Математические модели систем и методы их построения реферат

Обновлено: 05.07.2024

Информация. Модели. Математическое моделирование.

1 Вводные понятия.

Под моделированием понимаются методы получения и исследования моделей. Можно дать несколько определений модели.

Модель – это некоторый объект, который на разных этапах исследования может заменять исследуемый объект.

Модель – это целевой образ объекта оригинала, отражающий наиболее важные свойства для достижения поставленной цели.

Модель – это либо мысленно представляемая, либо материально реализованная система, которая может отображать или воспроизводить объект исследования, а также замещать его с целью изучения и представления новой информации об объекте. Таким образом, создание каждой модели всегда имеет какую-либо цель.

Под целью понимается конечное состояние, при котором изучаемый объект достигает определенного соответствия во времени и пространстве с другим объектом.

Гносеологические (познавательные);
Образовательные;
Управленческие;
Экспериментальные;
Созидательные (проектирование).

Эффективность;
Универсальность;
Устойчивость;
Содержательность;
Адекватность;
Ограниченность;
Полнота;
Динамичность.

Среди функций модели выделяют описательную, интерпретаторскую, объяснительную, предсказательную, измерительную функции.

Адекватность определяет соответствие модели поставленной задаче. Модель всегда отображает объект-оригинал не во всех его свойствах и функциях. Таким образом, модель является ограниченной. Под полнотой модели понимается наличие сведений об объекте-оригинале, необходимых для достижения поставленной цели. Динамичность определяет изменение модели с течением времени.

Это обозначение содержания полученного из внешнего мира в процессе нашего приспособления к нему. При этом процесс получения и использования информации является процессом нашего приспособления к случайностям нашей среды и нашей жизнедеятельности в этой среде.
Это совокупность, отчужденная от создателя и обобществленная форма знания.
Это модель, то есть упрощенное неадекватное представление знаний.

2 Классификация моделей.

В результате современных исследований можно создать управленческую (кибернетическую) модель, в которой отражаются аспекты структурной, функциональной, информационной и математической модели.

Теоретическом, или фундаментальными методами;
Эмпирическом, или прикладными методами.

На эмпирическом уровне система изучается через связи с внешней средой, через свойства и отношения между объектами системами. На первом этапе изучения системы создается дескриптивная модель, которая не содержит управляющих факторов. На втором этапе создается конструктивная модель, которая позволяет выявить существующие факторы с целью эффективного управления ими.

3 Классификация объектов (систем) по их способности использовать информацию.

Система представляет собой ограниченное и взаимосвязанное единство различных объектов живой и неживой природы.

где, I – входная информация;

O – выходная информация.

прием;
переработка, или преобразование;
выходное воздействие.

Простая сортировка.

А – блок получения ошибки.

С – блок формирование сигнала обратной связи.

В – исполнительный механизм.

Дуга СА – обратная связь.

Дуга АВ – ошибка.

Система с автоматическим изменением цели, или обратная связь второго порядка.

С – принятие решений.

D – выборка из памяти.

По такой схеме реализуется процесс обучения любой организации.

Система с сознательным изменением цели, или обратная связь третьего порядка.

Сознание – это представление об объекте, о цели, об управлении рецептором и эффектором; о процессах, связанных с памятью.

Память – это коллективное знание, где реализуются хранение, поиск, обработка данных.

4 Этапы создания модели.

1 – система (объект, явление, процесс).

2 – описание системы.

3 – постановка задачи.

4 – математическая модель.

5 – непротиворечивость выводов в рамках модели.

6 – решение задачи.

7 – проверка адекватности

8 – уточнение модели.

При изучении любого объекта путем моделирования нужно выполнять ряд обязательных, вышеперечисленных этапов.

Дуга (1 – 2) – наблюдение эксперимента.

Дуга (2 – 3) – формализация абстракции, то есть описание существенных факторов и связей между ними.

Дуга (3 – 4) – конструирование элементов модели.

Дуга (4 – 5) – изучение модели.

Дуга (5 – 6) – выбор методов решения.

Дуга (6 – 7) – сравнение выводов с реальными фактами.

Решение, полученное на модели, действительно только до тех пор, пока неуправляемые параметры сохраняют свои значения, и соотношения между параметрами модели остаются постоянными. Если решение выходит из-под контроля, то теряется возможность управления им, тогда устанавливается процедура подстройки решения.

Так как модель всегда лишь частично отображает действительность, то она может быть хорошей, если будет точно предсказывать влияние изменений в системе на общую эффективность всей системы. Решение можно оценить, сопоставив результаты, полученные по модели, с ранее полученными данными, или с данными практических испытаний.

Дедуктивный, или аналитический.
Индуктивный, или численный.
Метод Монте-Карло, или статистических испытаний.

5 Понятие о жизненном цикле систем.

Под жизненным циклом любой системы понимается промежуток времени, который проходит между осознанием необходимости в этом изделии и осознании его ненужности. Между этими моментами существует ряд этапов.

