблюдаемыми фактами. Практика в этом случае означает действительность. По целевому назначению экономико-математические модели бывают Теоретико-аналитические Прикладные Экономико-математические модели делятся на модели всего народного хозяйства и его подсистем (отраслей, регионов и т. д.) Модели бывают функциональные и структурные. Модели бывают дескрептивные и нормативные. Дескрептивные модели отвечают на вопрос, как это происходит и как может дальше развиваться? Нормативные модели отвечают на вопрос как это должно быть? То есть предполагают целенаправленную деятельность. Различают модели жёстко детерминистские и модели, учитывающие случайность и неопределённость. Модели бывают статически и динамические. По длительности рассматриваемого периода различают модели краткосрочного (1 -5 лет) и долгосрочного (10 -15 и более лет) прогнозирования, планирования. Само время в таких моделях может изменяться либо, непрерывно либо дискретно. Меню Модели могут быть линейные и нелинейные.

Этапы экономико-математического моделирования. Постановка экономической проблемы и её анализ. Главное – определить сущность проблемы, принимаемые допущения и те вопросы на которые, требуется получить ответы. Этап включает выделение важнейших черт и свойств объекта, абстрагирование от второстепенных. Формирование гипотез, если требуется, объясняющих поведение и развитие объекта. Построение математической модели. Этап формализации экономической проблемы. Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше. Изменение сложности и громоздкости модели затрудняет процесс исследования. Нужно учитывать реальные возможности информационного и математического обеспечения. Нужно сопоставить затраты на моделирование с получаемым эффектом. Одной из важнейших особенностей математической модели является потенциальная возможность их использования для решения разных задач. Меню

Этапы экономико-математического моделирования. Математический анализ модели. Целью данного этапа является выяснение общих свойств модели. Важный момент – доказательство существования решения. Подготовка исходной информации Надо учитывать за какие сроки будет собрана нужная информация, учитывать затраты на подготовку информации. В процессе подготовки широко используются методы теории вероятности, теоретической и математической статистики. Численное решение. Разработка алгоритмов для численного решения задачи, составления программ для компьютера и непосредственно проведение расчетов. Трудность на этом этапе создаёт большая размерность экономических задач и необходимость обработки значительных массивов информации. Меню Анализ численных результатов и их применение. На этом этапе встаёт вопрос о правильности и полноте результатов моделирования, о степени их практической применимости.

Линейное программирование. Это раздел математического моделирования, все зависимости которого линейны. Математическая модель любой задачи линейного программирования имеет вид Z= max(min) Меню Условия не отрицательности Xj ≥ 0

Пример: При изготовлении изделий u 1 и u 2 используются токарные и фрезерные станки, а также сталь и цветные металлы, по технологическим нормам на производство единице изделия u 1 требуется 300 и 200 единиц соответственно токарного и фрезерного оборудования (в часах), и 10 и 20 единиц стали и цветных металлов (в кг.). для производства изделия u 2 требуется 400, 100, 70, 50 соответственно единиц тех же ресурсов. Цех располагает 12400 и 6800 часами, 640 и 840 кг. материала. Прибыль от реализации единице изделия u 1=6000 ден. ед. , u 2=16000 ден. ед. Требуется: Свести исходные данные в таблицу, удобную для построения модели. Составить математическую модель задачи. Определить план выпуска изделий, обеспечить max прибыль при условие что, время работы фрезерных станков должно быть использовано полностью.

Решение: Пусть х1 - число изделий u 1, а х2 – число изделий u 2, z – суммарная прибыль.

