Математические методы рискового моделирования реферат
Обновлено: 05.07.2024
Введение
Математическое моделирование на протяжении многих веков было одним из важнейших инструментов научного познания окружающего мира. Но только в середине двадцатого века, из-за распространения компьютеров, он вышел за рамки научных изучений и стал широко применяться в повседневной практике. Это разрешило с помощью математического моделирования решить несколько ранее не решаемых технических и естественнонаучных задач. Без математического моделирования невозможно реализовать космический полет, построить современный сверхзвуковой самолет, спроектировать ядерный реактор и обеспечить его безопасную эксплуатацию. В этом и состоит актуальность данной работы.
У каждого специалиста свое понятие о предмете математического моделирования, но основное - это употребление математики для решения определенных задач. Математическое моделирование иногда называют интеллектуальным ядром математики. Ведь без моделирования невозможно обрабатывать и передавать информацию и использовать компьютерные системы.
Целью данной работы является определение особенностей применения методов математического моделирования в экономических исследованиях. В связи с этим в работе поставлены следующие основные задачи:
- охарактеризовать сущность методов математического моделирования;
- рассмотреть методы математического моделирования в экономике;
- выявить особенности применения методов математического моделирования в экономике.
1. Сущность методов математического моделирования
Математическая модель - это формализация осваиваемого процесса и его описание в виде количественных соотношений, то есть выявление существенных признаков и свойств процессов и объекта исследования и их описание с помощью математических уравнений и формул.[1, с. 23]
После того, как модель построена, то есть математическая форма записана, мы можем либо использовать известные математические методы для ее изучения, либо, если таковых нет, разработать новые.
Математические модели были построены давно. Модель движения абсолютно твердого тела под действием указанных сил можно назвать старой, но используется каждый день. Он основан на трех законах Ньютона.
Как начать строить модель? Отправной точкой является некая эмпирическая реальная картина процесса, которая ставит перед исследователем задачу, в которой необходимо дать ответы на поставленные вопросы. Но прежде всего, необходимо установить, в чем заключается задача. Процесс формирования проблемы, которую можно описать математически, часто бывает длительным и требует многих навыков и информации, которые могут не иметь отношения к математике. Как правило, математикам нужно обращаться к нематематикам. После построения и улучшения модели она проверяется. Схема, представленная на рисунке 1, показывает основные этапы построения конкретных моделей.
Заключение
В заключение работы можно сделать следующие выводы.
Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.
Процесс моделирования включает три элемента: 1) субъект (исследователь), 2) объект исследования, 3) модель, опосредствующую отношения познающего субъекта и познаваемого объекта.
Проникновение математики в экономическую науку связано с преодолением значительных трудностей, лежащих в природе экономических процессов и специфике экономической науки
Сложность экономики иногда рассматривалась как обоснование невозможности её моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и. любой сложности, И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.
Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, её успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И, хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать неформализованные ещё проблемы, для которых математическое моделирование недостаточно эффективно.
Список использованной литературы
Власенко В. Д. В58 Математическое моделирование: учеб. пособие / В. Д. Власенко. – Хабаровск: Изд-во Хабар. гос. техн. ун-та, 2004. – 74 с.
Звягин Л. С. Математическое моделирование комплексных экономических процессов / Л. С. Звягин. — Текст : непосредственный // Экономика, управление, финансы : материалы IV Междунар. науч. конф. (г. Пермь, апрель 2015 г.). — Пермь : Зебра, 2015. — С. 23-29.
Моделирование экономических процессов: Учебник / Под ред. М.В. Грачевой, Ю.Н. Черемных. - М.: Юнити, 2013. - 543 c.
Моделирование экономических процессов: Учебник / Под ред. М.В. Грачевой, Ю.Н. Черемных . - М.: Юнити, 2015. - 543 c.
Радковская Е.В. Математические методы в современных экономических исследованиях/ Е.В. Радковская. – Журнал Вестник Югорского государственного университета. – 2015. – 37-40с.