Маркетинг.
Проектирование и разработка.
Материально-техническое снабжение производственных процессов.
Подготовка и разработка технологических процессов.
Производство.
Контроль, проведение испытаний и наблюдений.
Упаковка и хранение.
Реализация изделия.
Монтаж, эксплуатация.
Техническая помощь.
Утилизация.

Моделирование в виртуальном мире объектов реального мира.
Создание и развитие виртуального мира.
Воплощение объектов виртуального мира в реальном мире.

Z – вектор контролируемых возмущений.

Y – неконтролируемый вектор выходных параметров.

U – контролируемый вектор управляющих воздействий на технологический процесс.

W – вектор неконтролируемых возмущений.

Затем выполняется формализация, и объект представляется в следующем виде:

Y – вектор выходных параметров.

X – вектор контролируемых входных переменных. (Объединяет действия переменных U, Z).

E – случайная аддитивная помеха (суммарная), которая характеризует влияние случайных возмущений.

F (B,x) – параметрическая функция, которая осуществляет преобразование значений Х в Y, или это модель изучаемого объекта.

Предметом исследования модели является определение вида модели и параметров модели. Истинного значения параметров системы узнать невозможно, можно получить только оценку параметров любой модели (вектора В). Изменяя значения параметров Х можно наблюдать изменение поведения выходных значений Y, или поддерживать Y на постоянном уровне.

Изменение Х определяется либо объективными возможностями существования данного фактора, либо нормативами. Чем меньше количество управляемых факторов, тем лучше управлять системой в целом.

Выходные параметры считаются зависимыми, или эндогенными.

6 Модели прогнозирования.

Статистические методы.
Методы аналогии.

К методам аналогии относятся модели планирования эксперимента, а также математические, исторические и другие аналогии.

Среди моделей прогнозирования можно выделить следующие:

Аппроксимация – приближение (с лат.).

Выбор аппроксимирующей функции F(B,x) связан с решением оптимизационной задачи. Для этого применяется критерий минимизации квадратичной ошибки.

Пусть проведено N(x_I,y_I) опытов, где

x_I - входной параметр;

y_I - выходной параметр.

Необходимо подобрать модель связывающую x и y.

Через точки (x_I,y_I) можно провести кривую, которая, в свою очередь, может проходить через эти точки или находиться вблизи данных точек.

В аппроксимации для получения параметров модели используется МНК-критерий (метод наименьших квадратов). Лучшей считается та модель, для которой сумма квадратов отклонений опытных значений, от теоретических будет минимальной.

Для этого формируется целевая функция или критерий оптимизации.

Далее надо исследовать функцию на экстремум. Неизвестными будут коэффициенты модели B. Наиболее просто находятся параметры, если F(B, x_I) представляет собой полином n-ной степени. При этом формируется система линейных уравнений, порядок которой на единицу больше степени полинома.

К примеру, для полинома 3-ей степени система будет выглядеть так:

C – матрица коэффициентов системы.

D – вектор-столбец свободных членов.

B – вектор неизвестных.

В общем случае для нахождения параметров формируется система дифференциальных уравнений. В конце формируется система линейных уравнений, которую можно решать точными методами (метод Крамера, Гауса, обратной матрицы). Когда система решена, то есть, найдены параметры модели, можно выполнить прогнозирование значений y.

Если выбираемое x находится внутри элементарного интервала ∆x, то говорят о прогнозировании в настоящем. Если x меньше x₀, или x больше x_N, то речь идет об экстраполяции.

Наиболее простой подход к получению интерполяционной модели был предложен Лагранжем. Так как полином проходит через каждую опытную точку, то нужно составить столько уравнений, сколько проведено опытов. В левой части уравнения формируется полином, проходящий через i-тую точку. В правой части формируется вектор значений y. В результате получается система линейных уравнений n-ого порядка, где n – число опытов, а степень интерполяционного полинома на единицу меньше числа опытов.

Количество опытов должно обязательно быть больше пяти, иначе результаты интерполирования будут не пригодны для прогнозирования. Так как метод интерполяции требует прохождения модели через все точки, то накладываются определенные условия на опытные значения. Разности i-ого порядка должны быть примерно одинаковы малы. Хорошо интерполируются монотонные функции.

Оба рассмотренных метода относятся к методам исследования детерминированных моделей.

Выходной параметр y называется уровнем ряда. В случае отсутствия ярко выраженных изменений в течение времени, общая тенденция сохраняется. Ряд можно описать уравнением вида

F (t) – детерминированная функция времени.

E_T – случайная величина

Во временных рядах проводится операция анализа и сглаживания тренда, который отражает влияние некоторых факторов. Для построения тренда применяется МНК-критерий.