Линейное программирование. Эта общая или производная форма записи. Переменные Xj, которые удовлетворяют системе ограничений и условию не отрицательности, называются допустимыми. Допустимые переменные, которые превращают целевую функцию в max или min, называются оптимальными. Методы решения таких задач подразделяются на универсальные и специальные. Универсальным методом решают любые ЗЛП. Специальные методы учитывают особенности модели. Особенностью ЗЛП является то, что max (min) целевая функция достигает на границе области допустимых решений. К ЗЛП относятся: задача о выборе оптимальных технологий; задача о смесях; задача о раскрое материала; транспортная задача; Меню задача о наилучшем использовании ресурсов; задача о размещении заказа;

Постановка задачи линейного программирования Любая ЗЛП записывается с помощью математической модели. Существует 3 формы записи ЗЛП Меню Общая (произвольная)

Постановка задачи линейного программирования Все эти формы эквивалентны. Чтобы от max перейти к min (или наоборот) надо поменять знаки у каждого слагаемого в записи целевой функции. Чтобы превратить неравенство вида в неравенство вида (и наоборот) нужно обе части неравенства умножить на -1. Меню Каноническая (основная) Чтобы неравенство превратить в равенство (и наоборот) нужно добавить или отнять от левой части дополнительную неотрицательную переменную, она называется балансовой. При записи целевой функции она имеет коэффициент =0.

Математическая модель технического объекта - совокупность математических объектов и отношений между ними, которая адекватно отражает свойства исследуемого объекта, интересующие исследователя (инженера).

Модель может быть представлена различными способами.

Формы представления модели:

инвариантная - запись соотношений модели с помощью традиционного математического языка безотносительно к методу решения уравнений модели;

аналитическая - запись модели в виде результата аналитического решения исходных уравнений модели;

алгоритмическая - запись соотношений модели и выбранного численного метода решения в форме алгоритма.

схемная (графическая) - представление модели на некотором графическом языке (например, язык графов, эквивалентные схемы, диаграммы и т.п.);

физическая

аналоговая

Наиболее универсальным является математическое описание процессов - математическое моделирование.

В понятие математического моделирования включают и процесс решения задачи на ЭВМ.

Обобщенная математическая модель

Математическая модель описывает зависимость между исходными данными и искомыми величинами.

Элементами обобщенной математической модели являются (рис. 1): множество входных данных (переменные) X,Y;

X - совокупность варьируемых переменных; Y - независимые переменные (константы);

математический оператор L, определяющий операции над этими данными; под которым понимается полная система математических операций, описывающих численные или логические соотношения между множествами входных и выходных данных (переменные);

множество выходных данных (переменных) G(X,Y); представляет собой совокупность критериальных функций, включающую (при необходимости) целевую функцию.

Математическая модель является математическим аналогом проектируемого объекта. Степень адекватности ее объекту определяется постановкой и корректностью решений задачи проектирования.

Множество варьируемых параметров (переменных) X образует пространство варьируемых параметров Rx (пространство поиска), которое является метрическим с размерностью n, равной числу варьируемых параметров.

Множество независимых переменных Y образуют метрическое пространство входных данных Ry. В том случае, когда каждый компонент пространства Ry задается диапазоном возможных значений, множество независимых переменных отображается некоторым ограниченным подпространством пространства Ry.

Множество независимых переменных Y определяет среду функционирования объекта, т.е. внешние условия, в которых будет работать проектируемый объект

Это могут быть:

• - технические параметры объекта, не подлежащие изменению в процессе проектирования;
• - физические возмущения среды, с которой взаимодействует объект проектирования;
• - тактические параметры, которые должен достигать объект проектирования.

Выходные данные рассматриваемой обобщенной модели образуют метрическое пространство критериальных показателей RG.

Схема использования математической модели в системе автоматизированного проектирования показана на рис.2.

Требования к математической модели

Основными требованиями, предъявляемыми к математическим моделям, являются требования адекватности, универсальности и экономичности.

Адекватность. Модель считается адекватной, если отражает заданные свойства с приемлемой точностью. Точность определяется как степень совпадения значений выходных параметров модели и объекта.

Точность модели различна в разных условиях функционирования объекта. Эти условия характеризуются внешними параметрами. В пространстве внешних параметров выделить область адекватности модели, где погрешность меньше заданной предельно допустимой погрешности. Определение области адекватности моделей - сложная процедура, требующая больших вычислительных затрат, которые быстро растут с увеличением размерности пространства внешних параметров. Эта задача по объему может значительно превосходить задачу параметрической оптимизации самой модели, поэтому для вновь проектируемых объектов может не решаться.

Универсальность - определяется в основном числом и составом учитываемых в модели внешних и выходных параметров.

Экономичность модели характеризуется затратами вычислительных ресурсов для ее реализации - затратами машинного времени и памяти.

Противоречивость требований к модели обладать широкой областью адекватности, высокой степени универсальности и высокой экономичности обусловливает использование ряда моделей для объектов одного и того же типа.

Методы получения моделей

Получение моделей в общем случае - процедура неформализованная. Основные решения, касающиеся выбора вида математических соотношений, характера используемых переменных и параметров, принимает проектировщик. В тоже время такие операции, как расчет численных значений параметров модели, определение областей адекватности и другие, алгоритмизированы и решаются на ЭВМ. Поэтому моделирование элементов проектируемой системы обычно выполняется специалистами конкретных технических областей с помощью традиционных экспериментальных исследований.

Методы получения функциональных моделей элементов делят на теоретические и экспериментальные.

Теоретические методы основаны на изучении физических закономерностей протекающих в объекте процессов, определении соответствующего этим закономерностям математического описания, обосновании и принятии упрощающих предположений, выполнении необходимых выкладок и приведении результата к принятой форме представления модели.

Экспериментальные методы основаны на использовании внешних проявлений свойств объекта, фиксируемых во время эксплуатации однотипных объектов или при проведении целенаправленных экспериментов.

Несмотря на эвристический характер многих операций моделирование имеет ряд положений и приемов, общих для получения моделей различных объектов. Достаточно общий характер имеют

методика макро моделирования,

математические методы планирования экспериментов,

алгоритмы формализуемых операций расчета численных значений параметров и определения областей адекватности.

Использование математических моделей

Вычислительная мощность современных компьютеров в сочетании с предоставлением пользователю всех ресурсов системы, возможностью диалогового режима при решении задачи и анализе результатов позволяют свести к минимуму время решения задачи.

При составлении математической модели от исследователя требуется:

изучить свойства исследуемого объекта;

умение отделить главные свойства объекта от второстепенных;

оценить принятые допущения.

Модель описывает зависимость между исходными данными и искомыми величинами. Последовательность действий, которые надо выполнить, чтобы от исходных данных перейти к искомым величинам, называют алгоритмом.

Алгоритм решения задачи на ЭВМ связан с выбором численного метода. В зависимости от формы представления математической модели (алгебраическая или дифференциальная форма) используются различные численные методы.

Суть экономико-математического моделирования заключается в описании социально-экономических систем и процессов в виде экономико-математических моделей.

Рассмотрим вопросы классификации экономико-математических методов. Эти методы, как отмечено выше, представляют собой комплекс экономико-математических дисциплин, являющихся сплавом экономики, математики и кибернетики.

Поэтому классификация экономико-математических методов сводится к классификации научных дисциплин, входящих в их состав. Хотя общепринятая классификация этих дисциплин пока не выработана, с известной степенью приближения в составе экономико-математических методов можно выделить следующие разделы:

• * экономическая кибернетика: системный анализ экономики, теория экономической информации и теория управляющих систем;
• * математическая статистика: экономические приложения данной дисциплины -- выборочный метод, дисперсионный анализ, корреляционный анализ, регрессионный анализ, многомерный статистический анализ, факторный анализ, теория индексов и др.;
• * математическая экономия и изучающая те же вопросы с количественной стороны эконометрия: теория экономического роста, теория производственных функций, межотраслевые балансы, национальные счета, анализ спроса и потребления, региональный и пространственный анализ, глобальное моделирование и др.;
• * методы принятия оптимальных решений, в том числе исследование операций в экономике. Это наиболее объемный раздел, включающий в себя следующие дисциплины и методы: оптимальное (математическое) программирование, в том числе методы ветвей и границ, сетевые методы планирования и управления, программно-целевые методы планирования и управления, теорию и методы управления запасами, теорию массового обслуживания, теорию игр, теорию и методы принятия решений, теорию расписаний. В оптимальное (математическое) программирование входят в свою очередь линейное программирование, нелинейное программирование, динамическое программирование, дискретное (целочисленное) программирование, дробно-линейное программирование, параметрическое программирование, сепарабельное программирование, стохастическое программирование, геометрическое программирование;
• * методы и дисциплины, специфичные отдельно как для централизованно планируемой экономики, так и для рыночной (конкурентной) экономики. К первым можно отнести теорию оптимального функционирования экономики, оптимальное планирование, теорию оптимального ценообразования, модели материально-технического снабжения и др. Ко вторым -- методы, позволяющие разработать модели свободной конкуренции, модели капиталистического цикла, модели монополии, модели индикативного планирования, модели теории фирмы и т. д.

Многие из методов, разработанных для централизованно планируемой экономики, могут оказаться полезными и при экономико-математическом моделировании в условиях рыночной экономики;

* методы экспериментального изучения экономических явлений. К ним относят, как правило, математические методы анализа и планирования экономических экспериментов, методы машинной имитации (имитационное моделирование), деловые игры. Сюда можно отнести также и методы экспертных оценок, разработанные для оценки явлений, не поддающихся непосредственному измерению.

Перейдем теперь к вопросам классификации экономико-математических моделей, другими словами, математических моделей социально-экономических систем и процессов.

Единой системы классификации таких моделей в настоящее время также не существует, однако обычно выделяют более десяти основных признаков их классификации, или классификационных рубрик. Рассмотрим некоторые из этих рубрик.

По общему целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые при изучении общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач анализа, прогнозирования и управления. Различные типы прикладных экономико-математических моделей как раз и рассматриваются в данном учебном пособии.

По степени агрегирования объектов моделирования модели разделяются на макроэкономические и микроэкономические. Хотя между ними и нет четкого разграничения, к первым из них относят модели, отражающие функционирование экономики как единого целого, в то время как микроэкономические модели связаны, как правило, с такими звеньями экономики, как предприятия и фирмы.

По конкретному предназначению, т. е. по цели создания и применения, выделяют балансовые модели, выражающие требование соответствия наличия ресурсов и их использования; трендовые модели, в которых развитие моделируемой экономической системы отражается через тренд (длительную тенденцию) ее основных показателей; оптимизационные модели, предназначенные для выбора наилучшего варианта из определенного числа вариантов производства, распределения или потребления; имитационные модели, предназначенные для использования в процессе машинной имитации изучаемых систем или процессов и др.

По типу информации, используемой в модели, экономике-математические модели делятся на аналитические, построенные на априорной информации, и идентифицируемые, построенные на апостериорной информации.

По учету фактора времени модели подразделяются на статические, в которых все зависимости отнесены к одному моменту времени, и динамические, описывающие экономические системы в развитии.

По учету фактора неопределенности модели распадаются на детерминированные, если в них результаты на выходе однозначно определяются управляющими воздействиями, и стохастические (вероятностные), если при задании на входе модели определенной совокупности значений на ее выходе могут получаться различные результаты в зависимости от действия случайного фактора.

Экономико-математические модели могут классифицироваться также по характеристике математических объектов, включенных в модель, другими словами, по типу математического аппарата, используемого в модели. По этому признаку могут быть выделены матричные модели, модели линейного и нелинейного программирования, корреляционно-регрессионные модели,

Основные понятия математического моделирования модели теории массового обслуживания, модели сетевого планирования и управления, модели теории игр и т.д.

Наконец, по типу подхода к изучаемым социально-экономическим системам выделяют дескриптивные и нормативные модели. При дескриптивном (описательном) подходе получаются модели, предназначенные для описания и объяснения фактически наблюдаемых явлений или для прогноза этих явлений; в качестве примера дескриптивных моделей можно привести названные ранее балансовые и трендовые модели. При нормативном подходе интересуются не тем, каким образом устроена и развивается экономическая система, а как она должна быть устроена и как должна действовать в смысле определенных критериев. В частности, все оптимизационные модели относятся к типу нормативных; другим примером могут служить нормативные модели уровня жизни.

Рассмотрим в качестве примера экономико-математическую модель межотраслевого баланса (ЭММ МОБ). С учетом приведенных выше классификационных рубрик это прикладная, макроэкономическая, аналитическая, дескриптивная, детерминированная, балансовая, матричная модель; при этом существуют как статические методы так и динамические

Линейное программирование -- это частный раздел оптимального программирования. В свою очередь оптимальное (математическое) программирование -- раздел прикладной математики, изучающий задачи условной оптимизации. В экономике такие задачи возникают при практической реализации принципа оптимальности в планировании и управлении.

Необходимым условием использования оптимального подхода к планированию и управлению (принципа оптимальности) является гибкость, альтернативность производственно- хозяйственных ситуаций, в условиях которых приходится принимать планово-управленческие решения. Именно такие ситуации, как правило, и составляют повседневную практику хозяйствующего субъекта (выбор производственной программы, прикрепление к поставщикам, маршрутизация, раскрой материалов, приготовление смесей и т.д.).

Суть принципа оптимальности состоит в стремлении выбрать такое планово-управленческое решение X = (xi, Х2 хп), где Ху, (у = 1. я) -- его компоненты, которое наилучшим образом учитывало бы внутренние возможности и внешние условия производственной деятельности хозяйствующего субъекта.

Слова «наилучшим образом» здесь означают выбор некоторого критерия оптимальности, т.е. некоторого экономического показателя, позволяющего сравнивать эффективность тех или иных планово-управленческих решений. Традиционные критерии оптимальности: «максимум прибыли», «минимум затрат», «максимум рентабельности» и др. Слова «учитывало бы внутренние возможности и внешние условия производственной деятельности» означают, что на выбор планово-управленческого решения (поведения) накладывается ряд условий, т.е. выбор X осуществляется из некоторой области возможных (допустимых) решений D; эту область называют также областью определения задачи. общая задача оптимального (математического) программирования, иначе -- математическая модель задачи оптимального программирования, в основе построения (разработки) которой лежат принципы оптимальности и системности.

Вектор X (набор управляющих переменных Xj, j = 1, п) называется допустимым решением, или планом задачи оптимального программирования, если он удовлетворяет системе ограничений. А тот план X (допустимое решение), который доставляет максимум или минимум целевой функции f(xi, *2, ..., хп), называется оптимальным планом (оптимальным поведением, или просто решением) задачи оптимального программирования.

Таким образом, выбор оптимального управленческого поведения в конкретной производственной ситуации связан с проведением с позиций системности и оптимальности экономико- математического моделирования и решением задачи оптимального программирования. Задачи оптимального программирования в наиболее общем виде классифицируют по следующим признакам.

• 1. По характеру взаимосвязи между переменными --
• а) линейные,
• б) нелинейные.

В случае а) все функциональные связи в системе ограничений и функция цели -- линейные функции; наличие нелинейности хотя бы в одном из упомянутых элементов приводит к случаю б).

• 2. По характеру изменения переменных --
• а) непрерывные,
• б) дискретные.

В случае а) значения каждой из управляющих переменных могут заполнять сплошь некоторую область действительных чисел; в случае б) все или хотя бы одна переменная могут принимать только целочисленные значения.

• 3. По учету фактора времени --
• а) статические,
• б) динамические.

В задачах а) моделирование и принятие решений осуществляются в предположении о независимости от времени элементов модели в течение периода времени, на который принимается планово-управленческое решение. В случае б) такое предположение достаточно аргументированно принято не может быть и необходимо учитывать фактор времени.

• 4. По наличию информации о переменных --
• а) задачи в условиях полной определенности (детерминированные),
• б) задачи в условиях неполной информации,
• в) задачи в условиях неопределенности.

В задачах б) отдельные элементы являются вероятностными величинами, однако известны или дополнительными статистическими исследованиями могут быть установлены их законы распределения. В случае в) можно сделать предположение о возможных исходах случайных элементов, но нет возможности сделать вывод о вероятностях исходов.

• 5. По числу критериев оценки альтернатив --
• а) простые, однокритериальные задачи,
• б) сложные, многокритериальные задачи.

В задачах а) экономически приемлемо использование одного критерия оптимальности или удается специальными процедурами (например, «взвешиванием приоритетов»)