Редькина Л.А. Применение методов математического анализа в моделировании экономических процессов // Международный студенческий научный вестник. – 2018. – № 3-1.;
Нет нужной работы в каталоге?
Сделайте индивидуальный заказ на нашем сервисе. Там эксперты помогают с учебой без посредников Разместите задание – сайт бесплатно отправит его исполнителя, и они предложат цены.
Цены ниже, чем в агентствах и у конкурентов
Вы работаете с экспертами напрямую. Поэтому стоимость работ приятно вас удивит
Реферат
По дисциплине: Математические методы оценки рисков\
Моделирование рисковыхситуаций
Выполнила: ст. гр. ПИ-32ф
Черникова Маргарита Сергеевна
Проверил преподаватель: доц.Кужелева С. А.
КУРСК 2015
Содержание
1. Введение
2. Классические критерии принятия решений.
3. Критерий Сэвиджа (минимаксного риска)
Пример решения 1
Пример 2.
4. Заключение
5. Список литературы
Введение
Основные понятия системного анализа
Системный анализ - наука, занимающаяся проблемой принятия решения в условиях анализа большого количества информации различной природы.
Изопределения следует, что целью применения системного анализа к конкретной проблеме является повышение степени обоснованности принимаемого решения, расширение множества вариантов, среди которых производится выбор, с одновременным указанием способов отбрасывания заведомо уступающим другим.
В системном анализе выделяют
методологию;
аппаратную реализацию;
практические приложения.
Методология включает определенияиспользуемых понятий и принципы системного подхода.
Дадим основные определения системного анализа.
Связь - важный для целей рассмотрения обмен между элементами веществом, энергией, информацией.
Элемент - некоторый объект (материальный, энергетический, информационный), который обладает рядом важных для нас свойств, но внутреннее строение (содержание) которого безотносительно к цели рассмотрения.
Система -совокупность элементов, которая обладает следующими признаками:
связями, которые позволяют посредством переходов по ним от элемента к элементу соединить два любых элемента совокупности;
свойством, отличным от свойств отдельных элементов совокупности.
Практически любой объект с определенной точки зрения может быть рассмотрен как система. Вопрос состоит в том, насколько целесообразна такая точка зрения.
Большая система -система, которая включает значительное число однотипных элементов и однотипных связей. В качестве примера можно привести трубопровод. Элементами последнего будут участки между швами или опорами. Для расчетов на прочность по методу конечных элементов элементами системы считаются небольшие участки трубы, а связь имеет силовой (энергетический) характер - каждый элемент действует на соседние.
Сложнаясистема - система, которая состоит из элементов разных типов и обладает разнородными связями между ними.
Автоматизированная система - сложная система с определяющей ролью элементов двух типов:
в виде технических средств;
в виде действия человека.
Для сложной системы автоматизированный режим считается более предпочтительным, чем автоматический. Например, посадка самолета выполняется при участиичеловека, а автопилот или бортовой компьютер используется лишь на относительно простых операциях. Типична также ситуация, когда решение, выработанное техническими средствами, утверждается к исполнению человеком.
Структура системы - расчленение системы на группы элементов с указанием связей между ними, неизменное на все время рассмотрения и дающее представление о системе в целом. Указанное расчленениеможет иметь материальную, функциональную, алгоритмическую или другую основу. Пример материальной структуры - структурная схема сборного моста, которая состоит из отдельных, собираемых на месте секций и указывает только эти секции и порядок их соединения. Пример функциональной структуры - деление двигателя внутреннего сгорания на системы питания, смазки, охлаждения, передачи крутящего момента.Пример алгоритмической структуры - алгоритм программного средства, указывающего последовательность действий или инструкция, которая определяет действия при отыскании неисправности технического устройства.
Структура системы может быть охарактеризована по имеющимся в ней типам связей. Простейшими из них являются последовательное, параллельное соединение и.