Существуют моментальные и интервальные ряды. В моментальных рядах отражаются абсолютные величины, по состоянию на определенный момент времени, а в интервальных – относительные величины (показатель за год, месяц, и т.д.). Исследование данных при помощи рядов позволяет во многих случаях более четко представить детерминированную функцию. При этом рассчитываются базисные и цепные показатели (прирост, коэффициент роста, коэффициент роста, темп роста, темп прироста, и др.). Под базисными показателями понимают, показатели, которые соотносятся к начальному уровню ряда. Цепные показатели относятся к предыдущему уровню.

Прогноз детерминированной компоненты.
Прогноз случайной компоненты.

Исследование рядов имеет большое значение и для технических, и для экономических систем.

7 Выводы

Любая информация может быть получена на основании прошлого опыта, а именно теории проверенной практикой (научные факты, методики и расчеты, опыт каждого человека).

Новая информация может быть получена путем наблюдения, то есть, изучением системы без вмешательства в её функционирование. Также она может быть получена путем эксперимента, то есть, изучая систему при целенаправленном воздействии на её параметры.

Модель исследуется для того, чтобы можно было управлять исследуемым объектом или системой, на основании полученной по модели информации. Управление системы связано с улучшением его характеристик или её стабилизацией, то есть с возможностью прогнозирования поведения систем.

Список литературы:

Губарев В.В. Концептуальные основы информатики: Учеб. Пособие: Новосибирск: Изд-во НГТУ, 2001г.

Ивченко Б. П., Мартыщенко Л.А. Информационная микроэкономика Часть 1: Методы анализа и прогнозирования. СПб. Нордмед-Издат. 1997г.

Турчак К. Численные методы. М.- 1985г.

Шелобаев С.И. Математические методы и модели в экономике, финансах и бизнесе: Учеб. Пособие для вузов. М.- 2000г.

Черчмен У., Акоф Р., Арноф Я. Введение в исследование операции М. – Наука 1968г.

Чтобы человеку принять решение без ЭВМ, зачастую ничего не надо, кроме опыта и интуиции. Правда, никакой гарантии правильности, а тем более оптимальности при этом нет. Подчеркнем, что ЭВМ никаких решений не принимает. Решение принимает человек (ЛПР). А ЭВМ только помогает найти варианты решений. Непременное присутствие человека (как окончательный инстанции принятия решений) не отменяется даже при наличии полностью автоматизированной системы управления. Нельзя забывать о том, что само создание управляющего алгоритма, выбор одного из возможных его вариантов, есть тоже решение. По мере автоматизации управления функции человека перемещаются с одного уровня управления на другой - высший. Основные этапы решения задачи принятия оптимальных решений с помощью ЭВМ показаны на Рис. 1.

Рис. 1. Основные этапы решения задачи принятия решения с помощью ЭВМ.

Выбор задачи - важнейший вопрос. Какие основные требования должна удовлетворять задача? Таких требований два:

должно существовать, как минимум, два варианта ее решения (ведь если вариант один, значит и выбирать не из чего);

надо четко знать в каком смысле искомое решение должно быть наилучшим (кто не знает, куда ему плыть - тому нет и попутного ветра).

Выбор задачи завершается ее содержательной постановкой. Когда производится содержательная постановка задачи, к ней привлекаются специалисты в предметной области. Они прекрасно знают свой конкретный предмет, но не всегда представляют, что требуется для формализации задачи и представления ее в виде математической модели.

Можно выделить следующие основные этапы операционного исследования:

наблюдение явления и сбор исходных данных;

построение математической модели;

тестирование модели и анализ выходных данных. Если полученные результаты не удовлетворяют исследователя, то следует либо вернуться на этап 3, т.e. предложить для решения задачи другую математическую модель; либо вернуться на этап 2, т.e. поставить задачу более корректно;

применение результатов исследований.

Таким образом, операционное исследование является итерационным процессом, каждый следующий шаг которого приближает исследователя к решению стоящей перед ним проблемы. В центре операционного исследования находятся построение и расчет математической модели.

Математическая модель - это система математических соотношений, приближенно, в абстрактной форме описывающих изучаемый процесс или систему.

Экономико-математическая модель - это математическая модель, предназначенная для исследования экономической проблемы.

Проведение операционного исследования, построение и расчет математической модели позволяют проанализировать ситуацию и выбрать оптимальные решения по управлению ею или обосновать предложенные решения. Применение математических моделей необходимо в тех случаях, когда проблема сложна, зависит от большого числа факторов, по-разному влияющих на ее решение.

В настоящее время математические модели применяются для анализа, прогнозирования и выбора оптимальных решений в различных областях экономики. Это планирование и оперативное управление производством, управление трудовыми ресурсами, управление запасами, распределение ресурсов, планировка и размещение объектов, руководство проектом, распределение инвестиций и т.п.

2. Классификация и принципы построения математических моделей

Можно выделить следующие основные этапы построения математической модели:

Определение цели, т.e. чего хотят добиться, решая поставленную задачу.

Определение пapaметров модели, т.е. заранее известных фиксированных факторов, на значения которых исследователь не влияет.

Формирование управляющих переменных, изменяя значение которых можно приближаться к поставленной цели. Значения управляющих переменных являются решениями задачи.

Определение области допустимых решений, т.е. тех ограничений, которым должны удовлетворять управляющие переменные.

Выявление неизвестных факторов, т.е. величин, которые могут изменяться случайным или неопределенным образом.

Выражение цели через управляющие переменные, параметры и неизвестные факторы, т.e. формирование целевой функции, называемой также критерием эффективности или критерием оптимальности задачи.

Введем следующие условные обозначения:

x - управляющие переменные или решения;

X - область допустимых решений;

- случайные или неопределенные факторы;

W - целевая функция или критерий эффективности (критерий оптимальности).

В соответствии с введенными терминами, математическая модель задачи имеет следующий вид:

W=W (x, , )  max (min) (2.1)

 Решить задачу - это значит найти такое оптимальное решение xX, чтобы при данных фиксированных параметрах  и с учетом неизвестных  факторов значения критерия эффективности W было по возможности максимальным (минимальным).

W=W (x, , ) = max (min) W (x, , )

Таким образом, оптимальное решение - это решение, предпочтительное перед другими по определенному критерию эффективности (одному или нескольким).

Перечислим некоторые основные принципы построения математической модели:

Необходимо соизмерять точность и подробность модели, во-первых, с точностью тex исходных данных, которыми располагает исследователь, и, во-вторых, с теми результатами, которые требуется получить.

Математическая модель должна отражать существенные черты исследуемого явления и при этом не должна его сильно упрощать.

Математическая модель не может быть полностью адекватна реальному явлению, поэтому для его исследования лучше использовать несколько моделей, для построения которых применены разные математические методы. Если при этом получаются сходные результаты, то исследование заканчивается. Если результаты сильно различаются, то следует пересмотреть постановку задачи.

Любая сложная система всегда подвергается малым внешним и внутренним воздействиям, следовательно, математическая модель должна быть устойчивой (сохранять свойства и структуру при этих воздействиях).

По числу критериев эффективности математические модели делятся на однокритериальные и многокритериальные. Многокритериальные математические модели содержат два и более критерия.

По учету неизвестных факторов математические модели делятся на детерминированные, стохастические и модели с элементами неопределенности.

В стохастических моделях неизвестные факторы - это случайные величины, для которых известны функции распределения и различные статистические характеристики (математическое ожидание, дисперсия, среднеквадратическое отклонение и т.п.). Среди стохастических характеристик можно выделить:

- модели стохастического программирования, в которых либо в целевую функцию (2.1), либо в ограничения (2.2) входят случайные величины;

- модели теории случайных процессов, предназначенные для изучения процессов, состояние которых в каждый момент времени является случайной величиной;

- модели теории массового обслуживания, в которой изучаются многоканальные системы, занятые обслуживанием требований. Также - к стохастическим моделям можно отнести модели теории полезности, поиска и принятия решений.

Для моделирования ситуаций, зависящих от факторов, для которых невозможно собрать статистические данные и значения которых не определены, используются модели с элементами неопределенности.

В моделях теории игр задача представляется в виде игры, в которой участвуют несколько игроков, преследующих разные цели, например, организацию предприятия в условиях конкуренции.

В имитационных моделях реальный процесс разворачивается в машинном времени, и прослеживаются результаты случайных воздействии на него, например, организация производственного процесса.

В детерминированных моделях неизвестные факторы не учитываются. Несмотря на кажущуюся простоту этих моделей, к ним сводятся многие практические задачи, в том числе большинство экономических задач. По виду целевой функции и ограничений детерминированные модели делятся на: линейные, нелинейные, динамические и графические.

В линейных моделях целевая функция и ограничения линейны по управляющим переменным. Построение и расчет линейных моделей являются наиболее развитым разделом математического моделирования, поэтому часто к ним стараются свести и другие задачи либо на этапе постановки, либо в процессе решения. Для линейных моделей любого вида и достаточно большой размерности известны стандартные методы решения.

Hелинейные модели - это модели, в которых либо целевая функция, либо какое-нибудь из ограничений (либо все ограничения) нелинейны по управляющим переменным. Для нелинейных моделей нет единого метода расчета. В зависимости от вида нелинейности, свойств функции и ограничений можно предложить различные способы решения. Однако может случится и так, что для поставленной нелинейной задачи вообще не существует метода расчета. В этом случае задачу следует упростить, либо сведя ее к известным линейным моделям, либо просто линеаризовав модель.

В динамических моделях, в отличие от статических линейных и нелинейных моделей, учитывается фактор времени. Критерий оптимальности в динамических моделях может быть самого общего вида (и даже вообще не быть функцией), однако для него должны выполняться определенные свойства. Расчет динамических моделей сложен, и для каждой конкретной задачи необходимо разрабатывать специальный алгоритм решения.

Графические модели - используются тогда, когда задачу удобно представить в виде графической структуры.

Для учеников 1-11 классов и дошкольников
Бесплатные сертификаты учителям и участникам

Кафедра информатики и вычислительной техники

Моделирование, виды моделей. Требования к построению моделей

Организация информационного взаимодействия в информационном образовательном пространстве педагогического вуза

студентка 4 курса группы МДМ-216 ______________________ А.А.Буянова

канд. физ. мат. наук, доцент ________________________ Т. В. Кормилицына

Модель - очень широкое понятие, включающее в себя множество способов представления изучаемой реальности. Различают модели материальные (натурные) и идеальные (абстрактные). Материальные модели основываются на чем-то объективном, существующем независимо от человеческого сознания (каких-либо телах или процессах). Материальные модели делят на физические и аналоговые, основанные на процессах, аналогичных в каком-то отношении изучаемому. Между физическими и аналоговыми моделями можно провести границу и такая классификация моделей будет носить условный характер.

Еще более сложную картину представляют идеальные модели, неразрывным образом связанные с человеческим мышлением, воображением, восприятием. Среди идеальных моделей можно выделить интуитивные модели, к которым относятся, но единого подхода к классификации остальных видов идеальных моделей нет. Такой подход является не вполне оправданным, так как он переносит информационную природу познания на суть используемых в процессе моделей - при этом любая модель является информационной. Более продуктивным представляется такой подход к классификации идеальных моделей:

1. Вербальные (текстовые) модели. Эти модели используют последовательности предложений на формализованных диалектах естественного языка для описания той или иной области действительности (примерами такого рода моделей являются милицейский протокол, правила дорожного движения, настоящий учебник).

2. Математические модели - очень широкий класс знаковых моделей (основанных на формальных языках над конечными алфавитами), широко использующих те или иные математические методы. Например, математическая модель звезды. Эта модель будет представлять собой сложную систему уравнений, описывающих физические процессы, происходящие в недрах звезды. Математической моделью другого рода являются, например, математические соотношения, позволяющие рассчитать оптимальный (наилучший с экономической точки зрения) план работы какого-либо предприятия.

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

Граница между вербальными, математическими и информационными моделями может быть проведена весьма условно; возможно, информационные модели следовало бы считать подклассом математических моделей. В рамках информатики как самостоятельной науки, отдельной от математики, физики, лингвистики и других наук, выделение класса информационных моделей является целесообразным. Информатика имеет самое непосредственное отношение и к математическим моделям, поскольку они являются основой применения компьютера при решении задач различной природы: математическая модель исследуемого процесса или явления на определенной стадии исследования преобразуется в компьютерную (вычислительную) модель, которая затем превращается в алгоритм и компьютерную программу.

Модель - это искусственно созданный объект, дающий упрощенное представление о реальном объекте, процессе или явлении, отражающий существенные стороны изучаемого объекта с точки зрения цели моделирования. Моделирование - это построение моделей, предназначенных для изучения и исследования объектов, процессов или явлений.

Объект, для которого создается модель, называют оригиналом или прототипом. Любая модель не является абсолютной копией своего оригинала, она лишь отражает некоторые его качества и свойства, наиболее существенные для выбранной цели исследования. При создании модели всегда присутствуют определенные допущения и гипотезы.

Системный подход позволяет создавать полноценные модели. Особенности системного подхода заключаются в следующем. Изучаемый объект рассматривается как система, описание и исследование элементов которой не выступает как сама цель, а выполняется с учетом их места (наличие подзадач). В целом объект не отделяется от условий его существования и функционирования. Объект рассматривается как составная часть чего-то целого (сам является подзадачей). Один и тот же исследуемый элемент рассматривается как обладающий разными характеристиками, функциями и даже принципами построения. При системном подходе на первое место выступают не только причинные объяснения функционирования объекта, но и целесообразность включения его в состав других элементов. Допускается возможность наличия у объекта множества индивидуальных характеристик и степеней свободы. Альтернативы решения задач сравниваются в первую очередь по критерию "стоимость-эффективность".

Создание универсальных моделей - это следствие использование системного подхода. Моделирование (эксперимент) может быть незаменимо. С помощью компьютера возможен расчет интересующих исследователей параметров. Моделирование - исследование явлений, процессов или систем объектов путем построения и изучения их моделей - это основной способ научного познания. В информатике данный способ называется вычислительный эксперимент и основывается он на трех основных понятиях: модель - алгоритм - программа. Использование компьютера при моделировании возможно по трем направлениям:

1. Вычислительное - прямые расчеты по программе.

2. Инструментальное - построение базы знаний, для преобразования ее в алгоритм и программу.

3. Диалоговое - поддержание интерфейса между исследователем и компьютером.

Модель - общенаучное понятие, означающее как идеальный, так и физический объект анализа. Важным классом идеальных моделей является математическая модель - в ней изучаемое явление или процесс представлены в виде абстрактных объектов или наиболее общих математических закономерностей, выражающих либо законы природы, либо внутренние свойства самих математических объектов, либо правила логических рассуждений.

Границы между моделями различных типов или классов, а также отнесение модели к какому-то типу или классу чаще всего условны. Наиболее распространенные признаки, по которым классифицируются модели:

По целям использования выделяются модели учебные, опытные, имитационные, игровые, научно-технические.

По области знаний выделяются модели биологические, экономические, исторические, социологические и т.д.

По фактору времени разделяются модели динамические и статические. Статическая модель отражает строение и параметры объекта, поэтому ее называют также структурной. Она описывает объект в определенный момент времени, дает срез информации о нем. Динамическая модель отражает процесс функционирования объекта или изменения и развития процесса во времени.

Любая модель имеет конкретный вид, форму или способ представления, она всегда из чего-то и как-то сделана или представлена и описана. В этом классе, прежде всего, модели рассматриваются как материальные и нематериальные.

Материальные модели - это материальные копии объектов моделирования. Они всегда имеют реальное воплощение, воспроизводят внешние свойства или внутреннее строение, либо действия объекта-оригинала. Материальное моделирование использует экспериментальный (опытный) метод познания.

Нематериальное моделирование использует теоретический метод познания. По-другому его называют абстрактным, идеальным. Абстрактные модели, в свою очередь, делятся на воображаемые и информационные.

Информационная модель - это совокупность информации об объекте, описывающая свойства и состояние объекта, процесса или явления, а также связи и отношения с окружающим миром. Информационные модели представляют объекты в виде, словесных описаний, текстов, рисунков, таблиц, схем, чертежей, формул и т.д. Информационную модель нельзя потрогать, у нее нет материального воплощения, она строится только на информации. Ее можно выразить на языке описания (знаковая модель) или языке представления (наглядная модель).Одна и та же модель одновременно относится к разным классам деления. Например, программы, имитирующие движение тел. Такие программы используются на уроках физики (область знания) с целями обучения (цель использования). В то же время они являются динамическими, так как учитывают положение тела в разные моменты времени, и алгоритмическими по способу реализации.

Форма представления информационной модели зависит от способа кодирования (алфавита) и материального носителя.

Воображаемое (мысленное или интуитивное) моделирование - это мысленное представление об объекте. Такие модели формируются в воображении человека и сопутствуют его сознательной деятельности. Они всегда предшествуют созданию материального объекта, материальной и информационной модели, являясь одним из этапов творческого процесса.

Наглядное (выражено на языке представления) моделирование - это выражение свойств оригинала с помощью образов. Например, рисунки, художественные полотна, фотографии, кинофильмы. При научном моделировании понятия часто кодируются рисунками - иконическое моделирование. Сюда же относятся геометрические модели - информационные модели, представленные средствами графики.

Образно-знаковое моделирование использует знаковые образы какого-либо вида: схемы, графы, чертежи, графики, планы, карты. Например, географическая карта, план квартиры, родословное дерево, блок-схема алгоритма. К этой группе относятся структурные информационные модели, создаваемые для наглядного изображения составных частей и связей объектов. Наиболее простые и распространенные информационные структуры - это таблицы, схемы, графы, блок-схемы, деревья.

Знаковое (символическое выражено на языке описания) моделирование использует алфавиты формальных языков: условные знаки, специальные символы, буквы, цифры и предусматривает совокупность правил оперирования с этими знаками. Примеры: специальные языковые системы, физические или химические формулы, математические выражения и формулы, нотная запись и т. д. Программа, записанная по правилам языка программирования, является знаковой моделью.

Одним из наиболее распространенных формальных языков является алгебраический язык формул в математике, который позволяет описывать функциональные зависимости между величинами. Составление математической модели во многих задачах моделирования хоть и промежуточная, но очень существенная стадия.

Математическая модель - способ представления информационной модели, отображающий связь различных параметров объекта через математические формулы и понятия. В тех случаях, когда моделирование ориентировано на исследование моделей с помощью компьютера, одним из его этапов является разработка компьютерной модели.

Компьютерная модель - это созданный за счет ресурсов компьютера виртуальный образ, качественно и количественно отражающий внутренние свойства и связи моделируемого объекта, иногда передающий и его внешние характеристики. Компьютерная модель представляет собой материальную модель, воспроизводящую внешний вид, строение или действие моделируемого объекта посредством электромагнитных сигналов. Разработке компьютерной модели предшествуют мысленные, вербальные, структурные, математические и алгоритмические модели.

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

* Данная работа не является научным трудом, не является выпускной квалификационной работой и представляет собой результат обработки, структурирования и форматирования собранной информации, предназначенной для использования в качестве источника материала при самостоятельной подготовки учебных работ.

Построение математических моделей при решении задач оптимизации

2. Математические модели и их свойства.

3. Практические задачи, приводящие к исследованию линейной функции.

4. Использование свойств квадратичной функции при решении экстремальных задач.

5. Применение методов дифференциального исчисления при решении прикладных задач.

7. Список литературы.

Большую часть своих усилий человек тратит на поиск наилучшего т.е. оптимального решения поставленной задачи. Как, располагая определенными ресурсами, добиваться наиболее высокого жизненного уровня, наивысшей производительности труда, наименьших потерь, максимальной прибыли, минимальной затраты времени – так ставятся вопросы, над которыми приходится думать каждому члену общества.

Математикам удалось разработать методы решения задач на наибольшее и наименьшее значение, или, как их еще называют, задач на оптимизацию ( от латинского “оптимум” – наилучший). Многие задачи, поиска оптимальных решений, могут быть решены только с использованием методов дифференциального исчисления. Ряд задач такого типа решается с помощью специальных методов линейного программирования, но существуют и такие экстремальные задачи, которые решаются средствами элементарной математики.

Следует различать также два вида задач на оптимизацию. В задачах первого вида улучшение достигается за счет коренных качественных изменений: выбор новых конструктивных решений, переход на новую технологию изготовления. В задачах второго рода качественная сторона дела остается неизменной, но меняются количественные показатели. В данной работе рассмотрены задачи только второго типа. В таких задачах ищутся наибольшее и наименьшее значения функций, зависящих от одной или нескольких переменных.

1. Математические модели и их свойства

Прежде чем решать какую – либо жизненную задачу, человек старается взвесить имеющуюся у него информацию, выбрать из нее существенную. И только потом, когда станет более или менее ясно, из чего исходить и на какой результата рассчитывать, он приступает к решению задачи. Иногда описанный процесс называют “уяснением задачи”, фактически же это замена исходной жизненной задачи ее моделью. В осмыслении простейшей жизненной ситуации присутствует модельный подход, хотя человек обычно не замечает своей деятельности по созданию моделей – настолько она для него естественна. Иное дело, если возникающая задача затрагивает ключевые моменты жизни одного человека или какого – либо сообщества людей. Разнообразие информационных аспектов в каждой такой задаче настолько велико, что бывает сложно из всего многообразия информации об изучаемом явлении или объекте выбрать наиболее существенные. В таких случаях необходимо сделать упрощающее предположение, чтобы выделить исходные данные, определить, что будет служить результатом и какова связь между исходными данными и результатом. Все это – предположения, исходные данные, результаты, связи между ними – их называют моделью задачи.

Если построенная модель дает удовлетворительные результаты при решении жизненных задач, то говорят, что модель адекватна рассматриваемому объекту (процессу или явлению). Нередко для решения модельной задачи требуется некоторый инструментарий. Этот инструментарий обычно организуется в виде единого объекта, называемого исполнителем. Чтобы исполнитель мог получить ответ, ему нужны указания, что и как делать. Такие указания часто представляются в виде алгоритма, в котором задаются математические соотношения, связывающие исходные данные и результат. В этом случае говорят о построении математической модели задачи.

Обычно модель возникает как необходимый этап решения конкретной задачи. Однако в дельнейшем может происходить обособление модели от задачи, и модель начинает жить самостоятельно. Примером может служить сюжет движения с постоянной скоростью, который возникал в человеческой деятельности столь часто, что в конце концов обособился от задач и стал составляющей физического знания, называемого “равномерное прямолинейное движение”. Теперь при необходимости решить какую – либо задачу, связанную с равномерным движением пользуются этой готовой моделью процесса. В одних задачах результатом может оказаться время, в других – пройденный путь, в третьих скорость. Остальные параметры модели процесса станут исходными данными.

Если же в задаче фигурирует не равномерное движение, а равноускоренное, то физика и здесь предложит готовую модель в виде формулы: S = V₀t + at 2

Соответственно говоря, все естественные науки, использующие математику, можно считать математическими моделями явлений. Например, гидродинамика является моделью движения жидкости, математическая экономика – моделью процессов экономики и т.д. До появления ЭВМ математическое моделирование сводилось к построению аналитической теории явления. Не всегда математическую теорию явления удавалось доводить до возможности вывода формул. Природа оказывалась сложнее возможностей аналитических методов математики. Приходилось вносить значительные упрощения в модель явления, а тем самым обеднять выводы. В этом веке математика пополнилась мощным математическим методом исследования: моделированием сложных систем на ЭВМ. Теперь исследователь ставит перед собой не ту цель, что раньше – вывод расчетной формулы. Теперь он стремится вычислять те или иные параметры, характеризующие явление. Таким путем были исследованы сложные вопросы, связанные с термоядерными реакциями, поведением самолетов в критических ситуациях, влиянием различных факторов на экологические системы, распространением эпидемий и пр.

В настоящее время широко используется математическое моделирование и тогда, когда о физической структуре процесса известно крайне мало. В этом случае строится гипотетическая модель и на ее основе выводятся следствия уже доступные наблюдению. Если такие модели не оправдываются опытом, то они живут недолго и отмирают, уступив место другим моделям, позволяющим познать природу вещей точнее. История науки показывает, сколь большую роль сыграли научные гипотезы и построенные на их основе математические модели явлений.

Математический аппарат, применяемый при построении моделей, весьма разнообразен. Кроме классических разделов математического анализа (дифференциальное и интегральное исчисление) широко используются современные разделы математики, в которых изучаются методы, позволяющие находить оптимальные решения: линейное, нелинейное и динамическое программирование. Для анализа многих операций применяют аппарат теории вероятностей. Это вызвано тем, что исследования проводятся в условиях, определенных не полностью, зависящих от случайных причин. В тех случаях, когда в центре внимания находятся вопросы динамики явлений, широко применяют аппарат дифференциальных уравнений, а в более сложных случаях используется метод статистического моделирования.

2. Практические задачи, приводящие к исследованию линейной функции

Расстояние между двумя шахтами А и В по шоссейной дороге 60 км. На шахте А добывается 200 т руды в сутки, на шахте В – 100 т в сутки. Где нужно построить завод по переработке руды, чтобы для ее перевозки количество тонно-километров было наименьшим?

Выясняем, что суммарное количество тонно-километров изменяется в зависимости от места нахождения завода, вычислив его, например, для случаев, когда завод находится от пункта А на расстоянии 30 км, 20 км, 10 км. Далее приступаем к решению задачи, обозначив расстояние от завода С до шахты А через х:

Количество тонно-километров, пройденных транспортом от А до С за каждый день, составляет 200 х т/км, а от В до С – 100 (60 – х) т/км. Суммарное количество тонно-километров выразится функцией у = 200х + 100 (60 – х) = 100х + 6000, которая определена на сегменте [0; 60].

Ясно, что это уравнение может иметь бесконечно много решений. Естественно здесь поставить вопрос – найти дешевый вариант перевозок.

Исследуя функцию у = 100х + 6000 на сегменте [0; 60], получим уmin = 6000.

Эта линейная функция будет иметь минимальное значение при х = 0, уmin = 6000 т/км. Завод надо строить возле шахты А.

Для лучшего понимания этой задачи целесообразно дополнительно выяснить вопрос, где нужно бы построить завод, если бы:

а) в шахте А добывалось 100 т, а в шахте В – 200 т руды;

б) в шахте А – 200 т, а в шахте В – 190 т;

в) в шахте А и шахте В – по 200 т руды;

Чтобы решить этот вопрос, нужно найти на сегменте [0; 60] минимум функции:

а) у = 100х + 200(60 – х) = - 100х + 12000;

б) у = 200х + 190(60 – х) = 10х + 11400;

в) у = 200х + 200(60 – х) = 12000.

Из всего этого можно сделать такой вывод: если в шахте А добывается руды больше, чем в шахте В, то завод надо строить возле шахты А; если же количество руды в этих шахтах одинаковое, то завод можно строить в любом месте вблизи шоссейной дороги между шахтами А и В.

На колхозной ферме нужно провести водопровод длиной 167 м. Имеются трубы длиной 5 м и 7 м. Сколько нужно использовать тех и других труб, чтобы сделать наименьшее количество соединений (трубы не резать)?

Учитывая, что количество как одних, так и других труб может изменяться, количество 7 – метровых труб обозначим через х, а 5 – метровых – через у. Тогда 7х – длина 7-метровых труб, 5у – длина 5-метровых труб. Отсюда получаем неопределенное уравнение

Выразив, например, переменную у через переменную х, получим:

300х + 400у 6200 (1)

200х + 100у = 3400

Общая прибыль фабрики может быть выражена целевой функцией

Выразим у через x из уравнения 200х + 100у = 3400 и подставим полученное выражение вместо у в неравенства и целевую функцию:

2х + 5(34 – 2х) 42

3х + 4( 43 – 2х) 62

Преобразуем систему ограничений (3):

13х 206 х 5 13

5х 74 0 х 17

у =34 - 2х у = 34 – 2х

Очевидно, что F =272 –3х принимает наибольшее значение, если х=16.

Fнаиб = 272 – 13 16 – 64 (тыс. руб.)

Отдельно следует остановиться на случаях использования ЭВМ при решении задач оптимизации. Рассмотрим это на примере решения следующей задачи:

В обработку поступила партия из 150 досок длиной по 7.5 м. каждая, для

изготовления комплектов из 4-х деталей. Комплект состоит из:

1 детали длиной 3 м.

2-х деталей длиной 2 м.

1 детали длиной 1.5 м

Как распилить все доски, получив наибольшее возможное число комплектов?

Для решения этой задачи воспользуемся редактором электронных таблиц EXCEL

Вводим в ячейки B3:D10 варианты возможного распила одной доски. В ячейках E3:E10 ставим по умолчанию количество досок по одной. В ячейках F3:H10 суммируем получившиеся распиленные детали.

Читайте также: