Уравнение математической модели в общем виде

Математическая модель

Что такое математическая модель

Математическая модель — концепция представления реальности математическим способом, вариант схемы как комплекса, изучение которого позволяет человеку обрести знания о некой другой системе.

Простой пример: график зависимости среднесуточной температуры от времени.

Математическая модель также была создана для того, чтобы проанализировать и предугадать поведение материального объекта. Однако у математической модели есть проблема, от которой не избавиться — идеализация.

Математическое моделирование — процесс создания, а также приемы построения и исследования математических моделей.

Все науки, которые используют для решения своих задач математический аппарат, практикуют математическое моделирование. То есть, заменяют объект своего исследования математической моделью и занимаются исследованием последней.

При помощи совокупности математических методов можно описать образцовый объект или процесс, который построен на стадии содержательного моделирования.

Как осуществляется связь математической модели и реальности?

1. Эмпирические законы.
2. Гипотезы.
3. Идеализация.
4. Упрощения.

Самые важные математические модели всегда обладают качеством универсальности. То есть, совершенно разные феномены могут быть описаны одной математической моделью.

Однако стоит помнить, что модель — объект, она может иметь собственные качества и свойства, которые могут не относиться к реальному моделируемому объекту.

Часто математические модели представляют в виде:

1. Графика. Получить данные для решения задачи мы можем, посмотрев на данные графика.
2. Уравнения. Данные для решения задачи зашифрованы в виде уравнения, под буквами x и y.

Представим основные понятия, которые важны для изучения данной темы:

1. Реальный объект — исследуемый объект. Им может быть явление, система, либо процесс.
2. Модель — нематериальный или материальный объект исследования, который является заменителем настоящего процесса\явления\системы.
3. Моделирование — способ исследования предметов с помощью прототипов.

Виды математических моделей, классификация

Существует несколько классификаций математических моделей. Рассмотрим некоторые из них.

Формальная типология

Основа данной классификации — какие математические средства используются для создания модели. Для создания схем в формальной классификации часто используется прием дихотомии.

Дихотомия — раздвоение, разделение чего-то на две части. Например, графиков.

К известным типам дихотомии относятся:

Типология по методу представления объекта

В рамках данной классификации выделяют структурные и функциональные модели.

• Структурная модель показывает объект как комплекс с механизмом и устройством функционирования.
• Функциональные модели могут отражать поведение объекта, которое мы можем воспринимать внешне.

Эти парадигмы также имеют название «черные ящики».

Содержательные, а также формальные модели

Многие авторы, которые описывают процесс моделирования в математике, отмечают, что для начала нужно построить специальную образцовую конструкцию, так называемую содержательную модель.

В разных учебных изданиях идеальный объект называется по-разному. Встречаются такие примеры как умозрительная модель, концептуальная модель, а также предмодель.

Конечная математическая схема будет назваться формальной моделью (математическая модель). Она получается в результате представления предмодели с помощью формального языка.

Построить умозрительную модель можно с помощью уже готового набора идеализаций. Например, в механике существуют идеальные пружины, маятники, твердые тела и тд, которые представляют собой готовые заготовки для построения содержательной модели.

Однако есть научные области, в которых сложно построить содержательные модели, потому что в них нет полноценных формализованных доктрин. К таким дисциплинам относятся биология, физика, психология, экономика и многие другие).

Содержательная типология

В работах английского физика Рудольфа Эрнста Пайерлса можно найти некоторые типологии математических моделей, которые используются в физике и других естественных науках. Советские ученые Александр Горбань и Рэм Хлебопрос расширили классификацию Пайерлса. Данная типология акцентирует свое внимание на процессе выстраивания содержательной модели. Итак, существуют следующие типы математических моделей:

• Гипотеза. Это пробное описание феноменов, автор которых либо верит в возможность их существования, либо считает это явление истинным. Такой, по мнению Пайерлса, является макет Солнечной системы от Птолемея, атомная модель Резерфорда, прототип Большого взрыва.
• Феноменологическая модель. Этот тип содержит систему для описания феномена. Эта система обычно не особенно убедительна, не имеет достаточную аргументационную базу, плохо соотносится с существующими теориями. У феноменологических моделей временный статус. Ответ на вопрос феноменологической модели неизвестен, поэтому продолжается поиск истинных решений проблемы. К этому типу относятся макет теплорода.
• Приближение. Если возможно построение уравнения, которое могло бы описать систему, это не значит, что его можно найти решения уравнения с помощью компьютерных программ. К таким уравнения относятся модели линейного отклика. Просто пример приближения — закон Ома.
• Упрощение. В рамках данной модели убираются детали, которые могли бы повлиять на результат исследования (заметно и не контролируемо). Примером данного типа являются уравнения состояния Вандер-Ваальса, а также модели из физики жидкостей, твердого тела и т.д.
• Эвристическая модель. Данная модель сохраняет подобие реальности, метод «слепого поиска» (через ошибки и пробы). Примером данной модели может быть измерение средней длины свободного пробега в кинетической теории.
• Аналогия. Этот тип учитывает лишь некоторые особенности систем. Примером аналогии может быть исследование Гейзенберга о происхождении ядерных сил.
• Мысленный эксперимент. Основа данного типа — предположение не на практике, не в результате реального эксперимента, а в опровержении какой-либо возможности в теории. Мысленный эксперимент часто использовал в своей работе Эйнштейн. В результате одного из мысленных экспериментов была выведена специальная теория относительности.
• Демонстрация возможности. Основа данного типа — показать непротиворечивость возможности. Это своеобразные мысленные эксперименты, которые демонстрируют, что явление может согласоваться с базовыми теориями и непротиворечиво само по себе. Модель демонстрации возможности был использован для эксперимента геометрии Лобачевского.

Сложность моделируемой системы

Выделяются три уровня систем по сложности:

• простые физические;
• сложные физические;
• биологические системы.

Советский академик Александр Андронов выделил три типа неустойчивых моделей:

1. Неустойчивые к преобразованию начальных требований.
2. Неустойчивые к небольшим преобразованиям условий, которые не вызывают никаких изменений в числе степеней свободы системы.
3. Неустойчивые к небольшим преобразованиям условий, которые вызывают изменения в числе степеней свободы системы.

Неустойчивые модели называют негрубыми. Устойчивые модели — мягкие.

Какие еще бывают модели?

1. Игровые (игры).
2. Учебные (тренажеры).
3. Опытные (уменьшенные копии чего-то).
4. Исследовательские (для исследования процессов).
5. Имитационные (представляют явления реальности).

Это ряд прототипов, которые выделяются по принципу применения.

Также выделяют материальные и информационные модели. Натуральные — муляжи, макеты. А информационные — прототипы, которые заменяют реальность формально (то есть словесно, графически и т.д.).

Какие параметры нужны для построения математической модели

Рассмотрим принципы построения математических моделей:

1. Информационная достаточность. Невозможно построить схему без исследуемой информации. А при полноценном информационном обеспечении (когда все известно), построение не имеет никакого смысла. Поэтому для разработки математической модели важно иметь достаточное количество информации (не избыточное или недостаточное).
2. Осуществимость проекта. Схема обязана гарантировать достижение определенной цели исследования.
3. Множественность модели. Модель обязана отражать свойства реальных явлений, которые сказываются на эффективности исследования. Должны исследоваться лишь некоторые части реального объекта. Для полноценного исследования необходимо проанализировать некоторое множество (ряд) моделей.
4. Агрегирование. Создание в рамках большой и сложной системы несколько подсистем, которые могут помочь решить задачу, поставленную в исследовании.
5. Параметризация. Подсистема с определенным параметром выражается в числовой величине. Они не описывают процесс функционирования. Зависимость величины может быть задано таблицей, формулой, графиком. Служит для сокращения объема.

Также все математические модели должны отличаться следующими признаками адекватностью, конечностью, полнотой, упрощенностью, гибкостью.

Алгоритм составления, основные моменты

Для того чтобы составить математическую модель необходимо перевести данные задачи в вид математической формы. То есть переделать слова в формулу, уравнение и т.д. Необходимо установить математические связи между всеми условиями задачи.

Стоит помнить, что формула, уравнение математической модели должно полностью соответствовать тексту задачи, потому что иначе цель исследования изменится, а значит и задачу мы будем решать другую.

Представим алгоритм решения математической модели:

1. Определяем цель исследования.
2. Выделяем свойства системы.
3. Выбираем средства, с помощью которых будем исследовать систему.
4. Проводим исследование.
5. Анализируем получившиеся результаты.
6. Корректируем прототип.

Попробуем составить математическую модель на примере простой задачи:

Иван Федорович вернулся с охоты и показал своей семье добычу. Оказалось, что он принес 10 тушек зайцев, которые живут в тайге, 50 % всей добычи — из тундры, а из местного леса, где охотился Иван Федорович нет ни одного животного. Сколько всего дичи купил Иван Федорович в магазине «Мясо диких животных?».

Данный текст нужно представить в виде уравнения. Для этого необходимо установить математические связи между всеми условиями задачи.

1. Обращаем внимание на главные математические данные. 10 тушек и 50%.
2. Найдем скрытую информацию. Под 50% имеется в виду 50% от всего количества дичи.
3. Представим главный вопрос — сколько дичи — в виде X. То есть, X — количество всей дичи, что есть у Ивана Федоровича.
4. Процентное соотношение дичи из тундры нужно перевести в штуки, потому что в математических задачах важно все составлять в одинаковых значениях.
5. Число дичи из тундры невозможно посчитать в штуках, поэтому переводим в уравнение 50% = 0,5*X. Данное уравнение верно для вычисления количества дичи из тундры.
6. Какие данные у нас есть? 10 штук тушек зайцев из тайги, 0,5*X — дичи из тундры, а также X общее количество дичи.
7. То есть, общее количество дичи будет равно сумме дичи из тайги и дичи из тундры. То есть, уравнение X = 10 + 0,5X.
8. X = 10 + 0,5X — математическая модель.
9. Далее решаем линейное уравнение и получаем, что дичи всего 20 штук.
10. Ответ: 20.

Обобщение — для того, чтобы построить математическую модель, нужно выбросить всю ненужную информацию из задачи, оставить только нужное и заменяем на математический объект.

Уравнение математической модели в общем виде

Модели математические общий вид

При оценке эффективности размещения нефтепроводов математическая модель в общем виде формулируется следующим образом [c.83]

Общий вид математической модели. Мы рассмотрели некоторые математические модели, наиболее часто встречающиеся в прикладных работах по математическому исследованию экономических процессов. Процесс их построения имеет следующие общие черты. Прежде всего устанавливается, какие переменные рассматриваются в модели либо вещественные векторы, либо-целочисленные переменные, либо функции времени (в последнем случае уточняется, какими свойствами обладают эти функции). В результате оказывается описано, как принято говорить, пространство переменных модели. После описания пространства переменных формулируются связи, накладываемые па переменные модели. Эти связи позволяют выделить среди всевозможных сочетаний переменных те, которые соответствуют нашим представлениям об изучаемой системе. В процессе построения математической модели постепенно формулируются соотношения между переменными, делающие множество допустимых сочетаний переменных все уже и уже. Если соотношения модели не определяют единственного сочетания переменных, остается некоторая свобода выбора. Модель в общем виде можно представить как [c.39]

При первом решении, когда модель себестоимости добычи нефти представлена в виде единого выражения, число факторов, которые можно включить в нее, ограничено. С одной стороны, их число лимитируется возможностями математических методов, с другой — самим числом факторов. Использование модели в таком виде не позволяет проводить детальное исследование себестоимости добычи нефти с подробным анализом затрат по отдельным видам и элементам. Однако для решения более общих задач, которые не требуют глубокого анализа, модель такого вида приемлема. [c.11]

Таким образом, на уровне министерства и объединения при моделировании себестоимости добычи нефти целесообразно модель объекта исследования представить в общем виде, в форме единого математического выражения. [c.12]

Пример построения моделей на аппарате дифференциального исчисления. Для описания экологических сообществ привлекают методы из самых разных областей математического знания. Самое широкое распространение получил подход, основывающийся на аппарате дифференциального исчисления. Дифференциальные уравнения позволяют описывать динамику численности (биомассы) каждой популяции, входящей в изучаемую систему. В общем виде можно записать зависимость [c.43]

Вопрос о различиях между моделями, используемыми для принятия решений в условиях полной определенности (или, как их еще называют, моделями с детерминированными факторами), и моделями с недетерминированными факторами затрагивался в первой главе при описании этапов модельного исследования. Рассмотрим эту проблему более подробно. Все рассмотренные до настоящего момента математические модели были в основном связаны с оптимизацией, причем задача поиска наилучшего управления системой в общем виде имела следующую форму среди всех к из множества X (у), где у — параметры системы, найти такое управление к, на котором критерий эффективности С (х, у) принимает максимальное значение. При этом значения параметров у считались заданными, т. е. [c.196]

Математические модели, описываемые в данной главе, предназначены для выработки плановых решений в отдельных производственных единицах. Производственные единицы являются составной частью народного хозяйства, поэтому в процессе планирования их деятельности учитываются интересы народного хозяйства в целом. Поскольку производственная единица использует в процессе своей деятельности некоторые ресурсы и производит продукцию, потребляемую другими предприятиями, отдельными потребителями либо государством в целом, оценка деятельности производственной единицы производится с помощью показателей, характеризующих народнохозяйственный эффект продукции и величину затрат на ее производство. В общем виде о построении таких показателей говорилось в гл. 2, здесь же они будут конкретизированы. [c.163]

В гл. 1 был сформулирован общий вид математической модели объекта исследования [c.296]

Весь последующий четвертый этап анализа посвящается построению в общем виде экономико-математической модели системы. При этом на основе качественного анализа определяются математические формы всех уравнений и неравенств системы. На этом этапе при помощи различных методов должны быть определены коэффициенты всех уравнений и неравенств, функции цели и параметры ограничений. [c.35]

Модель факторной системы — — это математическая формула, выражающая реальные связи между анализируемыми явлениями в наиболее общем виде она может быть представлена так [c.74]

Тем не менее методы линейного программирования зачастую могут плодотворно применяться в целях оптимизации планирования, когда для оптимума достаточно одного критерия и его экстремального выражения. Схема математической модели в самом общем виде представляется следующей. [c.232]

В этих целях широко используется производственная функция, применяемая в соответствующих моделях, которая математически может быть представлена в общем виде как х = f(ai, 02. ап), при условии что df/ hi, df/do2. df/da — предельные производительности факторов idi, а2. а ), или как у = f(L, N, К), где /— обозначение характера функции хи у обозначения объемов продукта L — труд N — земля К— капитал. [c.69]

О.м. — основной инструмент экономико-математических методов. Обычно они очень сложны, насчитывают сотни и тысячи уравнений и переменных. Но общая структура таких моделей проста. Она состоит из целевой функции, способной принимать значения (на множестве значений переменных) в пределах области, ограниченной условиями задачи области допустимых решений), и ограничений, характеризующих эти условия. Целевая функция в самом общем виде в свою очередь состоит из трех элементов управляемых переменных, параметров (или также переменных), которые не поддаются управлению (напр., зависящих от внешней среды), и формы зависимости между ними (формы функции). [c.243]

Статическая модель оптимизации прикрепления потребителей к поставщикам. Основной математической моделью оптимального прикрепления потребителей к поставщикам является так называемая транспортная задача линейного программирования, которая в общем виде формулируется следующим образом [c.524]

Запишем экономико-математическую модель рассмотренной задачи в общем виде, т. е. в символах. [c.8]

Поставленные в предыдущем разделе задачи оптимизации стратегического планирования, а также и многие математические модели задач оптимизации текущего планирования принадлежат к классу распределительных задач нечеткой дискретной оптимизации с булевыми переменными. К ним относятся планирование геофизических исследований скважин (ГИС), техническое обслуживание и ремонт различных технологических объектов, оптимизация выбора стратегий их проведения, выбора оптимальных комплексов ГИС, расчет равновесных цен на проведение ГИС, распределения ГИС и ТОР по плановым периодам, а также другие задачи оптимизации выбора вариантов проектов, в том числе распределение капиталовложений в производственно-техническое обслуживание, распределение трудовых ресурсов промысловых и геофизических предприятий [12.7] и многие др. В общем виде они могут быть записаны в виде следующей (аналогичной задачам (12Л)-(12.5), (12,6)-( 12,10)) оптимизационной задачи . [c.494]

В самом общем виде математическая модель включает следующие элементы. [c.175]

Отсутствие решения в общем виде — определенный недостаток модели. Не подлежит сомнению, что подобная постановка обязательно должна иметь результатом аналитическое, функциональное выражение пропорции между накоплением и потреблением. Теория и практика планирования могут и должны быть вооружены зависимостью оптимальной нормы производственного накопления от ряда важнейших синтетических показателей группы показателей народнохозяйственной эффективности (эффективности вложений, использования фондов, отдачи и др.), временных параметров, лага капитального строительства и других. Преимущества математической модели перед числовой по существу сводятся лишь к одному пункту математическая модель позволяет получить общий результат, закономерность, справедливую для всех численных реализаций. Это преимущество должно быть использовано. [c.46]

Очевидно, что экономико-математическому моделированию с целью формализации и вывода расчетов на ЭВМ должны в первую очередь подвергаться те задачи подсистемы ТЭП, которые предусматриваются как автоматизируемые. К таким задачам относится задача составления плана по труду и заработной плате в ежегодно составляемом годовом техпромфинплане предприятия. В настоящее время матричная модель техпромфинплана в общем виде разработана достаточно полно. Однако представляется необходимой более детальная проработка отдельных разделов его с учетом особенностей конкретных отраслей промышленности, в первую очередь плана по труду и заработной плате. Актуальность такой проработки подтверждается также тем, что в настоящее время в состав директивных показателей предприятия введен показатель роста производительности труда, что предъявляет повы-100 [c.100]

Для определения перспектив развития рынка используется метод математического моделирования рыночных процессов. В общем виде экономико-статистическая или экономико-математическая модель может быть охарактеризована как система показателей, отражающая те многочисленные признаки, которые свойственны определенной совокупности элементов, участвующих в конкретном экономическом процессе. В качестве параметров системы выбираются важнейшие показатели, характеризующие структуру рыночного процесса. В экономико-математических моделях показатели связаны в единую систему функциональных уравнений (неравенств) различного типа. [c.54]

При нахождении значений параметров степенных моделей для упрощения составления программы экономико-математические модели приводятся в удобные линейные функции путем логарифмирования. В общем виде степенная зависимость после логарифмирования имеет вид [c.77]

Основанные на моделях или же экономико-математические методы прогнозирования спроса предполагают использование формальных методов. В общем случае любая модель имеет следующий вид (рис. 43). [c.115]

Антикризисное управление изменениями с использованием компьютерных программ опирается на экономико-математическое моделирование систем и процессов. В общем виде иерархия моделей, применяемых в управлении изменениями, может быть представлена четырьмя основными блоками (рис. 4.3), которые взаимообусловлены и соподчинены между собой [4, с. 88]. [c.254]

В данной главе будут-рассмотрены некоторые модели потребительского выбора. Будем считать, что потребитель располагает доходом /, который он полностью тратит на приобретение благ (продуктов). Точнее говоря, величина /- это не доход, а расход данного потребителя. Потребитель решает статическую задачу, то есть в модели не учитываются его межвременные предпочтения и возможности делать или расходовать сбережения. Цены благ считаются заданными. Учитывая структуру цен, доход и собственные предпочтения, потребитель приобретает определенные количества благ, и математическая модель такого его поведения называется моделью потребительского выбора. Вначале мы рассмотрим модель с двумя видами благ. Такая модель удобна прежде всего возможностью графической интерпретации, сохраняя при этом все принципиальные свойства общей модели. [c.135]

Основные понятия. Многие экономические задачи характеризуются тем, что объемы управляемых ресурсов (в силу тех или иных объективных свойств) могут принимать только целые значения. Математическая формализация данных ситуаций приводит к моделям дискретного программирования. В общем виде задача дискретного программирования может быть сформулирована как задача нахождения максимума (или минимума) целевой функции f(x ,x2. xn) на множестве Д определяемом системой ограничений [c.136]

В предыдущих главах рассматривались различные математические модели задач линейного программирования. В некоторых из них, например, транспортной закрытого типа, ограничения были представлены уравнениями, а в некоторых — открытой транспортной задаче, задаче размещения и распределительной — часть ограничений задавалась в виде уравнений, а другая — в виде неравенств. Всякая система неравенств может быть сведена к системе уравнений путем различных преобразований и представлена в общем виде системой [227] линейных уравнений с неизвестными [c.293]

Аналитическая модель — формула, представляющая математические зависимости в экономике и показывающая, что результаты (выходы) находятся в функциональной зависимости от затрат (входов). В самом общем виде ее можно записать так U=f(x), где х — совокупность (вектор) выходов / — зависимость, которая записана в виде математической функции. [c.209]

Одновременно заметим, что модели, основывающиеся на задании стохастических процессов в общем виде, имеют исключительно теоретическое значение и предназначены лишь для изложения на принципиальном уровне идей применения соответствующего математического аппарата. Исследования, направленные на содержательный анализ закономерностей работы банков, так или иначе должны опираться на предпосылки, конкретизирующие тип и параметры используемых в них случайных величин и функций. Ряд частных примеров, базирующихся на данном подходе, будет приведен в последующих параграфах. [c.151]

Математическая структура модели может быть очень сложной, однако в самом общем виде ее математически можно представить в виде [c.22]

На основе полученной информации в общем виде строится экономико-математическая модель системы, при этом на основе качественного анализа определяются математические выражения и коэффициенты всех уравнений и неравенств в системе, функции, цели и параметры ограничений. [c.203]

Метод линейного программирования применяется в случаях, когда зависимости между факторами линейные и характер их не меняется со временем. Этот метод предполагает наличие нескольких альтернативных вариантов решения задачи, из числа которых и определяется лучший (оптимальный). В общем виде математическая модель оптимизационной задачи выглядит следующим образом [c.16]

Оптимальная структура посевных площадей является аналогом принципа наиболее эффективного использования земли в сельском хозяйстве. Она может быть определена с использованием традиционного математического аппарата на основе нахождения максимального объема продаж при искомой площади под определенными культурами. В общем виде модель для расчета максимального объема продаж урожая сельскохозяйственных культур можно записать в следующем виде F0 = Z i х у i x xt — > max, [c.483]

Модель, описывающая целевую траекторию, в общем виде может быть представлена сетью, где каждой вершине соответствует определенное требуемое состояние. Целью управляющей системы в любой фиксировацный момент времени является перевод подчиненных объектов в целевое состояние, описываемое некоторым подмножеством вершин сети, задающей целевую траекторию. В производственных системах целевая траектория строится, как определенное детализированное представление технологического маршрута, и математически может быть описана, например, сетью переходов или сетью Петри. [c.183]

В настоящей главе обсуждаются методы построения решающих правил для одноэтапных задач стохастического программирования, а для отдельных моделей приводятся и явные выражения для решающих правил. В 1 рассматриваются частные модели первого класса, в которых предполагается, что решающие правила — линейные функции случайных составляющих условий задачи. Вычисление параметров решающих правил сводится к задачам выпуклого программирования. Параграф 2 посвящен изучению. М-модели с вероятностным ограничением общего вида. Относительно решающего правила л (со) не делается никаких предположений, кроме того, что л (со)—измеримая вектор-функция на множестве X произвольной структуры, на котором она определена. В 3 метод построения решающих правил из предыдущего параграфа обобщается на М-модель с конечнозначным ограничением — с условием, ограничивающим математическое ожидание случайной функции от х, принимающей конечное число значений. Таким условием может быть аппроксимировано любое статистическое ограничение. В 4 построены решающие правила (точнее, решающие таблицы) дляч Р-мо-дели с вероятностными ограничениями общего вида. В 5 рассматривается стохастическая задача со смешанными ограничениями. Эта модель отличается от задачи 4 дополнительными условиями, которые могут существенно изменить структуру решения. В 6—8 построены решающие правила для одноэтапных задач стохастического программирования со статистическими ограничениями достаточно общего вида. Модель, изученная в 6, представляет собой стохастический аналог общей задачи линейного программирования с двухсторонними ограничениями. Модель из 7 — стохастический аналог общей задачи квадратичного программирования. Модель, исследованная в 8, является стохастическим аналогом частной задачи выпуклого программирования с квадратичной целевой функцией и квадратичными ограничениями. Заключительный параграф главы ( 9) посвящен итеративным методам построения решающих правил одноэтапных задач стохастического программирования. [c.84]

Полная совокупность ситуация — решение объединяет все множество взаимосвязей на различных этапах [постановка задачи выбор (поиск) решения, реализация решения, оценка результата], процедуры выбЬра (поиска) решения и характеризует в общем виде требования, которым удовлетворяют цели различных этапов. При этом используются различные способы представления среды и системы [по характеру представления по ситуационным условиям по принципу подхода к получению результата (модели) по информационному признаку по характеристикам параметров объекта и их взаимосвязям], а также различные принципы выбора (поиска) решения. Используемые в задачах, возникающих в рассматриваемой проблеме, математические методы могут быть соответственно классифицированы по этапам как применяемые при постановке задачи для принятия (поиска) решения при реализации при оценке результатов. [c.68]

В полном объеме, своевременно и качественно большое число вариантных расчетов можно выполнить с использованием экономико-математических моделей и методов, к которым относятся межотраслевые балансы производства и распределения продукции в народном хозяйстве. Система межотраслевых моделей экспериментально опробиро-вана и применяется при научных обоснованиях и в практике планирования. В самом общем виде она включает укрупненные межотраслевые балансы и развернутые натурально-стоимостные межотраслевые модели. В свою очередь, укрупненные балансы, разрабатываемые в стоимостных показателях, подразделяют на статические и динамические оптимизационные модели. Развернутые, натурально-стоимостные модели дифференцируют на статические и полудинамические, которые рассчитывают в натурально-стоимостных измерителях. В отдельных случаях в зависимости от выбранных целей разрабатывают модификации таких моделей с развернутыми блоками агропромышленным, топливно-энергетическим, инвестиционным и т.д. Все модели тесно взаимосвязаны. Используемые при этом исходная информация и данные, получаемые в результате проводимых расчетов, как правило, взаимно дополняют друг друга. Это позволяет достаточно полно и конкретно отражать рассматриваемые экономические процессы. [c.109]

Основой специального математического обеспечения является математическая модель. Математические модели в АСУ применяются для наилучшего управления производственным процессом или для принятия наиболее эффективных решений. Модель принятия решения, как правило, содержит оптимизирующее звено. Рассмотрим в общем виде организацию работ по математическому моделированию и мето- яу [c.387]

Таким образом, метод наименьших квадратов весьма полезен и широко применим как простой математический инструмент. Метод наименьших квадратов можно обобщить на случай произвольного числа факторов. Неизвестную функцию аппроксимируем полиномом. Если степень полинома не задана априори, то расчеты придется вести несколько раз, постепенно увеличивая степень полинома до тех пор, пока полученная модель не станет адекватной. Чтобы получить общий случай, рассмотрим аппроксимацию нелинейным полиномом. При этом расчетам должна предшествовать операция линеаризации функции. Эта операция состоит в замене квадратов и эффектов взаимодействия факторов новыми переменными и вычислении для них соответствующих столбцов в матрице результатов наблюдений. Такая матрица называется Х-матрицей или матрицей условий экспериментов. В линеаризованном виде она соответствует расчетной матрице при планировании эксперимента. В общем виде Х-матрица может быть записана следующим образом [c.227]

Запишем в общем виде экономико-математическую модель за-дачи об использовании ресурсов. Для этого введем переменные Хр j = 1,и — количество продукции у -го вида. Тогда ограничения на сырье запишутся в виде [c.237]

Эканомит-математический мгтод моделирования в финансовом планировании позволяет определить количественное выражение взаимосвязей между финансовыми показателями и факторами, влияющими на их величину. Взаимосвязь выражается через экономико-математическую модель, которая представляет собой математическое описание экономических процессов с помощью математических методов и приемов. В модель включаются только основные определяющие факторы, при этом она может базироваться как на функциональной, так и на корреляционной связи — вероятностной зависимости, которая проявляется только в общем виде при большом количестве наблюдений и выражается уравнениями регрессии различного вида. [c.568]

Процесс математического моделирования

Отличительной особенностью математических моделей, создаваемых в настоящее время, является их комплексность, связанная со сложностью моделируемых объектов. Это приводит к усложнению модели и необходимости совместного использования нескольких теорий из разных областей знания, применения современных вычислительных методов и вычислительной техники для получения и анализа результатов моделирования. В случае сложных объектов удовлетворить всем предъявляемым требованиям в одной модели обычно невозможно. Приходится создавать целый спектр моделей одного и того же объекта (в некоторых случаях — иерархическую совокупность «вложенных» одна в другую моделей), каждая из которых наиболее эффективно решает возложенные на нее задачи.

Необходимость массового построения моделей требует разработки некоторой совокупности правил и подходов, которые позволили бы снизить затраты на разработку моделей и уменьшить вероятность появления трудно устранимых впоследствии ошибок. Подобную совокупность правил можно было бы назвать технологией создания математических моделей.

Процесс построения любой математической модели можно представить последовательностью этапов:

1. Обследование объекта моделирования и формулировка технического задания на разработку модели (содержательная постановка задачи);
2. Концептуальная и математическая постановка задачи;
3. Качественный анализ и проверка корректности модели;
4. Выбор и обоснование выбора методов решения задачи;
5. Поиск решения;
6. Разработка алгоритма решения и исследование его свойств, реализация алгоритма в виде программ;
7. Проверка адекватности модели;
8. Практическое использование построенной модели.

Обследование объекта моделирования

Математические модели, особенно использующие численные методы и вычислительную технику, требуют для своего построения значительных интеллектуальных, финансовых и временных затрат. Поэтому решение о разработке новой модели принимается лишь в случае отсутствия иных, более простых путей решения возникших проблем (например, модификации одной из существующих моделей).

Необходимость в новой модели может появиться в связи с проведением научных исследований, особенно — на стыке различных областей знания. После принятия решения о необходимости построения новой математической модели заказчик ищет исполнителя своего заказа. В качестве исполнителя, как правило, может выступать рабочая группа, включающая специалистов разного профиля: прикладных математиков, специалистов, хорошо знающих особенности объекта моделирования, программистов. Если решение о создании модели принято и рабочая группа сформирована, то приступают к этапу обследования объекта моделирования. Основной целью данного этапа является подготовка содержательной постановки задачи моделирования. Перечень сформулированных в содержательной (словесной) форме основных вопросов об объекте моделирования, интересующих заказчика, составляет содержательную постановку задачи моделирования.

Подготовка списка вопросов, на которые должна ответить новая модель, зачастую является самостоятельной проблемой, требующей для своего решения специалистов со специфическими знаниями и способностями. Они должны не только хорошо разбираться в предметной области моделирования, знать возможности современной вычислительной математики и техники, но и уметь общаться с людьми, «разговорить» практиков, хорошо «чувствующих» объект моделирования, нюансы его поведения. К таким специалистам например относят системных аналитиков, системных инженеров, специалистов по исследованию операций.

На основании анализа всей собранной информации постановщик задачи должен сформулировать такие требования к будущей модели, которые, с одной стороны, удовлетворяли бы заказчика, а с другой — позволяли бы реализовать модель в заданные сроки и в рамках выделенных материальных средств. Системные аналитики (или операционисты) должны обладать способностью из большого объема слабо формализованной разнообразной информации об объекте моделирования, из различных нечетко высказанных и сформулированных пожеланий и требований заказчика к будущей модели выделить то главное, что может быть действительно реализовано.

На основе собранной информации об объекте моделирования системный аналитик (инженер, операционист) совместно с заказчиком формулируют содержательную постановку задачи моделирования, которая, как правило, не бывает окончательной и может уточняться и конкретизироваться в процессе разработки модели. Однако, все последующие уточнения и изменения содержательной постановки должны носить частный, не принципиальный характер.

Весь собранный в результате обследования материал о накопленных к данному моменту знаниях об объекте, содержательная постановка задачи моделирования, дополнительные требования к реализации модели и представлению результатов оформляются в виде технического задания на проектирование и разработку модели. Техническое задание является итоговым документом, заканчивающим этап обследования. Чем более полную информацию удастся собрать об объекте на этапе обследования, тем более четко можно выполнить содержательную постановку задачи, более полно учесть накопленный опыт и знания, избежать многих сложностей на последующих этапах разработки модели.

Концептуальная постановка задачи моделирования

В отличие от содержательной концептуальная постановка задачи моделирования, как правило, формулируется членами рабочей группы без привлечения представителей заказчика, на основании разработанного на предыдущем этапе технического задания, с использованием имеющихся знаний об объекте моделирования и требований к будущей модели. Анализ и совместное обсуждение членами рабочей группы всей имеющейся информации об объекте моделирования позволяет сформировать содержательную модель объекта, являющуюся синтезом когнитивных моделей, сложившихся у каждого из членов рабочей группы.

Концептуальная постановка задачи моделирования — это сформулированный в терминах конкретных дисциплин перечень основных вопросов, интересующих заказчика, а также совокупность гипотез относительно свойств и поведения объекта моделирования.

Наибольшие трудности при формулировке концептуальной постановки приходится преодолевать в моделях, находящихся на «стыке» различных дисциплин. Различия традиций, понятий и языков, используемых для описания одних и тех же объектов, являются очень серьезными препятствиями, возникающими при создании «междисциплинарных» моделей.

Математическая постановка задачи

Законченная концептуальная постановка позволяет сформулировать математическую постановку задачи моделирования, включающую совокупность различных математических соотношений, описывающих поведение и свойства объекта моделирования.

Математическая постановка задачи моделирования — это совокупность математических соотношений, описывающих поведение и свойства объекта моделирования.

Математическая модель является корректной, если для нее осуществлен и получен положительный результат всех контрольных проверок: размерности, порядков, характера зависимостей, экстремальных ситуаций, граничных условий, предметного смысла и математической замкнутости. Математическая постановка задачи еще более абстрактна, чем концептуальная, так как сводит исходную задачу к чисто математической, методы решения которой достаточно хорошо разработаны.

Выбор и обоснование выбора решения задачи

Все методы решения задач, составляющих «ядро» математических моделей, можно подразделить на аналитические и алгоритмические.

Следует отметить, что при использовании аналитических решений для получения результатов «в числах» также часто требуется разработка соответствующих алгоритмов, реализуемых на вычислительной технике.

Однако исходное решение при этом представляет собой аналитическое выражение (или их совокупность). Решения же, основанные на алгоритмических методах, принципиально не сводимы к точным аналитическим решениям рассматриваемой задачи.

Выбор того или иного метода исследования в значительной степени зависит от квалификации и опыта членов рабочей группы. Аналитические методы более удобны для последующего анализа результатов, но применимы лишь для относительно простых моделей. В случае, если математическая задача (хотя бы и в упрощенной постановке) допускает аналитическое решение, последнее, без сомнения, предпочтительнее численного.

Алгоритмические методы сводятся к некоторому алгоритму, реализующему вычислительный эксперимент с использованием вычислительной техники. Точность моделирования в подобном эксперименте существенно зависит от выбранного метода и его параметров. Алгоритмические методы, как правило, более трудоемки в реализации, требуют от членов рабочей группы хорошего знания методов вычислительной математики, обширной библиотеки специального программного обеспечения и мощной вычислительной техники.

Численные методы применимы лишь для корректных математических задач, что существенно ограничивает использование их в математическом моделировании. Общим для всех численных методов является сведение математической задачи к конечномерной. Это чаще всего достигается дискретизацией исходной задачи, то есть переходом от функции непрерывного аргумента к функциям дискретного аргумента. Применение любого численного метода неминуемо приводит к погрешности результатов решения задачи. Выделяют три основных составляющих возникающей погрешности при численном решении исходной задачи: неустранимая погрешность, связанная с неточным заданием исходных данных (начальные и граничные условия, коэффициенты и правые части уравнений); погрешность метода, связанная с переходом к дискретному аналогу исходной задачи; ошибка округления, связанная с конечной разрядностью чисел, представляемых в вычислительной машине.

Естественным требованием для конкретного вычислительного алгоритма является согласованность в порядках величин перечисленных трех видов погрешностей.

Численный, или приближенный, метод реализуется всегда в виде вычислительного алгоритма. Поэтому все требования, предъявляемые к алгоритму, применимы и к вычислительному алгоритму. Прежде всего, алгоритм должен быть реализуем — обеспечивать решение задачи за допустимое машинное время. Важной характеристикой алгоритма является его точность, то есть возможность получения решения исходной задачи с заданной точностью за конечное число действий.

Время работы алгоритма зависит от числа действий, необходимых для достижения заданной точности. Для любой математической задачи, как правило, можно предложить несколько алгоритмов, позволяющих получить решение с заданной точностью, но за разное число действий. Алгоритмы, включающие меньшее число действий для достижения одинаковой точности, называют более экономичными, или более эффективными.

В процессе работы вычислительного алгоритма на каждом акте вычислений возникает некоторая погрешность. При этом от действия к действию она может возрастать или не возрастать (а в некоторых случаях даже уменьшаться). Если погрешность в процессе вычислений неограниченно возрастает, то такой алгоритм называется неустойчивым, или расходящимся. В противном случае алгоритм называется устойчивым, или сходящимся.

Огромное разнообразие численных методов в значительной степени затрудняет выбор того или иного метода в каждом конкретном случае. Поскольку для реализации одной и той же модели можно использовать несколько альтернативных алгоритмических методов, то выбор конкретного метода производится с учетом того, какой из них больше подходит для данной модели с точки зрения обеспечения эффективности, устойчивости и точности результатов, а также более освоен и знаком членам рабочей группы.

Реализация математической модели в виде компьютерной программы

При создании различных программных комплексов, используемых для решения разнообразных исследовательских, проектно-конструкторских и управленческих задач, в настоящее время, основой, как правило, служат математические модели. В связи с этим возникает необходимость реализации модели в виде компьютерной программы. Процесс разработки надежного и эффективного программного обеспечения является не менее сложным, чем все предыдущие этапы создания математической модели. Успешное решение данной задачи возможно лишь при уверенном владении современными алгоритмическими языками и технологиями программирования, знаний возможностей вычислительной техники, имеющегося программного обеспечения, особенностей реализации методов вычислительной математики.

Процесс создания программного обеспечения можно разбить на несколько этапов:

• составление технического задания на разработку программного обеспечения;
• проектирование структуры программного комплекса;
• кодирование алгоритма;
• тестирование и отладка;
• сопровождение и эксплуатация.

Техническое задание на разработку программного обеспечения оформляют в виде спецификации. На этапе проектирования формируется общая структура программного комплекса. Вся программа разбивается на программные модули. Для каждого программного модуля формулируются требования по реализуемым функциям и разрабатывается алгоритм, выполняющий эти функции. Определяется схема взаимодействия программных модулей, называемая схемой потоков данных программного комплекса. Разрабатывается план и задаются исходные данные для тестирования отдельных модулей и программного комплекса в целом.

Большинство программ, реализующих математические модели, состоят из трех основных частей:

• препроцессора (подготовка и проверка исходных данных модели);
• процессора (решение задачи, реализация вычислительного эксперимента);
• постпроцессора (отображение полученных результатов).

Большое значение следует придавать освоению современных технологий программирования. Назначение любой технологии — это в первую очередь повышение надежности программного обеспечения и увеличение производительности труда программиста. Причем чем серьезней и объемней программный проект, тем большее значение приобретают вопросы использования современных технологий программирования. Пренебрежение данными вопросами может привести к значительным временным издержкам и снижению надежности программного комплекса.

Важнейшим фактором, определяющим надежность и малые сроки создания программного комплекса для решения конкретного класса задач, является наличие развитой библиотеки совместимых между собой программных модулей. Программа получается более надежной и создается за меньшие сроки при максимальном использовании стандартных программных элементов.

Проверка адекватности модели

Адекватность математической модели — степень соответствия результатов, полученных по разработанной модели, данным эксперимента или тестовой задачи.

Проверка адекватности модели преследует две цели:

• убедиться в справедливости совокупности гипотез, сформулированных на этапах концептуальной и математической постановок. Переходить к проверке гипотез следует лишь после проверки использованных методов решения, комплексной отладки и устранения всех ошибок и конфликтов, связанных с программным обеспечением;
• установить, что точность полученных результатов соответствует точности, оговоренной в техническом задании.

Проверка разработанной математической модели выполняется путем сравнения с имеющимися экспериментальными данными о реальном объекте или с результатами других, созданных ранее и хорошо себя зарекомендовавших моделей. В первом случае говорят о проверке путем сравнения с экспериментом, во втором — о сравнении с результатами решения тестовой задачи.

Решение вопроса о точности моделирования зависит от требований, предъявляемых к модели, и ее назначения. При этом должна учитываться точность получения экспериментальных результатов или особенности постановок тестовых задач. В моделях, предназначенных для выполнения оценочных и прикидочных расчетов, удовлетворительной считается точность 10-15%. В моделях, используемых в управляющих и контролирующих системах, требуемая точность может быть 1-2% и даже более.

При возникновении проблем, связанных с адекватностью модели, ее корректировку требуется начинать с последовательного анализа всех возможных причин, приведших к расхождению результатов моделирования и результатов эксперимента. В первую очередь требуется исследовать модель и оценить степень ее адекватности при различных значениях варьируемых параметров (начальных и граничных условиях, параметров, характеризующих свойства объектов моделирования). Если модель неадекватна в интересующей исследователя области параметров, то можно попытаться уточнить значения констант и исходных параметров модели. Если же и в этом случае нет положительных результатов, то единственной возможностью улучшения модели остается изменение принятой системы гипотез. Данное решение фактически означает возвращение ко второму этапу процесса разработки модели и может повлечь не только серьезное изменение математической постановки задачи, но и методов ее решения (например, переход от аналитических к численным), полной переработки программного обеспечения и нового цикла проверки модели на адекватность. Поэтому решение об изменении принятой системы гипотез должно быть всесторонне взвешено и приниматься только в том случае, если исчерпаны все прочие возможности по улучшению адекватности модели.

Практическое использование модели и анализ результатов моделирования

Дескриптивные модели, предназначены для описания исследуемых параметров некоторого явления или процесса, а также для изучения закономерностей изменения этих параметров. Эти модели могут использоваться для изучения свойств и особенностей поведения исследуемого объекта при различных сочетаниях исходных данных и разных режимах; при построении оптимизационных моделей и моделей-имитаторов сложных систем.

Модели, разрабатываемые для исследовательских целей, как правило, не доводятся до уровня программных комплексов, предназначенных для передачи сторонним пользователям. Время их существования чаще всего ограничено временем выполнения исследовательских работ по соответствующему направлению. Эти модели отличает поисковый характер, применение новых вычислительных процедур и алгоритмов, неразвитый программный интерфейс.

Модели и построенные на их основе программные комплексы, предназначенные для последующей передачи сторонним пользователям или коммерческого распространения, имеют развитый дружественный интерфейс, мощные пре- и постпроцессоры. Данные модели обычно строятся на апробированных и хорошо себя зарекомендовавших постановках и вычислительных процедурах. Однако следует помнить, что такие модели предназначены только для решения четко оговоренного класса задач.

Независимо от области применения созданной модели группа разработчиков обязана провести качественный и количественный анализ результатов моделирования.

Работая с моделью, разработчики становятся специалистами в области, связанной с объектом моделирования. Они достаточно хорошо представляют свойства объекта, могут предсказать и объяснить его поведение.

Поэтому всесторонний анализ результатов моделирования позволяет:

• выполнить модификацию рассматриваемого объекта, найти его оптимальные характеристики или, по крайней мере, лучшим образом учесть его поведение и свойства;
• обозначить область применения модели;
• проверить обоснованность гипотез, принятых на этапе математической постановки, оценить возможность упрощения модели с целью повышения ее эффективности при сохранении требуемой точности;
• показать, в каком направлении следует развивать модель в дальнейшем.