В статье описываются существующие математические модели и методы оценки рисков. Область математического моделирования распространилась в экономической науке очень активно, что позволяет более глубоко проводить исследования. Риск-менеджмент также требует точного обоснования принимаемых решений о значимости какого-либо риска, что возможно при проведении точных количественных расчетов, в том числе математического моделирования.
Ключевые слова: риск-менеджмент, принятие решений, математическое моделирование, оценка рисков
Для оценки рисков используются количественные и качественные методы оценки. Математическое моделирование относится к группе количественных методов. Качественные методы позволяют дать комплексную оценку вероятности наступления риска и ущерба от его реализации, однако недостатком является то, что необходимо привлекать компетентных экспертов. Количественные методы являются, в свою очередь более трудоемкими, но позволяют определить несколько альтернатив для принятия решений.
К количественным методам относят следующие виды расчетных методов (Рис. 1):
Рис. 1. Методы количественной оценки рисков
Статистические методы количественной оценки наиболее часто используются для оценки рисков (регрессионный анализ, метод средних величин и др.). Данные методы основаны на расчете вероятности наступления случайного события. Достоинством статистических методов является простота расчетов, недостатком — для достоверности необходимо наличие большого количества ретроспективной информации.
Логико-вероятностные методы применяются сравнительно недавно. В экономике данная группа методов используется чаще всего в банковской сфере. С помощью этих методов созданы вероятностная, логическая и структурная модели кредитного риска, а также вычислена цена за риск кредита и меры риска.
Метод аналогий, согласно названию, основан на анализе баз данных об оценке рисков объектов-аналогов. Обязательным условием применения данного метода является сопоставимость информации исследуемого объекта с аналогичным. Этот метод обычно используется для оценки рисков часто повторяющихся событий или объектов.
Аналитическая группа методов чаще используется для оценки инвестиционных и инновационных проектов и подразделяется на две подгруппы: методы без учета распределения вероятности (стресс-тестирование) и методы с учетом распределения вероятностей (нетрадиционные методы).
Математические модели и методы относятся к аналитической группе методов. Основная цель применения математического моделирования в оценке рисков сводится к описанию общей модели: R = f (P, I), где P — вероятность наступления рискового события, I — потенциальные последствия влияния факторов [1, с. 25].
Использование математических моделей в зависимости от постановки задачи и наличия исходной информации можно свести к применению таких типов моделей, как детерминированные, стохастические, лингвистические и игровые.
Игровые (нестохастические) модели используются тогда и только тогда, когда отсутствует исходная информация для использования других типов моделей. На основе теории игр формируются несколько исходов при осуществлении риска, и с помощью статистических и стратегических игр определяется значение меры или вероятности риска.
Лингвистические модели основаны на методах нечеткой логики. Неопределенность описывается функцией принадлежности, благодаря которой не требуется уверенность в повторяемости событий. Предполагается, что для использования данных методов имеется экспертная оценка о степени неопределенности.
Стохастические модели базируются на применении статистических расчетов и наличии достаточного количества статистической информации о каком-либо событии. С помощью стохастических моделей на заданном множестве оценивается вероятность наступления риска, данные модели применяются при условии случайности возникновения факторов риска.
С помощью детерминированных моделей определяется наиболее достоверный результат, поскольку данные модели применимы в условиях, когда факторы возникновения риска определены и носят регулярный характер и последствия принимаемых решений приводят к определенному результаты. Для формирования моделей используются инструменты математического анализа, логики и др. [1, с. 26].
Для количественной оценки рисков часто используются такие аналитические методы, как анализ чувствительности и имитационное моделирование, поскольку данные методы применяются в том числе и для комплексной оценки эффективности (устойчивости) деятельности организации.
Анализ чувствительности предполагает анализ изменения результирующего показателя при малом изменении факторов. Если изменения факторов приводят к незначительным изменениям результатов, то риск незначительный. Однако, недостатком метода является то, что в процессе проведения анализа исключаются все факторы, кроме одного, что не дает возможности комплексно оценить результаты.
Для оценки возможных последствий от наступления какого-либо события используется имитационное моделирование. Имитационные методы основаны на пошаговом нахождении значения результирующего показателя путем проведения многократных опытов с моделью [1, с. 26]. В ходе процесса имитации строятся последовательные сценарии с использованием переменных модели (факторов неопределенности). На основании этих данных можно сделать вывод об уровне возможного ущерба [2].
Результатом количественной оценки риска является показатель. Виды количественных показателей риска зависят от наличия достаточного количества информации. (Рис. 2) [1, с. 26].
Информация для анализа привлекается из различных доступных достоверных источников. Одним из видов наиболее полной и достоверной информации является внутренняя отчетность организации, которая также является и статистической.
Рис. 2. Система показателей оценки риска
Условия определенности предполагают наличие полной информации об анализируемом объекте. Здесь чаще всего используется нормативная документация, внутренняя отчетность организации, справочники и другие достоверные показатели. В этих условиях применяются показатели абсолютные, относительные и средние. Абсолютные показатели выражаются в стоимостной или в материально-вещественной форме. Относительные показатели отражают результат сравнения возможных потерь с некоторой базой. Эти показатели могут рассчитываться непосредственно через коэффициенты, ориентированные на последствия рискового события или опосредованно через финансовые показатели (коэффициенты ликвидности, платежеспособности, рентабельности и т. д.) [1, с. 42]. Средние показатели используются в качестве обобщающих, в них отражаются действующие причины возникновения риска, факторы риска и закономерности. [1, с. 49].
При частичной неопределенности информация о рисковой ситуации отражается в виде частот появления рисковых событий. В данном случае риск рассматривается как вероятностная категория. Для количественной оценки риска применяются методы теории вероятностей и математической статистики. Вероятностные показатели являются мерой наступления рискового события и его последствий. Особую роль в использовании данных показателей играет закон распределения вероятностных величин. Статистические показатели характеризуют меру средних ожидаемых значений результатов деятельности и их возможных отклонений.
Условия полной неопределенности проявляются при полном отсутствии информации о рисковой ситуации, и тогда для ее получения привлекаются эксперты, с помощью которых разрабатываются индивидуальные показатели оценки.
Можно сделать вывод, что любые методы количественной оценки имеют свои достоинства и недостатки. Для комплексной оценки рисков необходимо комбинировать методы как качественного, так и количественного анализа, причем в конкретной ситуации сравнивать ограничения и возможности применения каждого из методов.
Основные термины (генерируются автоматически): математическое моделирование, оценка рисков, модель, показатель, рисковое событие, имитационное моделирование, исходная информация, какое-либо событие, количественная оценка, результирующий показатель.
Моделирование как процесс построения, изучения и применения моделей. Особенности математического моделирования, наблюдений и измерений. Аспекты применения математических методов: интенсификация, совершенствование системы экономической информации.
Подобные документы
Моделирование, как процесс построения, изучения, применения моделей (абстракция, аналогия, гипотеза). Теоретическо-аналитические и прикладные экономико-математические модели, их классификация (структурные, функциональные, дескриптивные, нормативные).
курсовая работа, добавлен 24.10.2009
Моделирование как метод научного познания. Особенности экономических наблюдений и измерений. Проверка адекватности моделей. Случайность и неопределенность в экономическом развитии. Особенности применения метода математического моделирования в экономике.
реферат, добавлен 19.07.2009
Модель и моделирование как метод научного познания. Этапы процесса моделирования. Идеальные модели и математические модели. Особенности применения метода математического моделирования в экономике. Классификация экономико-математических моделей.
реферат, добавлен 23.10.2014
Характеристика методов построения математических моделей. Понятие саморегуляции, основные понятия математического моделирования экономических систем. Содержание и отличительные черты методов аналитического, имитационного, натурного моделирования.
презентация, добавлен 06.04.2018
Особенности применения метода математического моделирования в экономике, экономических наблюдений и измерений. Случайность и неопределенность в экономическом развитии. Проверка адекватности моделей. Классификация экономико-математических моделей.
контрольная работа, добавлен 25.02.2010
Овладение методологией построения и применения математических моделей экономических процессов. Изучение проблем экономики, исследуемых средствами математического моделирования и типовых моделей, используемых в экономическом анализе на разных уровнях.
курс лекций, добавлен 04.04.2014
Математические методы в землеустройстве. Автоматизированные методы землеустроительного проектирования. Сущность математического моделирования. Виды землеустроительной информации. Строительство орошаемых культурных пастбищ, внедрение системы земледелия.
лекция, добавлен 21.10.2014
Понятие экономико-математической модели. Внедрение экономико-математического моделирования в деятельность экономической службы предприятия. Классификация экономико-математических моделей по способу отражения действительности, по сфере применения и пр.
контрольная работа, добавлен 09.03.2016
Особенности применения метода математического моделирования в экономике. Особенности экономических наблюдений. Случайность и неопределенность в экономическом развитии. Проверка адекватности моделей. Этапы экономико-математического моделирования.
контрольная работа, добавлен 23.11.2008
Классификация экономико-математических моделей. Экономические приложения математических дисциплин и методы, применяемые при решении экономических задач. Примеры моделей линейного программирования как инструмента математического моделирования экономики.
- Для учеников 1-11 классов и дошкольников
- Бесплатные сертификаты учителям и участникам
Математическая модель – это совокупность математических объектов и соотношений между ними, адекватно отображающая свойства и поведение исследуемого объекта. Математика в самом общем смысле слова имеет дело с определением и использованием символических моделей. Математическая модель охватывает класс неопределяемых (абстрактных, символических) математических объектов таких, как числа или векторы, и отношения между этими объектами.
Математическое отношение – это гипотетическое правило, связывающее два или более символических объекта. Многие отношения могут быть описаны при помощи математических операций, связывающих один или несколько объектов с другим объектом или множеством объектов (результатом операции). Абстрактная модель с ее объектами произвольной природы, отношениями и операциями определяется непротиворечивым набором правил, вводящих операции, которыми можно пользоваться, и устанавливающих общие отношения между их результатами. Конструктивное определение вводит новую математическую модель, пользуясь уже известными математическими понятиями (например, определение сложения и умножения матриц в терминах сложения и умножения чисел).
Математическая модель будет воспроизводить подходящим образом выбранные стороны физической ситуации, если можно установить правило соответствия, связывающее специфические физические объекты и отношения с определенными математическими объектами и отношениями. Поучительным и/или интересным может также быть и построение математических моделей, для которых в физическом мире аналогов не существует. Наиболее общеизвестными математическими моделями являются системы целых и действительных чисел и евклидова геометрия; определяющие свойства этих моделей представляют собой более или менее непосредственные абстракции физических процессов (счет, упорядочение, сравнение, измерение)[2].
Определение моделирования
Моделированием называют построение модели того или иного явления реального мира. В общем виде модель - это абстракция реального явления, сохраняющая его существенную структуру таким образом, чтобы ее анализ дал возможность определить влияние одних сторон явления на другие или же на явления в целом. В зависимости от логических свойств и связей моделей с отображаемыми явлениями можно все модели разделить на три типа: изобразительные, аналоговые и математические.
Изобразительная модель отражает внешние характеристики явления и подобна оригиналу. Это наиболее простая и конкретная модель. Являясь в общем описательной моделью, она, как правило, не дает возможности установить причинные связи явления и соответственно определить или предсказать последствия изменений различных параметров явления. Характерная особенность такой модели - близкое совпадение ее свойств со свойствами отображаемого объекта. Эти свойства обычно подвергаются метрическому преобразованию, т.е. берется определенный масштаб.
В аналоговых моделях свойство данного явления отображается посредством свойств другого явления. Так, например, любая диаграмма представляет аналоговую модель некоторого явления. К аналоговым моделям относятся также морские карты, на которых совокупностью условных обозначений отображается совокупность свойств той или иной акватории. Преимущество аналоговой модели перед изобразительной состоит в том, что она позволяет отображать динамику явления. Другим преимуществом является большая универсальность этой модели: путем ее изменения можно отобразить различные процессы данного явления.
Математическая модель
Математическая модель является самой сложной и наиболее общей и абстрактной по сравнению с изобразительной и аналоговой. В ней для отображения свойств изучаемого явления используются символы математического или логического характера. Особые трудности возникают при решении задач с большой размерностью, расплывчатой постановкой, неопределенностью информации и т.д. В постановке таких задач появляются неклассические моменты, такие, как плохая формализуемость, нестандартность, противоречивость. Остановимся на понятии плохо формализуемой задачи, которое появляется в результате решения потока серьезных прикладных задач в самых различных областях. Это могут быть и формализованные правила рассуждений, и правила логического вывода. Математические модели служат отражению и анализу некоторых свойств действительных объектов. Рассмотрим один из видов математических моделей, характеризующихся простой структурой и широко применяющихся в приложениях. Модели такого вида содержат следующие элементы:
1. вектор x параметров, измеряемых на объекте x =[ x i . x n ], где x i - значение i -го параметра, которое является чаще всего вещественным числом. Можно назвать x вектором состояния объекта. Если изучается динамика моделируемого объекта во времени t , то считается, что состояние в каждой момент t описывается вектором x ( t )=[ x i ( t ). x n ( t )];
2. вектор y( t ) параметров, которые не могут быть непосредственно измеренными;
3. неизвестные связи между переменными координатами векторов x ( t ) и y( t ) ;
4. связи между переменными, являющиеся неизвестными;
5. математический аппарат исследования соотношений (связей).
В качестве примера можно привести имитационные модели, описывающие возможные пути развития сложных технико-экономических и природных систем.
1.3 Плохо формализуемые задачи
Поясним теперь, что понимается под плохо формализуемыми задачами: это задачи, условия которых определены не полностью, не все связи заданы в аналитической форме, при этом формулировка задачи может содержать противоречия, а также не все соглашения о понятии решения могут быть в наличии. Решению таких (плохо формализуемых) задач предшествуют этапы преобразования их формулировки, уточнений и упрощений. Результатом этих этапов является получение комплекса формализованных задач, имеющего некоторое отношение к исходной задаче.
Необходимо знание этого отношения, иначе точность, достигаемая формальными методами, может оказаться бесполезной. В сферу модели естественно также включить описание исходной задачи, выбираемый язык, критерии и ограничения, аппарат адекватности модели, средства интерпретации и подготовки к практическому внедрению, способы внемодельного анализа, учета плохо формализуемых факторов. Можно выделить следующие разновидности плохо формализуемых задач.
1. Нестационарные - эти задачи отличаются эволюцией информации об объекте и модельных представлений о нем.
2. Задачи с расплывчатым отражением некоторых зависимостей и плохо определенными ограничениями. Здесь для описания зависимостей и ограничений требуется использовать специальные процедуры диалога с экспертами, а также проводить целенаправленные серии экспериментов.
3. Задачи с несовместными системами условий и ограничений и неопределенным понятием решения (неособенные задачи). 4. Задачи, в которых оценка решения производится по системе несогласованных (противоречивых) критериев[3].
5. Задачи с неоднозначно определенным решением. 6. Неустойчивые или некорректные задачи.
1.4 Противоречивые модели
Противоречивые определения объектов и противоречивые модели иногда возникают в результате абсолютизации локальных свойств реально существующих объектов. Другая возможная причина появления противоречивых моделей - наличие различных несогласованных источников информации, которая служит основой моделирования.
В прикладной математике наблюдается заметный интерес к описанию противоречивых ситуаций; он вызван, вероятно, необходимостью повысить реальный результат применения математических моделей и методов к решению сложных практических задач. Примеры решения противоречивых задач можно видеть и в сфере оптимизации, и в сфере распознавания образов. В некоторых случаях содержательный смысл модели может диктовать такой вид работы с ней, как выделение ее непротиворечивых подмоделей, в других случаях возможно ослабление ограничений модели, приводящее к ее непротиворечивости[4].
1.5 Основы процесса выработки решений
В процессе выработки решений применимы такие конкретные методы, как анализ, синтез, индукция, дедукция, аналогия, абстракция и конкретизация.
Анализ - логический прием расчленения целого на отдельные элементы с рассмотрением каждого из них в отдельности. При этом в процессе выработки решения анализу подвергаются поставленная задача, данные обстановки.
Анализ неразрывно связан с синтезом - объединением всех данных, полученных в результате анализа. Синтез - это не простое суммирование результатов анализа. Задача его состоит в мысленном воспроизведении основных связей между элементами обстановки. Синтез дает возможность вскрыть сущность процессов, установить причинно-следственные связи, прогнозировать развитие действий.
Анализ и синтез тесно переплетаются с индукцией и дедукцией. Индукция - движение мысли от частного к общему, от ряда факторов к закону. Дедукция, наоборот, идет от общего к частному, от закона к отдельным его проявлениям. Индуктивный прием используется в тех случаях, когда на основе частного фактора можно сделать общие выводы, установить взаимосвязь между отдельными явлениями и каким-либо законом. Анализируя обстановку, необходимо следовать то от частного к общему (индукция), то от общего к частному (дедукция), стремясь установить взаимосвязь между явлениями обстановки и законом. В процессе выработки решения можно использовать абстрагирование - способность отвлечься от совокупности факторов и сосредоточить внимание на каком-либо одном вопросе. При абстракции хотя и достигаются частные цели, однако они не могут служить основанием для решения. Поэтому наряду с абстракцией должна применяться конкретизация - увязка того или иного явления с конкретными условиями.
Существенное значение в процессе выработки решений может сыграть аналогия - прием, в котором из сходства двух явлений в одних условиях делается вывод о сходстве этих явлений в других условиях. Однако, аналогия - не доказательство, она лишь дает почву для высказывания предположения о возможном развитии характера действий, дает толчок в мышлении.
В ходе выработки решения важно установить причинно-следственные связи между элементами. Причинность - одна из всеобщих форм объективной связи между предметами, явлениями и процессами реальной действительности.
1.6 Научный принцип исследования
Процесс исследования включает следующие основные этапы.
1. Постановка задачи.
2. Построение математической модели.
3. Нахождение решения с помощью модели.
4. Послемодельный анализ и корректировка полученного результата. Построение математической модели требует:
• выделения рассматриваемого объекта, отбрасывания всего несущественного и уяснения всего существенного;
• точного количественного описания ситуации, с тем чтобы это описание можно было перевести на математический язык;
• определение набора параметров, характеризующих как состояние системы, так и возможное управление системой;
• определение зависимости между параметрами состояния и управления;
• определение цели через параметры системы в терминах соответствующей математической модели.
Математическая модель устанавливает соответствие между значениями управляемых и неуправляемых переменных и определяет результаты решения.
Обычно речь идет о нахождении оптимума критерия эффективности при соблюдении данных ограничений.
Выбор метода решения зависит от вида модели. Существуют четыре типа методов нахождения решения: аналитический, численный метод, статистических испытаний и эвристический. Поскольку модель не может быть точным отображением реальности, полученное решение может оказаться неприемлемым для условий конкретной ситуации. Поэтому необходим анализ полученного в результате моделирования решения, который заключается в проверке адекватности модели, а также в корректировке решения при его использовании в качестве основы для выработки решения.
Нарушение адекватности отображения моделью реальности может произойти по следующим причинам.
1. Модель может неправильно отражать действительную зависимость, которая существует между результатом операции и переменными.
2. В модели могут не учитываться переменные, которые в действительности влияют на результат.
3. Значения переменных, входящих в модель, могут быть оценены неправильно.
Анализ результатов моделирования осуществляется для установления адекватности отображения моделью реальности, а в случае её нарушения - выявления причин нарушения и соответствующего изменения модели.
1.7 Критерии эффективности
Критерий эффективности как мера успешности решения задач. Выбор критерия эффективности является наиболее ответственным этапом всей постановки задачи. Основным требованием, предъявляемым к критерию эффективности, является установление строгого соответствия между ним и конечной целью. Если рассматривать применение критериев эффективности для оптимизации, то в самом общем виде оптимизация сводится к нахождению решений, соответствующих максимальному значению численного выражения избранного критерия эффективности[3].
1.8 Классификация математических моделей
Математические модели можно классифицировать по следующим признакам:
• по времени, как постоянного или переменного параметра;
• по числу сторон, принимающих решения;
• по наличию или отсутствию случайных (или неопределенных) факторов;
• по виду критерия эффективности и наложенных ограничений.
В зависимости от способа учета изменения времени математические модели делятся на два типа: статические и динамические. Статическая модель - это модель, в которой время не является переменной. В динамической же модели одной из переменных является время.
Математические модели в зависимости от числа сторон, принимающих решение, можно разделить на два типа: описательные и нормативные. В описательной модели нет сторон, принимающих решения. Формально число таких сторон в описательной модели равно нулю. Типичным примером подобных моделей является модели систем массового обслуживания. Для построения описательных моделей может также использоваться теория надежности, теория графов, теория вероятностей, метод статистических испытаний (метод Монте-Карло).
Для нормативной модели характерно множество сторон. Принципиально можно выделить два вида нормативных моделей: модели оптимизации и теоретико-игровые.
В моделях оптимизации основная задача выработки решений технически сводится к строгой максимизации или минимизации критерия эффективности, т.е. определяются такие значения управляемых переменных, при которых критерий эффективности достигает экстремального значения (максимума или минимума).
Для выработки решений, отображаемых моделями оптимизации, наряду с классическими и новыми вариационными методами (поиск экстремума) наиболее широко используются методы математического программирования
(линейное, нелинейное, динамическое).
Для теоретико-игровой модели характерна множественность числа сторон (не менее двух). Если имеются две стороны с противоположными интересами, то используется теория игр, если число сторон более двух и между ними невозможны коалиции и компромиссы, то применяется теория бескоалиционных игр n лиц.
Математические модели в зависимости от наличия или отсутствия случайных (или неопределенных) факторов можно разделить на следующие типы.
Детерминированная модель строится в тех случаях, когда факторы, влияющие на исход операции, поддаются достаточно точному измерению или оценке, а случайные факторы либо отсутствуют, либо ими можно пренебречь.
В стохастических моделях реальность отображается как некоторый случайный процесс, ход и исход которого описывается теми или иными характеристиками случайных величин: математическими ожиданиями, дисперсиями, функциями распределения и т.д. Построение такой модели возможно, если имеется достаточный фактический материал для оценки необходимых вероятностных распределений или если теория рассматриваемого
явления позволяет определить эти распределения теоретически (на основе формул теории вероятностей, предельных теорем и т.д.).
В теоретико-игровых моделях учитывается недостаточность информации о действиях противника и необходимость принимать решение в условиях неопределенности. Теоретико-игровой подход в том, по существу, и состоит, что выявляется наименее благоприятное вероятностное распределение значений неуправляемых переменных и определяется оптимальное действие в этих наименее благоприятных условиях.
Недостаток теоретико-игровой модели по сравнению со стохастической (точно так же, как и недостаток стохастической модели по сравнению с детерминированной) состоит в больших математических трудностях в теоретическом плане и в существенно большем объеме вычислительных работ в плане практическом.
Математические модели в зависимости от вида критерия эффективности и наложенных ограничений можно разделить на два типа: линейные и нелинейные. В линейных моделях критерий эффективности и наложенные ограничения являются линейными функциями переменных модели (иначе нелинейные модели).
Допущение о линейной зависимости критерия эффективности и совокупности наложенных ограничений от переменных модели на практике вполне приемлемо. Это позволяет для выработки решений использовать хорошо разработанный аппарат линейного программирования. Приведенная классификация математических моделей в определенной мере весьма условна и неполна.
Читайте также: