Kursa darbs: Uzņēmuma saimnieciskās darbības simulācijas modelēšana. Ekonomisko sistēmu simulācijas modelēšana

Ir viegli iesniegt savu labo darbu zināšanu bāzei. Izmantojiet zemāk esošo veidlapu

Studenti, maģistranti, jaunie zinātnieki, kuri izmanto zināšanu bāzi savās studijās un darbā, būs jums ļoti pateicīgi.

Ievietots http://www.allbest.ru/

Kursa projekts

Temats: “Ražošanas modelēšana un ekonomiskie procesi»

Par tēmu: “Ekonomisko procesu simulācijas modelēšana”

Ievads

1.1. Modelēšanas jēdziens

1.2. Modeļa koncepcija

IV. Praktiskā daļa

4.1. Problēmas izklāsts

4.2 Problēmas risinājums

Secinājums

Pieteikums

Ievads

Simulācijas modelēšana, lineārā programmēšana un regresijas analīze jau ilgu laiku ir ieņēmušas pirmās trīs vietas starp visām operāciju izpētes metodēm ekonomikā izmantošanas diapazona un biežuma ziņā. Simulācijas modelēšanā algoritms, kas realizē modeli, atveido sistēmas funkcionēšanas procesu laikā un telpā, un elementārās parādības, kas veido procesu, tiek simulētas, saglabājot tā loģisko laika struktūru.

Pašlaik modelēšana ir kļuvusi par diezgan efektīvu līdzekli, lai atrisinātu sarežģītas pētniecības, eksperimentu un projektēšanas automatizācijas problēmas. Bet apgūt modelēšanu kā darba rīku, tās plašās iespējas un tālāk attīstīt modelēšanas metodiku ir iespējams tikai pilnībā apgūstot paņēmienus un tehnoloģijas sistēmu funkcionēšanas procesu modelēšanas datorā problēmu praktiskai risināšanai. Tāds ir šīs darbnīcas mērķis, kurā galvenā uzmanība pievērsta modelēšanas metodēm, principiem un galvenajiem posmiem vispārējās modelēšanas metodoloģijas ietvaros, kā arī apskatīti konkrētu sistēmu variantu modelēšanas jautājumi un ieaudzinātas modelēšanas tehnoloģijas pielietošanas prasmes praktiskajā dzīvē. sistēmas funkcionēšanas modeļu ieviešana. Tiek aplūkotas rindu sistēmu problēmas, uz kurām balstās ekonomisko, informācijas, tehnoloģisko, tehnisko un citu sistēmu simulācijas modeļi. Ir izklāstītas diskrētu un nejaušu nepārtrauktu mainīgo varbūtības modelēšanas metodes, kas ļauj ņemt vērā modelēšanā ekonomiskās sistēmas nejauša ietekme uz sistēmu.

Prasības, ko mūsdienu sabiedrība izvirza ekonomikas speciālistam, nepārtraukti pieaug. Patlaban sekmīga darbība gandrīz visās tautsaimniecības sfērās nav iespējama bez attīstības procesu uzvedības un dinamikas modelēšanas, ekonomisko objektu attīstības īpatnību izpētes un to funkcionēšanas dažādos apstākļos. Programmatūrai un aparatūrai šeit jākļūst par pirmajiem palīgiem. Tā vietā, lai mācītos no savām vai citu cilvēku kļūdām, vēlams nostiprināt un pārbaudīt savas zināšanas par realitāti ar datormodeļos iegūtajiem rezultātiem.

Simulācijas modelēšana ir vizuālākā un praksē tiek izmantota situāciju risināšanas iespēju datormodelēšanai, lai iegūtu efektīvākos problēmu risinājumus. Simulācijas modelēšana ļauj izpētīt analizējamo vai projektēto sistēmu pēc operatīvās izpētes shēmas, kas satur savstarpēji saistītus posmus:

· konceptuālā modeļa izstrāde;

· simulācijas modeļa izstrāde un programmatūras ieviešana;

· modeļa pareizības un ticamības pārbaude un modelēšanas rezultātu precizitātes novērtēšana;

· eksperimentu plānošana un veikšana;

· lēmumu pieņemšana.

Tas ļauj izmantot simulācijas modelēšanu kā universālu pieeju lēmumu pieņemšanai nenoteiktības apstākļos, ņemot vērā faktorus, kurus ir grūti formalizēt modeļos, kā arī pielietot sistēmiskās pieejas pamatprincipus praktisko problēmu risināšanā.

Šīs metodes plašo ieviešanu praksē apgrūtina nepieciešamība izveidot simulācijas modeļu programmatūras implementācijas, kas imitētā laikā atjauno simulētās sistēmas funkcionēšanas dinamiku.

Atšķirībā no tradicionālajām programmēšanas metodēm, simulācijas modeļa izstrādei nepieciešama domāšanas principu pārstrukturēšana. Ne velti simulācijas modelēšanas principi deva impulsu objektu programmēšanas attīstībai. Tāpēc simulācijas programmatūras izstrādātāju centieni ir vērsti uz simulācijas modeļu programmatūras ieviešanas vienkāršošanu: šiem nolūkiem tiek izveidotas specializētas valodas un sistēmas.

Simulācijas programmatūras rīki ir mainījušies to attīstībā vairāku paaudžu laikā, sākot no modelēšanas valodām un automatizācijas rīkiem modeļu konstruēšanai līdz programmu ģeneratoriem, interaktīvām un viedām sistēmām un izkliedētām modelēšanas sistēmām. Visu šo rīku galvenais mērķis ir samazināt simulācijas modeļu programmatūras implementāciju izveides un modeļu eksperimentēšanas darbaspēka intensitāti.

Viena no pirmajām modelēšanas valodām, kas atviegloja simulācijas programmu rakstīšanas procesu, bija GPSS valoda, ko kā galaproduktu izveidoja Džefrijs Gordons uzņēmumā IBM 1962. gadā. Pašlaik ir tulki operētājsistēmas DOS - GPSS/PC, operētājsistēmai OS/2 un DOS - GPSS/H un operētājsistēmai Windows - GPSS World. Šīs valodas apguve un modeļu veidošana ļauj izprast simulācijas programmu izstrādes principus un iemācīties strādāt ar simulācijas modeļiem.

GPSS (General Purpose Simulation System) ir modelēšanas valoda, ko izmanto, lai izveidotu uz notikumiem balstītus diskrētus simulācijas modeļus un veiktu eksperimentus, izmantojot personālo datoru.

GPSS sistēma ir valoda un tulkotājs. Tāpat kā katrā valodā, tā satur vārdu krājumu un gramatiku, ar kuras palīdzību var izstrādāt noteikta veida sistēmu modeļus.

I. Ekonomisko sistēmu un procesu modelēšanas teorijas pamatjēdzieni

1.1. Modelēšanas jēdziens

Modelēšana attiecas uz modeļu konstruēšanas, izpētes un pielietošanas procesu. Tas ir cieši saistīts ar tādām kategorijām kā abstrakcija, analoģija, hipotēze utt. Modelēšanas process obligāti ietver abstrakciju konstruēšanu, secinājumus pēc analoģijas un zinātnisku hipotēžu konstruēšanu.

Modelēšanas galvenā iezīme ir tā, ka tā ir netiešās izziņas metode, izmantojot starpniekservera objektus. Modelis darbojas kā sava veida izziņas instruments, ko pētnieks novieto starp sevi un objektu un ar kura palīdzību viņš pēta sev interesējošo objektu. Jebkura sociāli ekonomiskā sistēma ir sarežģīta sistēma, kurā desmitiem un simtiem ekonomisko, tehnisko un sociālie procesi, pastāvīgi mainās reibumā ārējiem apstākļiem, tostarp zinātnes un tehnoloģiju progresu. Šādos apstākļos sociāli ekonomisko un ražošanas sistēmu vadīšana pārvēršas par sarežģītu uzdevumu, kas prasa īpašiem līdzekļiem un metodes. Modelēšana ir viena no galvenajām izziņas metodēm, tā ir realitātes atspoguļošanas forma un sastāv no reālu objektu, objektu un parādību noteiktu īpašību noskaidrošanas vai reproducēšanas ar citu objektu, procesu, parādību palīdzību vai izmantojot abstraktu aprakstu. attēla, plāna, kartes, vienādojumu kopas, algoritmu un programmu veidā.

Vispārīgākajā nozīmē modelis tiek saprasts kā loģisks (verbāls) vai matemātisks komponentu un funkciju apraksts, kas atspoguļo modelējamā objekta vai procesa būtiskās īpašības, ko parasti uzskata par sistēmām vai sistēmas elementiem no noteikta punkta. skats. Modelis tiek izmantots kā parasts attēls, kas paredzēts objekta izpētes vienkāršošanai. Principā ekonomikā ir piemērojamas ne tikai matemātiskās (zīmju) metodes, bet arī materiālu modeļi tomēr materiālu modeļiem ir tikai demonstratīva vērtība.

Ir divi viedokļi par modelēšanas būtību:

* tas ir izziņas objektu pētījums, izmantojot modeļus;

* tā ir reālās dzīves objektu un parādību modeļu, kā arī piedāvāto (konstruēto) objektu konstruēšana un izpēte.

Modelēšanas iespējas, tas ir, modeļa konstruēšanas un izpētes laikā iegūto rezultātu pārnešana uz oriģinālu, balstās uz to, ka modelis noteiktā nozīmē parāda (reproducē, modelē, apraksta, atdarina) dažas modeļa pazīmes. objektu, kas interesē pētnieku. Modelēšana kā realitātes atspoguļošanas veids ir plaši izplatīta, un diezgan pilnīga iespējamo modelēšanas veidu klasifikācija ir ārkārtīgi sarežģīta, kaut vai tikai jēdziena “modelis” polisēmijas dēļ, ko plaši izmanto ne tikai zinātnē un tehnoloģijā, bet arī mākslā un sadzīvē.

Vārds “modelis” cēlies no latīņu vārda “modulus”, kas nozīmē “mērījums”, “paraugs”. Tās sākotnējā nozīme bija saistīta ar būvniecības mākslu, un gandrīz visās Eiropas valodās to izmantoja, lai apzīmētu attēlu vai prototipu, vai lietu, kas kaut kādā ziņā līdzīga citai lietai.

No sociāli ekonomiskajām sistēmām vēlams izcelt ražošanas sistēmu (PS), kas atšķirībā no citu klašu sistēmām apzināti satur aktieris, veicot vadības funkcijas (lēmumu pieņemšana un kontrole). Atbilstoši tam par PS var uzskatīt dažādas uzņēmumu nodaļas, paši uzņēmumi, pētniecības un projektēšanas organizācijas, asociācijas, nozares un atsevišķos gadījumos arī tautsaimniecība kopumā.

Modelētā objekta un modeļa līdzības raksturs atšķiras:

* fiziskais - objektam un modelim ir vienāda vai līdzīga fiziskā būtība;

* strukturāls - pastāv līdzība starp objekta struktūru un modeļa struktūru; * funkcionāls - objekts un modelis atbilstošā ietekmē veic līdzīgas funkcijas;

* dinamisks - pastāv atbilstība starp secīgi mainīgajiem objekta un modeļa stāvokļiem;

* varbūtības - pastāv atbilstība starp varbūtības rakstura procesiem objektā un modelī;

* ģeometrisks - pastāv atbilstība starp objekta un modeļa telpiskajiem raksturlielumiem.

Modelēšana ir viens no visizplatītākajiem procesu un parādību izpētes veidiem. Modelēšana ir balstīta uz analoģijas principu un ļauj izpētīt objektu noteiktos apstākļos un ņemot vērā neizbēgamo vienpusējo skatījumu. Grūti pētāms objekts tiek pētīts nevis tieši, bet gan ņemot vērā citu, tam līdzīgu un pieejamāku - modeli. Pamatojoties uz modeļa īpašībām, parasti ir iespējams spriest par pētāmā objekta īpašībām. Bet ne par visām īpašībām, bet tikai par tām, kas ir līdzīgas gan modelī, gan objektā un tajā pašā laikā ir svarīgas pētniecībai.

Šādas īpašības sauc par būtiskām. Vai ir nepieciešama ekonomikas matemātiskā modelēšana? Lai par to pārliecinātos, pietiek atbildēt uz jautājumu: vai ir iespējams pabeigt tehnisko projektu bez rīcības plāna, t.i., rasējumiem? Tāda pati situācija ir arī ekonomikā. Vai ir jāpierāda nepieciešamība izmantot ekonomiskos un matemātiskos modeļus vadības lēmumu pieņemšanai ekonomikas jomā?

Šādos apstākļos ekonomiski matemātiskais modelis izrādās galvenais ekonomikas eksperimentālo pētījumu līdzeklis, jo tam piemīt šādas īpašības:

* imitē reālu saimniecisku procesu (vai objekta uzvedību);

* ir salīdzinoši zemas izmaksas;

* var izmantot atkārtoti;

* ņem vērā dažādus objekta ekspluatācijas apstākļus.

Modelis var un tam vajadzētu atspoguļot iekšējā struktūra ekonomiskais objekts no dotā (noteikta) viedokļa, un, ja tas nav zināms, tad tikai tā uzvedību, izmantojot “Melnās kastes” principu.

Būtībā jebkuru modeli var formulēt trīs veidos:

* realitātes parādību tiešas novērošanas un izpētes rezultātā (fenomenoloģiskā metode);

* izolēšana no vispārīgāka modeļa (deduktīvā metode);

* specifiskāku modeļu vispārinājumi (induktīvā metode, t.i., pierādīšana ar indukciju).

Modeļus, kuru dažādība ir bezgalīga, var klasificēt pēc dažādiem kritērijiem. Pirmkārt, visus modeļus var iedalīt fiziskajos un aprakstošajos. Mēs visu laiku nodarbojamies ar viņiem abiem. Jo īpaši aprakstošie modeļi ietver modeļus, kuros modelētais objekts ir aprakstīts, izmantojot vārdus, zīmējumus, matemātiskas atkarības utt. Šādi modeļi ietver literatūru, tēlotājmāksla, mūzika.

Ekonomiskie un matemātiskie modeļi tiek plaši izmantoti biznesa procesu pārvaldībā. Literatūrā nav noteikta ekonomiski matemātiskā modeļa definīcija. Par pamatu ņemsim šādu definīciju. Ekonomiski matemātiskais modelis ir ekonomiska procesa vai objekta matemātisks apraksts, kas veikts to izpētes vai vadīšanas nolūkā: risināmās ekonomiskās problēmas matemātisks ieraksts (tāpēc termini problēma un modelis bieži tiek lietoti kā sinonīmi) .

Modeļus var klasificēt arī pēc citiem kritērijiem:

* Modeļus, kas raksturo ekonomikas mirkļa stāvokli, sauc par statiskiem. Modeļus, kas parāda modelētā objekta attīstību, sauc par dinamiskiem.

* Modeļi, kurus var veidot ne tikai formulu veidā (analītiskais attēlojums), bet arī skaitlisku piemēru veidā (skaitliskais attēlojums), tabulu veidā (matricas attēlojums), īpaša veida grafiku veidā (tīkla attēlojums).

1.2. Modeļa koncepcija

Pašlaik nav iespējams nosaukt cilvēka darbības jomu, kurā modelēšanas metodes vienā vai otrā pakāpē netiktu izmantotas. Tikmēr nav vispārpieņemtas modeļa jēdziena definīcijas. Mūsuprāt, priekšroka jādod šādai definīcijai: modelis ir jebkura rakstura objekts, ko pētnieks ir izveidojis, lai iegūtu jaunas zināšanas par sākotnējo objektu un kas atspoguļo tikai būtiskās (no izstrādātāja viedokļa) objekta īpašības. oriģināls.

Analizējot šīs definīcijas saturu, mēs varam izdarīt šādus secinājumus:

1) jebkurš modelis ir subjektīvs, uz tā ir pētnieka individualitātes zīmogs;

2) jebkurš modelis ir homomorfs, t.i. tas neatspoguļo visas, bet tikai sākotnējā objekta būtiskās īpašības;

3) iespējams, ka ir daudz viena un tā paša oriģinālā objekta modeļu, kas atšķiras pēc pētījuma mērķiem un atbilstības pakāpes.

Modelis tiek uzskatīts par atbilstošu oriģinālajam objektam, ja tas ar pietiekamu tuvināšanas pakāpi pētnieka simulētā procesa izpratnes līmenī atspoguļo reālas sistēmas funkcionēšanas modeļus ārējā vidē.

Matemātiskos modeļus var iedalīt analītiskajos, algoritmiskajos (simulācijas) un kombinētajos. Analītiskā modelēšana raksturojas ar to, ka sistēmu funkcionēšanas procesu aprakstīšanai tiek izmantotas algebrisko, diferenciālo, integrālo vai galīgo atšķirību vienādojumu sistēmas. Analītisko modeli var izpētīt, izmantojot šādas metodes:

a) analītiski, kad tie cenšas iegūt vispārīgā veidā nepārprotamas atkarības vēlamajiem raksturlielumiem;

b) skaitliski, kad, nespējot atrisināt vienādojumus vispārīgā formā, cenšas iegūt skaitliskus rezultātus ar konkrētiem sākuma datiem;

c) kvalitatīvs, kad bez skaidra risinājuma var atrast kādas risinājuma īpašības (piemēram, novērtēt risinājuma stabilitāti). Algoritmiskajā (simulācijas) modelēšanā tiek aprakstīts sistēmas funkcionēšanas process laikā, un tiek modelētas elementārās parādības, kas veido procesu, saglabājot to loģisko struktūru un notikumu secību laika gaitā. Simulācijas modeļi var būt arī deterministiski un statistiski.

Vispārējais modelēšanas mērķis lēmumu pieņemšanas procesā tika formulēts iepriekš - tas ir izvēlētā veiktspējas rādītāja vērtību noteikšana (aprēķins) dažādām operācijas veikšanas stratēģijām (vai projektētās sistēmas ieviešanas iespējām). Izstrādājot konkrētu modeli, jāprecizē modelēšanas mērķis, ņemot vērā izmantoto efektivitātes kritēriju. Tādējādi modelēšanas mērķi nosaka gan pētāmās operācijas mērķis, gan plānotā pētījuma rezultātu izmantošanas metode.

Piemēram, problēmsituācija, kas prasa lēmumu, tiek formulēta šādi: atrodiet tādu datortīkla izbūves variantu, kura izmaksas būtu minimālas, vienlaikus izpildot veiktspējas un uzticamības prasības. Šajā gadījumā modelēšanas mērķis ir atrast tīkla parametrus, kas nodrošina minimālo PE vērtību, ko attēlo izmaksas.

Uzdevumu var formulēt dažādi: no vairākām datortīkla konfigurācijas iespējām izvēlieties uzticamāko. Šeit par PE tiek izvēlēts viens no uzticamības rādītājiem (vidējais laiks starp atteicēm, bezatteices darbības varbūtība utt.), un modelēšanas mērķis ir tīkla iespēju salīdzinošs novērtējums atbilstoši šim rādītājam.

Iepriekš minētie piemēri ļauj atgādināt, ka pati darbības rādītāja izvēle vēl nenosaka nākotnes modeļa “arhitektūru”, jo šajā posmā vēl nav formulēta tā koncepcija jeb, kā saka, sistēmas konceptuālais modelis. nav definēts.

II. Ekonomisko sistēmu un procesu modelēšanas teorijas pamatjēdzieni

2.1. Ekonomisko sistēmu pilnveidošana un attīstība

Simulācijas modelēšana ir visspēcīgākā un universālākā metode tādu sistēmu efektivitātes pētīšanai un novērtēšanai, kuru uzvedība ir atkarīga no nejaušu faktoru ietekmes. Šādas sistēmas ietver gaisa kuģi, dzīvnieku populāciju un uzņēmumu, kas darbojas slikti regulētu tirgus attiecību apstākļos.

Simulācijas modelēšanas pamatā ir statistiskais eksperiments (Montekarlo metode), kura realizācija bez datortehnoloģiju izmantošanas praktiski nav iespējama. Tāpēc jebkurš simulācijas modelis galu galā ir vairāk vai mazāk sarežģīts programmatūras produkts.

Protams, tāpat kā jebkuru citu programmu, arī simulācijas modeli var izstrādāt jebkurā universālā programmēšanas valodā, pat Assembly valodā. Tomēr šajā gadījumā izstrādātāja ceļā rodas šādas problēmas:

* nepieciešamas zināšanas ne tikai par mācību priekšmetu jomu, pie kuras pieder pētāmā sistēma, bet arī par programmēšanas valodu, turklāt diezgan augstā līmenī;

* specifisku procedūru izstrāde statistiskā eksperimenta nodrošināšanai (gadījuma ietekmju ģenerēšana, eksperimenta plānošana, rezultātu apstrāde) var aizņemt ne mazāk laika un pūļu kā paša sistēmas modeļa izstrāde.

Un visbeidzot vēl viena, iespējams, vissvarīgākā problēma. Daudzās praktiskās problēmās interese ir ne tikai (un ne tik daudz) par sistēmas efektivitātes kvantitatīvo novērtējumu, bet gan par tās uzvedību konkrētā situācijā. Šādam novērojumam pētniekam ir jābūt atbilstošiem “novērošanas logiem”, kurus nepieciešamības gadījumā var aizvērt, pārvietot uz citu vietu, mainīt novērojamo raksturlielumu mērogu un pasniegšanas formu utt., negaidot straumes beigas. modeļa eksperiments. Šajā gadījumā simulācijas modelis darbojas kā atbildes avots uz jautājumu: “kas notiks, ja...”.

Šādu iespēju ieviešana universālā programmēšanas valodā ir ļoti sarežģīta. Pašlaik ir diezgan daudz programmatūras produktu, kas ļauj simulēt procesus. Šādas paketes ietver: Pilgrim, GPSS, Simplex un vairākas citas.

Tajā pašā laikā Krievijas datortehnoloģiju tirgū šobrīd ir produkts, kas ļauj ļoti efektīvi atrisināt šīs problēmas - MATLAB pakotne, kas satur vizuālās modelēšanas rīku Simulink.

Simulink ir rīks, kas ļauj ātri simulēt sistēmu un iegūt sagaidāmā efekta rādītājus un salīdzināt tos ar piepūli, kas nepieciešama to sasniegšanai.

Ir daudz dažādi veidi modeļi: fiziskie, analogie, intuitīvie utt. Īpašu vietu starp tiem ieņem matemātiskie modeļi, kas, pēc akadēmiķa A.A. Samarsky, “ir lielākais 20. gadsimta zinātniskās un tehnoloģiskās revolūcijas sasniegums”. Matemātiskie modeļi ir sadalīti divās grupās: analītiskais un algoritmiskais (dažreiz saukts par simulāciju).

Pašlaik nav iespējams nosaukt cilvēka darbības jomu, kurā modelēšanas metodes vienā vai otrā pakāpē netiktu izmantotas. Saimnieciskā darbība nav izņēmums. Tomēr ekonomisko procesu simulācijas modelēšanas jomā joprojām ir vērojamas zināmas grūtības.

Mūsuprāt, šis apstāklis ​​ir izskaidrojams ar šādiem iemesliem.

1. Ekonomiskie procesi lielākoties notiek spontāni un nekontrolējami. Viņi slikti reaģē uz atsevišķu nozaru politisko, valdības un ekonomisko līderu stingras gribas kontroles mēģinājumiem un valsts ekonomiku kopumā. Šī iemesla dēļ ekonomiskās sistēmas ir grūti izpētīt un formāli aprakstīt.

2. Ekonomikas jomas speciālistiem, kā likums, ir nepietiekama matemātiskā sagatavotība kopumā un jo īpaši matemātiskās modelēšanas jomā. Lielākā daļa no viņiem neprot formāli aprakstīt (formalizēt) novērotos ekonomiskos procesus. Tas savukārt neļauj konstatēt, vai šis vai cits matemātiskais modelis ir adekvāts aplūkojamai ekonomiskajai sistēmai.

3. Matemātiskās modelēšanas jomas speciālisti, ja viņu rīcībā nav formalizēta ekonomiskā procesa apraksta, nevar izveidot tam adekvātu matemātisko modeli.

Esošos matemātiskos modeļus, ko parasti sauc par ekonomisko sistēmu modeļiem, var iedalīt trīs grupās.

Pirmajā grupā ietilpst modeļi, kas diezgan precīzi atspoguļo vienu aspektu no noteikta ekonomiskā procesa, kas notiek salīdzinoši neliela mēroga sistēmā. No matemātiskā viedokļa tie atspoguļo ļoti vienkāršas attiecības starp diviem vai trim mainīgajiem. Parasti tie ir 2. vai 3. pakāpes algebriskie vienādojumi, ārkārtējos gadījumos algebrisko vienādojumu sistēma, kuras atrisināšanai ir jāizmanto iterācijas metode (secīgas aproksimācijas). Tie atrod pielietojumu praksē, bet neinteresē no matemātiskās modelēšanas jomas speciālistu viedokļa.

Otrajā grupā ietilpst modeļi, kas apraksta reālos procesus, kas notiek mazās un vidējās ekonomikas sistēmās, pakļauti nejaušu un nenoteiktu faktoru ietekmei. Šādu modeļu izstrādei ir jāizdara pieņēmumi, lai atrisinātu neskaidrības. Piemēram, jums ir jānorāda nejaušo mainīgo sadalījums, kas saistīts ar ievades mainīgajiem. Šī mākslīgā darbība zināmā mērā rada šaubas par modelēšanas rezultātu ticamību. Tomēr nav cita veida, kā izveidot matemātisko modeli.

No šīs grupas modeļiem visplašāk tiek izmantoti tā saukto rindu sistēmu modeļi. Ir divi šo modeļu veidi: analītiskais un algoritmiskais. Analītiskajos modeļos nav ņemta vērā nejaušo faktoru ietekme, un tāpēc tos var izmantot tikai kā pirmos tuvināšanas modeļus. Izmantojot algoritmiskos modeļus, pētāmo procesu var aprakstīt ar jebkādu precizitāti problēmas veidotāja izpratnes līmenī.

Trešajā grupā ietilpst lielu un ļoti lielu (makroekonomisko) sistēmu modeļi: lieli tirdzniecības un rūpniecības uzņēmumi un asociācijas, nozares tautsaimniecība un valsts ekonomika kopumā. Šāda mēroga ekonomiskās sistēmas matemātiskā modeļa izveide ir sarežģīta zinātniska problēma, kuras risinājumu var atrisināt tikai liela pētniecības institūcija.

2.2. Simulācijas modeļa sastāvdaļas

Skaitliskā modelēšana nodarbojas ar trīs veidu vērtībām: ievades datiem, aprēķinātajām mainīgajām vērtībām un parametru vērtībām. Excel lapā masīvi ar šīm vērtībām aizņem atsevišķus apgabalus.

Sākotnējie reālie dati, paraugi vai skaitļu sērijas tiek iegūti tiešā lauka novērošanā vai eksperimentos. Modelēšanas procedūras ietvaros tās paliek nemainīgas (ir skaidrs, ka, ja nepieciešams, vērtību kopas var papildināt vai samazināt) un tām ir divējāda loma. Daži no tiem (neatkarīgie vides mainīgie, X) kalpo par pamatu modeļa mainīgo lielumu aprēķināšanai; visbiežāk tās ir dabas faktoru pazīmes (laika gaita, fotoperiods, temperatūra, barības pārpilnība, toksiskās vielas deva, izvadīto piesārņotāju apjomi utt.). Otra datu daļa (atkarīgie objekta mainīgie, Y) ir pētāmā objekta stāvokļa, reakciju vai uzvedības kvantitatīvais raksturojums, kas iegūts noteiktos apstākļos reģistrētu vides faktoru ietekmē. Bioloģiskā nozīmē pirmā nozīmju grupa nav atkarīga no otrās; gluži pretēji, objektu mainīgie ir atkarīgi no vides mainīgajiem. Dati tiek ievadīti Excel lapā no tastatūras vai no faila parastajā izklājlapu režīmā.

Modeļa aprēķinu dati atveido teorētiski iedomājamo objekta stāvokli, ko nosaka iepriekšējais stāvoklis, novēroto vides faktoru līmenis un ko raksturo pētāmā procesa galvenie parametri. Parastā gadījumā, aprēķinot modeļa vērtības (Y M i) katram laika posmam (i), tiek ņemti parametri (A), iepriekšējā stāvokļa raksturlielumi (Y M i -1) un pašreizējie vides faktoru līmeņi (X i). lietots:

Y M i = f(A, Y M i-1, X i, i),

f() - pieņemtā sakarības forma starp parametriem un vides mainīgajiem lielumiem, modeļa veids,

i = 1, 2, … T vai i = 1, 2, … n.

Sistēmas raksturlielumu aprēķini, izmantojot modeļa formulas katram laika posmam (katram stāvoklim), ļauj ģenerēt modeļa nepārprotamo mainīgo (Y M) masīvu, kam precīzi jāatkārto reālo atkarīgo mainīgo (Y) masīva struktūra, kas ir nepieciešami turpmākai modeļa parametru pielāgošanai. Modeļa mainīgo aprēķināšanas formulas tiek ievadītas Excel lapas šūnās manuāli (skat. sadaļu Noderīgi paņēmieni).

Modeļa parametri (A) veido trešo vērtību grupu. Visus parametrus var attēlot kā kopu:

A = (a 1, a 2,…, a j,…, a m),

kur j ir parametra numurs,

m? kopējais parametru skaits,

un ievieto atsevišķā blokā. Ir skaidrs, ka parametru skaitu nosaka pieņemto modeļu formulu struktūra.

Ieņemot atsevišķu pozīciju Excel lapā, tiem ir visnozīmīgākā loma modelēšanā. Parametri ir paredzēti, lai raksturotu pašu būtību, novēroto parādību īstenošanas mehānismu. Parametriem jābūt ar bioloģisku (fizisku) nozīmi. Dažiem uzdevumiem ir nepieciešams, lai dažādām datu kopām aprēķinātos parametrus varētu salīdzināt. Tas nozīmē, ka dažkārt tām ir jāpievieno savas statistikas kļūdas.

Simulācijas sistēmas komponentu attiecības veido funkcionālu vienotību, kas vērsta uz kopīga mērķa sasniegšanu - modeļa parametru novērtēšanu (2.6. att., 2.10. tabula). Atsevišķu funkciju īstenošanā vienlaikus tiek iesaistīti vairāki elementi, kas norādīti ar bultiņām. Lai attēls netiktu pārblīvēts, diagrammā nav atspoguļoti grafiskais attēlojums un nejaušības bloki. Simulācijas sistēma ir izstrādāta, lai atbalstītu jebkādas izmaiņas modeļu konstrukcijās, kuras vajadzības gadījumā var veikt pētnieks. Simulācijas sistēmu pamatprojekti, kā arī iespējamie to sadalīšanas un integrācijas veidi ir parādīti sadaļā Simulācijas sistēmu rāmji.

modelēšanas simulācijas ekonomiskā sērija

III. Simulācijas pamati

3.1 Simulācijas modelis un tā īpašības

Simulācijas modelēšana ir analogās modelēšanas veids, ko īsteno, izmantojot matemātisko rīku komplektu, īpašas simulējošas datorprogrammas un programmēšanas tehnoloģijas, kas ļauj ar analogo procesu palīdzību veikt mērķtiecīgu izpēti par reāla sarežģīta procesa struktūru un funkcijām datora atmiņā. “simulācijas” režīmā un optimizēt dažus tā parametrus.

Simulācijas modelis ir ekonomisks un matemātisks modelis, kura izpēte tiek veikta ar eksperimentālām metodēm. Eksperiments sastāv no aprēķinu rezultātu novērošanas dažādām ieejas eksogēnu mainīgo vērtībām. Simulācijas modelis ir dinamisks modelis, jo tajā ir tāds parametrs kā laiks. Simulācijas modeli sauc arī par īpašu programmatūras pakotni, kas ļauj simulēt jebkura sarežģīta objekta darbības. Simulācijas modelēšanas rašanās bija saistīta ar “jauno vilni” ekonomikā tematiskajā modelēšanā. Ekonomikas zinātnes un prakses problēmas vadības un ekonomiskās izglītības jomā, no vienas puses, un datoru produktivitātes pieaugums, no otras puses, ir izraisījuši vēlmi paplašināt “klasisko” ekonomisko un matemātisko metožu loku. Ir bijusi zināma vilšanās normatīvo, bilances, optimizācijas un spēļu teorētisko modeļu iespējās, kas sākotnēji pelnīti piesaistīja uzmanību, ka tie ienes loģiskās skaidrības un objektivitātes gaisotni daudzās ekonomikas vadības problēmās, kā arī novest pie “saprātīga” (līdzsvarota, optimāla, kompromisa) risinājuma. Ne vienmēr bija iespējams pilnībā izprast a priori mērķus un, vēl jo vairāk, formalizēt optimāluma kritēriju un (vai) pieļaujamo risinājumu ierobežojumus. Tāpēc daudzi mēģinājumi tomēr pielietot šādas metodes sāka novest pie nepieņemamiem, piemēram, nerealizējamiem (kaut arī optimāliem) risinājumiem. Pārvarot radušās grūtības, tika panākta atteikšanās no sociāli ekonomisko lēmumu pieņemšanas procedūru pilnīgas formalizācijas (kā tas tiek darīts normatīvajos modeļos). Priekšroku sāka dot saprātīgai eksperta intelektuālo spēju un datora informācijas jaudas sintēzei, kas parasti tiek realizēta dialogu sistēmās. Viena tendence šajā virzienā ir pāreja uz “daļēji normatīviem” daudzkritēriju cilvēka-mašīnas modeļiem, otrā ir smaguma centra maiņa no preskriptīviem modeļiem, kas vērsti uz shēmu “nosacījumi – risinājums” uz aprakstošiem modeļiem, kas atbild jautājums "Kas notiks, ja...".

Simulācijas modelēšana parasti tiek izmantota gadījumos, kad atkarības starp modelējamo sistēmu elementiem ir tik sarežģītas un nenoteiktas, ka tās nevar formāli aprakstīt mūsdienu matemātikas valodā, t.i., izmantojot analītiskos modeļus. Tādējādi sarežģītu sistēmu pētnieki ir spiesti izmantot simulācijas modelēšanu, ja tīri analītiskas metodes ir vai nu nepiemērojamas, vai nepieņemamas (atbilstošo modeļu sarežģītības dēļ).

Simulācijas modelēšanā sākotnējās sistēmas dinamiskie procesi tiek aizstāti ar procesiem, kas simulēti ar modelēšanas algoritmu abstraktā modelī, bet saglabājot tādas pašas ilguma attiecības, loģiskās un laika secības kā reālajā sistēmā. Tāpēc simulācijas metodi varētu saukt par algoritmisku vai operatīvu. Starp citu, šāds nosaukums būtu veiksmīgāks, jo imitācija (tulkojumā no latīņu valodas ir imitācija) ir kaut kā reproducēšana ar mākslīgiem līdzekļiem, t.i., modelēšana. Šajā sakarā šobrīd plaši izmantotais nosaukums “simulācijas modelēšana” ir tautoloģisks. Pētāmās sistēmas funkcionēšanas simulācijas procesā, tāpat kā eksperimentā ar pašu oriģinālu, tiek fiksēti noteikti notikumi un stāvokļi, no kuriem pēc tam tiek aprēķināti nepieciešamie pētāmās sistēmas funkcionēšanas kvalitātes raksturlielumi. Sistēmām, piemēram, informācijas un skaitļošanas pakalpojumiem, šādus dinamiskos raksturlielumus var definēt kā:

* datu apstrādes ierīču veiktspēja;

* rindu garums uz servisu;

* apkalpošanas gaidīšanas laiks rindās;

* lietojumprogrammu skaits, kas atstāja sistēmu bez pakalpojuma.

Simulācijas modelēšanā var reproducēt jebkuras sarežģītības pakāpes procesus, ja tiem ir apraksts, sniegts jebkurā formā: formulās, tabulās, grafikos vai pat verbāli. Simulācijas modeļu galvenā iezīme ir tāda, ka pētāmais process tiek it kā “pārkopēts” datorā, tāpēc simulācijas modeļi atšķirībā no analītiskajiem modeļiem ļauj:

* ņemt vērā ļoti daudzus faktorus modeļos bez rupjiem vienkāršojumiem un pieņēmumiem (un līdz ar to palielināt modeļa atbilstību pētāmajai sistēmai);

* pietiek vienkārši ņemt vērā nenoteiktības faktoru modelī, ko izraisa daudzu modeļa mainīgo nejaušība;

Tas viss ļauj izdarīt dabisku secinājumu, ka simulācijas modeļus var izveidot plašākai objektu un procesu klasei.

3.2. Simulācijas modelēšanas būtība

Simulācijas modelēšanas būtība ir mērķtiecīga eksperimentēšana ar simulācijas modeli, “izspēlējot” uz tā dažādas sistēmas funkcionēšanas iespējas ar tām atbilstošu ekonomisko analīzi. Tūlīt atzīmēsim, ka šādu eksperimentu rezultāti un attiecīgie ekonomiskā analīze Ieteicams tos formatēt tabulu, grafiku, nomogrammu utt. veidā, kas ievērojami vienkāršo lēmumu pieņemšanas procesu, pamatojoties uz modelēšanas rezultātiem.

Iepriekš uzskaitot vairākas simulācijas modeļu un simulācijas priekšrocības, mēs atzīmējam arī to trūkumus, kas jāatceras, izmantojot simulāciju praksē. Šis:

* labi strukturētu simulācijas modeļu konstruēšanas principu trūkums, kas prasa būtisku katra konkrētā tā konstruēšanas gadījuma izstrādi;

* metodoloģiskas grūtības atrast optimālus risinājumus;

* paaugstinātas prasības to datoru ātrumam, uz kuriem tiek realizēti simulācijas modeļi;

* grūtības, kas saistītas ar reprezentatīvās statistikas apkopošanu un sagatavošanu;

* simulācijas modeļu unikalitāte, kas neļauj izmantot gatavus programmatūras produkti;

* skaitļošanas eksperimenta rezultātā iegūto rezultātu analīzes un izpratnes sarežģītība;

* diezgan liels laika un naudas ieguldījums, īpaši meklējot optimālās pētāmās sistēmas uzvedības trajektorijas.

Uzskaitīto trūkumu skaits un būtība ir ļoti iespaidīga. Tomēr, ņemot vērā lielo zinātnisko interesi par šīm metodēm un to ārkārtīgi intensīvo attīstību pēdējos gados, var droši pieņemt, ka daudzus no iepriekš minētajiem simulācijas modelēšanas trūkumiem ir iespējams novērst gan konceptuāli, gan pielietojuma ziņā.

Vadāma procesa vai kontrolēta objekta simulācijas modelēšana ir augsta līmeņa informācijas tehnoloģija, kas nodrošina divu veidu darbības, kas tiek veiktas, izmantojot datoru:

1) darbs pie simulācijas modeļa izveides vai modificēšanas;

2) simulācijas modeļa darbība un rezultātu interpretācija.

Ekonomisko procesu simulācijas modelēšana parasti tiek izmantota divos gadījumos:

* sarežģīta biznesa procesa vadīšanai, kad ķēdē kā rīks% tiek izmantots pārvaldītas saimnieciskās vienības simulācijas modelis adaptīvā sistēma vadība, kas izveidota uz informācijas tehnoloģiju bāzes;

* veicot eksperimentus ar sarežģītu ekonomisko objektu diskrētiem nepārtrauktiem modeļiem, lai iegūtu un uzraudzītu to dinamiku ārkārtas situācijās, kas saistītas ar riskiem, kuru pilna mēroga modelēšana nav vēlama vai neiespējama.

Var atšķirt sekojošo tipiski uzdevumi ar simulācijas modelēšanas palīdzību atrisinātas problēmas saimniecisko objektu pārvaldībā:

* loģistikas procesu modelēšana laika un izmaksu parametru noteikšanai;

* vadīt investīciju projekta īstenošanas procesu dažādos tā dzīves cikla posmos, ņemot vērā iespējamos riskus un sadales taktiku naudas summas;

* klīringa procesu analīze kredītiestāžu tīkla darbā (ieskaitot piemērošanu savstarpējo norēķinu procesiem Krievijas banku sistēmā);

* uzņēmuma finanšu rezultātu prognozēšana noteiktam laika periodam (ar kontu atlikumu dinamikas analīzi);

* maksātnespējīga uzņēmuma biznesa pārveide (bankrotējoša uzņēmuma struktūras un resursu maiņa, pēc kuras, izmantojot simulācijas modeli, var veikt galveno finanšu rezultātu prognozi un sniegt ieteikumus par vienas vai otras rekonstrukcijas iespējas iespējamību, investīcijas vai kreditēšana ražošanas darbībām);

Simulācijas sistēmai, kas nodrošina modeļu izveidi, lai atrisinātu uzskaitītās problēmas, ir jābūt šādām īpašībām:

* iespēja izmantot simulācijas programmas kopā ar speciāliem ekonomiskiem un matemātiskiem modeļiem un metodēm, kas balstītas uz vadības teoriju;

* instrumentālās metodes kompleksa ekonomiskā procesa strukturālās analīzes veikšanai;

* spēja modelēt materiālu, naudas un informācijas procesi un plūsmas viena modeļa ietvaros, kopumā modeļa laiks;

* iespēja ieviest pastāvīgas precizēšanas režīmu, saņemot izejas datus (galvenos finanšu rādītājus, laika un telpiskās īpašības, riska parametrus utt.) un veicot ekstrēmu eksperimentu.

Daudzas ekonomiskās sistēmas būtībā ir rindas sistēmas (QS), t.i., sistēmas, kurās, no vienas puses, ir izvirzītas prasības jebkura pakalpojuma veikšanai, un, no otras puses, šīs prasības ir izpildītas.

IV. Praktiskā daļa

4.1. Problēmas izklāsts

Izpētīt ekonomiskā rādītāja dinamiku, pamatojoties uz viendimensionālas laikrindas analīzi.

Deviņas nedēļas pēc kārtas tika fiksēts pieprasījums Y(t) (miljonos rubļu) pēc finanšu uzņēmuma kredītresursiem. Šī rādītāja laikrinda Y(t) dota tabulā.

Nepieciešams:

1. Pārbaudiet, vai nav novēroti anomāli novērojumi.

2. Veidot lineārais modelis Y(t) = a 0 + a 1 t, kuru parametri tiek novērtēti ar mazākajiem kvadrātiem (Y(t)) - aprēķinātās, simulētās laikrindas vērtības).

3. Novērtēt konstruēto modeļu atbilstību, izmantojot atlikušās komponentes neatkarības, nejaušības un atbilstības normālā sadalījuma likuma īpašības (izmantojot R/S kritēriju, ņem tabulas robežas 2,7-3,7).

4. Novērtējiet modeļu precizitāti, pamatojoties uz aproksimācijas vidējās relatīvās kļūdas izmantošanu.

5. Pamatojoties uz diviem konstruētajiem modeļiem, prognozējiet pieprasījumu nākamajām divām nedēļām (aprēķiniet prognozes ticamības intervālu ar ticamības varbūtību p = 70%)

6. Grafiski uzrādīt rādītāja faktiskās vērtības, modelēšanas un prognozēšanas rezultātus.

4.2 Problēmas risinājums

1). Anomālu novērojumu klātbūtne izraisa modelēšanas rezultātu izkropļojumus, tāpēc ir nepieciešams nodrošināt anomālu datu neesamību. Lai to izdarītu, izmantosim Ērvina metodi un atradīsim raksturīgo skaitli () (4.1. tabula).

Aprēķinātās vērtības tiek salīdzinātas ar Irvine kritērija tabulā norādītajām vērtībām, un, ja tās ir lielākas par tabulā norādītajām, tad atbilstošā sērijas līmeņa vērtība tiek uzskatīta par anomālu.

1. papildinājums (4.1. tabula)

Visas iegūtās vērtības tika salīdzinātas ar tabulā norādītajām vērtībām un tās nepārsniedza, tas ir, nebija anomālu novērojumu.

2) Izveidojiet lineāru modeli, kura parametrus var novērtēt ar mazāko kvadrātu metodēm (aprēķinātas, simulētas laikrindu vērtības).

Lai to izdarītu, programmā Excel izmantosim datu analīzi.

1. pielikums ((4.2. att.).4.1. att.

Regresijas analīzes rezultāts ir iekļauts tabulā

1. papildinājums (4.2. un 4.3. tabula)

Tabulas otrajā slejā. 4.3 satur regresijas vienādojuma koeficientus a 0, a 1, trešajā ailē ir regresijas vienādojuma koeficientu standartkļūdas, bet ceturtajā ir t - statistika, ko izmanto, lai pārbaudītu regresijas vienādojuma koeficientu nozīmīgumu.

Atkarības (kredītresursu pieprasījuma) no (laika) regresijas vienādojumam ir forma.

1. pielikums (4.5. att.)

3) Novērtēt uzbūvēto modeļu atbilstību.

3.1. Pārbaudīsim neatkarību (autokorelācijas neesamību), izmantojot Durbina-Vatsona d testu pēc formulas:

1. papildinājums (4.4. tabula)

Jo aprēķinātā vērtība d atrodas diapazonā no 0 līdz d 1, t.i. intervālā no 0 līdz 1,08, tad neatkarības īpašība nav izpildīta, vairāku atlikuma līmeņi satur autokorelāciju. Tāpēc modelis ir neatbilstošs šim kritērijam.

3.2. Mēs pārbaudīsim vairāku atlieku līmeņu nejaušību, pamatojoties uz pagrieziena punktu kritēriju. P>

Pagrieziena punktu skaits ir 6.

1. pielikums (4.5. att.)

Nevienlīdzība ir apmierināta (6 > 2). Tāpēc nejaušības īpašība ir izpildīta. Modelis ir atbilstošs šim kritērijam.

3.3. Izmantojot RS kritēriju, noteiksim, vai atlieku skaits atbilst normālā sadalījuma likumam:

vairāku atliekvielu maksimālais līmenis,

minimālais vairāku atliekvielu līmenis,

Standarta novirze,

Aprēķinātā vērtība ietilpst intervālā (2,7-3,7), tāpēc normālā sadalījuma īpašība ir izpildīta. Modelis ir atbilstošs šim kritērijam.

3.4. Atlieku sērijas līmeņu matemātiskās cerības vienādības pārbaude līdz nullei.

Tāpēc mūsu gadījumā tiek izpildīta hipotēze, ka atlikušās rindas vērtību matemātiskā cerība ir vienāda ar nulli.

4.3. tabulā ir apkopota vairāku atliekvielu analīze.

1. papildinājums (4.6. tabula)

4) Novērtējiet modeļa precizitāti, pamatojoties uz aproksimācijas vidējās relatīvās kļūdas izmantošanu.

Lai novērtētu iegūtā modeļa precizitāti, mēs izmantosim relatīvās aproksimācijas kļūdas rādītāju, kas tiek aprēķināts pēc formulas:

Relatīvās aproksimācijas kļūdas aprēķins

1. papildinājums (4.7. tabula)

Ja pēc formulas aprēķinātā kļūda nepārsniedz 15%, modeļa precizitāte tiek uzskatīta par pieņemamu.

5) Pamatojoties uz konstruēto modeli, prognozēt pieprasījumu nākamajām divām nedēļām (aprēķināt prognozes ticamības intervālu pie ticamības līmeņa p = 70%).

Izmantosim Excel funkciju STUDYDISTRIBUTE.

1. papildinājums (4.8. tabula)

Lai izveidotu intervāla prognozi, mēs aprēķinām ticamības intervālu. Pieņemsim nozīmīguma līmeni, tāpēc ticamības varbūtība ir vienāda ar 70%, un Stjudenta tests pie ir vienāds ar 1,12.

Mēs aprēķinām ticamības intervāla platumu, izmantojot formulu:

(atrodam no 4.1 tabulas)

Mēs aprēķinām prognozes augšējo un apakšējo robežu (4.11. tabula).

1. papildinājums (4.9. tabula)

6) Grafiski uzrādīt rādītāja faktiskās vērtības, modelēšanas un prognozēšanas rezultātus.

Pārveidosim atlases grafiku, papildinot to ar prognožu datiem.

1. papildinājums (4.10. tabula)

Secinājums

Ekonomiskais modelis tiek definēts kā savstarpēji saistītu ekonomisko parādību sistēma, kas izteikta kvantitatīvās īpašības un uzrādīts vienādojumu sistēmā, t.i. ir formalizēta matemātiskā apraksta sistēma. Ekonomisko parādību un procesu mērķtiecīgai izpētei un ekonomisko secinājumu - gan teorētisko, gan praktisko - formulēšanai vēlams izmantot matemātiskās modelēšanas metodi. Īpaša interese ir par simulācijas modelēšanas metodēm un līdzekļiem, kas saistīta ar simulācijas modelēšanas sistēmās izmantoto informācijas tehnoloģiju pilnveidošanu: grafisko apvalku izstrāde modeļu konstruēšanai un modelēšanas izejas rezultātu interpretācijai, multivides rīku izmantošana, internets. risinājumi utt. Ekonomiskajā analīzē simulācijas modelēšana ir universālākais instruments finanšu, stratēģiskās plānošanas, biznesa plānošanas, ražošanas vadības un dizaina jomā. Ekonomisko sistēmu matemātiskā modelēšana Matemātiskās modelēšanas svarīgākā īpašība ir tās universālums. Šī metode ļauj ekonomiskās sistēmas projektēšanas un attīstības stadijās veidot dažādus tās modeļa variantus, veikt atkārtotus eksperimentus ar iegūtajiem modeļa variantiem, lai noteiktu (balstoties uz noteiktiem sistēmas funkcionēšanas kritērijiem ) izveidotās sistēmas parametrus, kas nepieciešami tās efektivitātes un uzticamības nodrošināšanai. Šajā gadījumā, lai veiktu nākamo aprēķinu, nav jāiegādājas vai jāražo aprīkojums vai aparatūra: jums vienkārši jāmaina pētāmo sarežģīto ekonomisko sistēmu parametru, sākotnējo nosacījumu un darbības režīmu skaitliskās vērtības.

Metodoloģiski matemātiskā modelēšana ietver trīs galvenos veidus: analītisko, simulācijas un kombinēto (analītiski-simulācijas) modelēšanu. Analītiskais risinājums, ja iespējams, sniedz pilnīgāku un skaidrāku priekšstatu, ļaujot iegūt modelēšanas rezultātu atkarību no sākotnējo datu kopuma. Šajā situācijā vajadzētu pāriet uz simulācijas modeļu izmantošanu. Simulācijas modelis principā ļauj reproducēt visu ekonomiskās sistēmas funkcionēšanas procesu, saglabājot loģisko struktūru, sakarības starp parādībām un to rašanās secību laika gaitā. Simulācijas modelēšana ļauj ņemt vērā lielu skaitu reālu simulētā objekta funkcionēšanas detaļu un ir neaizstājama sistēmas izveides beigu posmā, kad visi stratēģiskie jautājumi jau ir atrisināti. Var atzīmēt, ka simulācija ir paredzēta, lai atrisinātu sistēmas raksturlielumu aprēķināšanas problēmas. Izvērtējamo variantu skaitam jābūt salīdzinoši nelielam, jo ​​katras ekonomiskās sistēmas konstruēšanas varianta simulācijas modelēšanas ieviešana prasa ievērojamus skaitļošanas resursus. Fakts ir tāds, ka simulācijas modelēšanas pamatīpašība ir fakts, ka, lai iegūtu jēgpilnus rezultātus, ir jāizmanto statistikas metodes. Šī pieeja prasa atkārtotu simulētā procesa atkārtošanu ar mainīgām nejaušības faktoru vērtībām, kam seko atsevišķu atsevišķu aprēķinu rezultātu statistiskā vidējā noteikšana (apstrāde). Statistisko metožu izmantošana, kas ir neizbēgama simulācijas modelēšanā, prasa daudz datora laika un skaitļošanas resursu.

Vēl viens simulācijas modelēšanas metodes trūkums ir tas, ka, lai izveidotu pietiekami jēgpilnus ekonomikas sistēmas modeļus (un tajos ekonomikas sistēmas izveides posmos, kad tiek izmantota simulācijas modelēšana, ir nepieciešami ļoti detalizēti un jēgpilni modeļi), ir jāpieliek nozīmīgi konceptuāli un programmēšanas darbi. nepieciešams. Kombinētā modelēšana ļauj apvienot analītiskās un simulācijas modelēšanas priekšrocības. Lai palielinātu rezultātu ticamību, jums vajadzētu izmantot kombinētā pieeja, pamatojoties uz analītisko un simulācijas modelēšanas metožu kombināciju. Šajā gadījumā īpašību analīzes un optimālās sistēmas sintezēšanas posmos ir jāizmanto analītiskās metodes. Tādējādi, no mūsu viedokļa, ir nepieciešama visaptveroša studentu apmācības sistēma gan analītiskās, gan simulācijas modelēšanas līdzekļos un metodēs. Praktisko nodarbību organizēšana Studenti apgūst optimizācijas uzdevumu risināšanas veidus, kurus var reducēt līdz lineārās programmēšanas uzdevumiem. Šīs modelēšanas metodes izvēli nosaka gan attiecīgo problēmu saturiskā formulējuma, gan to risināšanas metožu vienkāršība un skaidrība. Laboratorijas darbu veikšanas procesā studenti risina šādas tipiskas problēmas: transporta problēma; uzņēmuma resursu sadales uzdevums; iekārtu izvietojuma problēma uc 2) Ražošanas un neražošanas rindu sistēmu simulācijas modelēšanas pamatu apguve GPSS World (General Purpose System Simulation World) vidē. Metodiskā un praktiski jautājumi simulācijas modeļu izveide un izmantošana sarežģītu ekonomisko sistēmu analīzē un projektēšanā un lēmumu pieņemšanā komerciālās un mārketinga aktivitātēs. Tiek pētītas simulētu sistēmu aprakstīšanas un formalizēšanas metodes, simulācijas modeļu konstruēšanas un izmantošanas stadijas un tehnoloģijas, kā arī mērķtiecīgu eksperimentālu pētījumu organizēšanas jautājumi, izmantojot simulācijas modeļus.

Izmantotās literatūras saraksts

Pamata

1. Akulich I.L. Matemātiskā programmēšana piemēros un uzdevumos. - M.: Augstskola, 1986. gads.

2. Vlasovs M.P., Šimko P.D. Ekonomisko procesu modelēšana. - Rostova pie Donas, Fīniksa - 2005 (elektroniskā mācību grāmata)

3. Javorskis V.V., Amirovs A.Ž. Ekonomiskā informātika un informācijas sistēmas (laboratorijas darbnīca) - Astana, Foliant, 2008.g.

4. Simonovičs S.V. Informātika, Sanktpēterburga, 2003.g

5. Vorobjovs N.N. Spēļu teorija ekonomistiem – kibernētiķiem. - M.: Nauka, 1985 (elektroniskā mācību grāmata)

6. Alesinskaya T.V. Ekonomiskās un matemātiskās metodes un modeļi. - Tagan Rog, 2002 (elektroniskā mācību grāmata)

7. Gershgorn A.S. Matemātiskā programmēšana un tās pielietojums ekonomiskajos aprēķinos. -M. Ekonomika, 1968. gads

Turklāt

1. Darbinyan M.M. Krājumi tirdzniecībā un to optimizācija. - M. Ekonomika, 1978.g

2. Džonstons D.J. Ekonomiskās metodes. - M.: Finanses un statistika, 1960. gads.

3. Epišins Ju.G. Ekonomiskās un matemātiskās metodes un patērētāju sadarbības plānošana. - M.: Ekonomika, 1975

4. Žitņikovs S.A., Biržanova Z.N., Aširbekova B.M. Ekonomiskās un matemātiskās metodes un modeļi: Mācību grāmata. - Karaganda, KEU izdevniecība, 1998. gads

5. Zamkovs O.O., Tolstopjatenko A.V., Čeremnihs Ju.N. Matemātiskās metodes ekonomikā. - M.: DIS, 1997. gads.

6. Ivanilovs Ju.P., Lotovs A.V. Matemātiskās metodes ekonomikā. - M.: Zinātne, 1979

7. Kaļiņina V.N., Pankina A.V. Matemātiskā statistika. M.: 1998. gads

8. Koļemajevs V.A. Matemātiskā ekonomika. M., 1998. gads

9. Krēmers N.Š., Putko B.A., Trišins I.M., Frīdmens M.N. Operāciju izpēte ekonomikā. Mācību grāmata - M.: Bankas un biržas, VIENOTĪBA, 1997

10. Spirin A.A., Fomin G.P. Ekonomiskās un matemātiskās metodes un modeļi tirdzniecībā. - M.: Ekonomika, 1998.g

1. pielikums

4.1. tabula

4.2. tabula

Līdzīgi dokumenti

Dzīvokļu izmaksu ekonometriskā modelēšana Maskavas reģionā. Ekonomiskā rādītāja dinamikas izpēte, pamatojoties uz viendimensionālas laikrindas analīzi. Lineārās pāru regresijas parametri. Modeļa atbilstības novērtēšana, prognozes sastādīšana.

tests, pievienots 09.07.2011


Dzīvokļu izmaksu ekonometriskā modelēšana Maskavas reģionā. Pāru korelācijas koeficientu matrica. Lineārās pāru regresijas parametru aprēķins. Ekonomiskā rādītāja dinamikas izpēte, pamatojoties uz viendimensionālas laikrindas analīzi.

tests, pievienots 19.01.2011


Simulācijas modelēšanas jēdziena izpēte. Laika rindu simulācijas modelis. Ekonomisko procesu attīstības dinamikas rādītāju analīze. Nenormāli sēriju līmeņi. Autokorelācija un laika nobīde. Tendenču modeļu atbilstības un precizitātes novērtēšana.

kursa darbs, pievienots 26.12.2014


Studēt un praktizēt prasmes stohastisko procesu matemātiskajā modelēšanā; reālu modeļu un sistēmu izpēte, izmantojot divu veidu modeļus: analītisko un simulācijas. Galvenās analīzes metodes: dispersija, korelācija, regresija.

kursa darbs, pievienots 19.01.2016


Modelēšanas metodes būtība un saturs, modeļa jēdziens. Matemātisko metožu pielietošana ekonomisko parādību prognozēšanai un analīzei, teorētisko modeļu veidošana. Ekonomiskā un matemātiskā modeļa konstruēšanai raksturīgās pamatiezīmes.

tests, pievienots 02.02.2013


Modelēšanas iedalījums divās galvenajās klasēs - materiālā un ideālā. Divi galvenie ekonomisko procesu līmeņi visās ekonomikas sistēmās. Ideāli matemātiskie modeļi ekonomikā, optimizācijas un simulācijas metožu pielietošana.

abstrakts, pievienots 06/11/2010


Homomorfisms ir modelēšanas metodoloģiskais pamats. Sistēmu attēlojuma formas. Matemātiskā modeļa izstrādes secība. Modelis kā ekonomiskās analīzes līdzeklis. Informācijas sistēmu modelēšana. Simulācijas modelēšanas jēdziens.

prezentācija, pievienota 19.12.2013


Investīciju instrumentu veicināšanas matemātiskās prognozēšanas teorētiskie pamati. Simulācijas sistēmas jēdziens. Ekonomisko procesu modeļu konstruēšanas posmi. Bryansk-Capital LLC raksturojums. Modeļa atbilstības novērtēšana.

kursa darbs, pievienots 20.11.2013


Simulācijas modelēšana kā ekonomikas sistēmu analīzes metode. Poligrāfijas pakalpojumu sniedzēja uzņēmuma pirmsprojekta pārbaude. Dotās sistēmas izpēte, izmantojot Markova procesa modeli. Viena pieprasījuma apkalpošanas laika aprēķins.

kursa darbs, pievienots 23.10.2010


Optimizācijas metožu pielietošana konkrētu ražošanas, ekonomikas un vadības problēmu risināšanai, izmantojot kvantitatīvo ekonomisko un matemātisko modelēšanu. Pētāmā objekta matemātiskā modeļa risināšana, izmantojot Excel.

Simulācijas modelēšana ir metode, kas ļauj izveidot modeļus, kas apraksta procesus tā, kā tie notiktu patiesībā. Šāds modelis laika gaitā var tikt “izspēlēts” gan vienam testam, gan noteiktam to komplektam. Šajā gadījumā rezultātus noteiks procesu nejaušība. No šiem datiem var iegūt diezgan stabilu statistiku.

Šīs tēmas aktualitāte slēpjas faktā, ka simulācijas modelēšana digitālajos datoros ir viens no jaudīgākajiem līdzekļiem, jo ​​īpaši sarežģītu dinamisku sistēmu pētīšanai. Tāpat kā jebkura datormodelēšana, tā ļauj veikt skaitļošanas eksperimentus ar sistēmām, kas vēl tiek izstrādātas, un izpētīt sistēmas, ar kurām pilna mēroga eksperimenti drošības apsvērumu vai augsto izmaksu dēļ nav ieteicami. Tajā pašā laikā, pateicoties tās formas tuvumam fiziskajai modelēšanai, šī pētījuma metode ir pieejama plašākam lietotāju lokam.

Simulācijas modelēšana ir pētījuma metode, kurā pētāmā sistēma tiek aizstāta ar modeli, kas pietiekami precīzi apraksta reālo sistēmu un ar to tiek veikti eksperimenti, lai iegūtu informāciju par šo sistēmu.

Šādu eksperimentu veikšanas mērķi var būt ļoti dažādi – no pētāmās sistēmas īpašību un modeļu noteikšanas līdz konkrētu praktisku problēmu risināšanai. Attīstoties datortehnoloģijām un programmatūrai, simulācijas pielietojumu klāsts ekonomikā ir ievērojami paplašinājies. Šobrīd to izmanto gan uzņēmuma iekšējās vadības problēmu risināšanai, gan vadības modelēšanai makroekonomikas līmenī. Apskatīsim simulācijas modelēšanas izmantošanas galvenās priekšrocības finanšu analīzes problēmu risināšanas procesā.

Simulācijas procesā pētnieks nodarbojas ar četriem galvenajiem elementiem:

Reāla sistēma;

Imitējamā objekta loģiski matemātiskais modelis;

Simulācijas (mašīnas) modelis;

Dators, uz kura tiek veikta simulācija, ir vērsts skaitļošanas eksperiments.

Lai aprakstītu modelēto procesu dinamiku simulācijā, ir ieviests modeļa laika noteikšanas mehānisms. Šie mehānismi ir iebūvēti jebkuras modelēšanas sistēmas vadības programmās.

Ja vienas sistēmas komponentes uzvedību modelētu datorā, tad darbību izpildi simulācijas modelī varētu veikt secīgi, pārrēķinot laika koordinātu.

Lai nodrošinātu reālas sistēmas paralēlo notikumu simulāciju, tiek ieviests noteikts globālais mainīgais (nodrošinot visu sistēmas notikumu sinhronizāciju) t0, ko sauc par modeļa (vai sistēmas) laiku.

Ir divi galvenie veidi, kā mainīt t0:

Soli pa solim (tiek izmantoti fiksēti maiņas intervāli)

modeļa laiks);

Balstīts uz notikumiem (tiek izmantoti mainīgi maiņas intervāli

modeļa laiks, savukārt soļa lielumu mēra pēc intervāla

līdz nākamajam pasākumam).

Soli pa solim metodes gadījumā laiks virzās uz priekšu ar mazāko iespējamo konstanto soļa garumu (t princips). Šie algoritmi nav īpaši efektīvi attiecībā uz datora laika izmantošanu to ieviešanai.

Uz notikumiem balstīta metode (“īpašo stāvokļu” princips). Tajā laika koordinātas mainās tikai tad, kad mainās sistēmas stāvoklis. Uz notikumiem balstītās metodēs laika nobīdes soļa garums ir maksimālais iespējamais. Modeļa laiks mainās no pašreizējā brīža līdz tuvākajam nākamā notikuma brīdim. Ja notikumu biežums ir zems, ieteicams izmantot metodi notikumam atsevišķi, tad liels soļa garums paātrinās modeļa laika progresu.

Risinot daudzas finanšu analīzes problēmas, tiek izmantoti modeļi, kas satur nejaušie mainīgie, kuru uzvedību nevar kontrolēt lēmumu pieņēmēji. Šādus modeļus sauc par stohastiskiem. Simulācijas izmantošana ļauj izdarīt secinājumus par iespējamiem rezultātiem, pamatojoties uz nejaušības faktoru (mainīgo) varbūtības sadalījumu. Stohastisko simulāciju bieži sauc par Montekarlo metodi.

No visa iepriekš minētā varam secināt, ka simulācija ļauj ņemt vērā maksimāli iespējamo vides faktoru skaitu, lai atbalstītu vadības lēmumu pieņemšanu, un ir visspēcīgākais instruments investīciju risku analīzei. Nepieciešamība to izmantot iekšzemes finanšu praksē ir saistīta ar Krievijas tirgus īpatnībām, ko raksturo subjektivitāte, atkarība no neekonomiskiem faktoriem un augsta nenoteiktības pakāpe.

Simulācijas rezultātus var papildināt ar varbūtības un statistisko analīzi un kopumā nodrošināt vadītājam vispilnīgāko informāciju par galveno faktoru ietekmes pakāpi uz sagaidāmajiem rezultātiem un iespējamiem notikumu attīstības scenārijiem.

A.A.Emeļjanovs

E.A.Vlasova R.V.Duma

IMITĀCIJA

MODELĒŠANA

EKONOMIKA

PROCESI

Rediģēja Dr. ekonomikas zinātnes JĀ. Emeļjanova

par izglītību lietišķās datorzinātnes jomā kā mācību līdzekli studentiem,

studenti, kuru specializācija ir “Lietišķā informātika (pēc jomas)”,

A arī citās datoru specialitātēs

un norādes

MASKAVA "FINANSES UN STATISTIKA" 2002.g

UDC 330.45:004.942(075.8) BBK 65v6ya73

REZERVĒTĀJI:

Urālas Valsts universitātes Informācijas sistēmu katedra ekonomikā Valsts ekonomikas universitāte (katedras vadītājs A. F. Šorikovs,

fizikas un matemātikas zinātņu doktors, profesors);

V.N. Volkova,

Ekonomikas doktors, Sanktpēterburgas valsts profesors

Tehniskā universitāte, Augstskolas Starptautiskās Zinātņu akadēmijas akadēmiķis

Emeļjanovs A.A. utt.

E60 Ekonomisko procesu simulācijas modelēšana: Mācību grāmata. pabalsts / A.A. Emeļjanovs, E.A. Vlasova, R.V. Doma; Ed. A.A. Emeļjanova. - M.: Finanses un statistika, 2002. - 368 lpp.: ill.

ISBN 5-279-02572-0

Tiek prezentētas modernas modelēšanas sistēmas konstruēšanas koncepcijas, formalizēti objekti, piemēram, materiāli, informācijas un naudas resursi, kā arī valodas rīki simulācijas modeļu izveidei, paņēmieni to izveidei, atkļūdošanai un darbībai, izmantojot CASE tehnoloģiju modeļu konstruēšanai “bez programmēšanas”. Tiek parādītas modelēšanas iespējas ģeotelpā - ar atsauci uz kartēm vai plāniem. Ir aprakstīta ekstrēmo eksperimentu plānošana.

Augstskolu studentiem, kuri studē specialitātēs “Lietišķā informātika (pa jomām)”, “Informācijas sistēmu matemātiskais atbalsts un administrēšana”, kā arī citās datorspecialitātēs un augstākās profesionālās izglītības jomās.

PRIEKŠVĀRDS

Ir pagājuši vairāk nekā 25 gadi kopš T. Neilora grāmatas “Mašīnu simulācijas eksperimenti ar ekonomisko sistēmu modeļiem” izdošanas krievu valodā. Kopš tā laika ekonomisko procesu simulācijas modelēšanas metodes ir piedzīvojušas būtiskas izmaiņas. To izmantošana saimnieciskajā darbībā ir mainījusies. Dažas pēdējos gados izdotās grāmatas (piemēram, par GPSS izmantošanu inženierzinātnēs un tehnoloģijās, par ekonomisko sistēmu elementu algoritmisko modelēšanu programmā Visual Basic) atkārto simulācijas modelēšanas koncepcijas pirms 30 gadiem, izmantojot jaunus programmatūras rīkus, bet neatspoguļo. notikušais mainās.

Šīs grāmatas mērķis ir vispusīgs pēdējos gados parādījušās pieejas un metodes simulācijas modelēšanas pielietošanai projektu saimnieciskajā darbībā un jauni instrumenti, kas sniedz ekonomistam daudzveidīgas iespējas.

Apmācība sākas ar simulācijas modelēšanas teorētisko pamatu aprakstu. Tālāk mēs aplūkojam vienu no mūsdienu koncepcijām modelēšanas sistēmas konstruēšanai. Ir nodrošināti valodu rīki modeļu aprakstīšanai. Ir aprakstīta modeļu izveides, atkļūdošanas un darbības tehnika, izmantojot CASE tehnoloģiju modeļu konstruēšanai “bez programmēšanas” - izmantojot interaktīvu grafisko dizaineru. Īpaša nodaļa ir veltīta simulācijas modelēšanai ģeotelpā, atsaucoties uz ekonomisko reģionu teritorijām. Tiek apskatīti plānošanas optimizācijas eksperimentu jautājumi - procesu racionālu parametru atrašana, izmantojot simulācijas modeļus. Pēdējā nodaļā ir ietverts labi atkļūdotu simulācijas modeļu kopums dažādiem mērķiem, kas var būt labs palīgs dažādām lasītāju kategorijām. Tie palīdzēs skolotājiem izstrādāt laboratorijas darbus un uzdevumus. Augstskolu studentiem, kā arī maģistrantiem un speciālistiem, kuri patstāvīgi apgūst šāda veida datormodelēšanu, viņi

ļaus jums ātri pāriet uz praktisku modelēšanu savā mācību jomā.

Katras nodaļas beigās ir īsi secinājumi un kontrolsaraksts pašnovērtējumam. Īss terminu glosārijs un priekšmetu rādītājs arī atvieglo grāmatas materiāla izpratni.

Mācību grāmata tapusi, izmantojot autoru uzkrāto darba pieredzi akadēmisko disciplīnu pasniegšanas procesā, kas saistītas ar simulācijas modelēšanu, risku pārvaldību, vadības sistēmu izpēti, sagatavojot un publicējot augstskolās. mācību līdzekļi Un izglītojoši materiāli. Grāmatā atspoguļoti autora zinātniskās pētniecības un attīstības rezultāti.

A.A. Emeļjanovs, ekonomikas doktors, MESI Vispārējās sistēmu teorijas un sistēmu analīzes katedras vadītājs - 1. - 3., 6., 7., 8. nodaļa (8.1. - 8.3., 8.6., 8.7. sadaļa) un grāmatas vispārīgā redakcija.

E.A. Vlasova, MESI Vispārējās sistēmu teorijas un sistēmu analīzes katedras vecākā pasniedzēja - 4. un 8. nodaļa (8.4. un 8.5. sadaļa).

R.V. Doma, ekonomikas zinātņu kandidāte, Biznesa konsoles vadošā speciāliste - 5. nodaļa.

Mācību grāmatu var ieteikt studentiem, kas studē datorspecialitātēs un jomās. Tā var noderēt speciālistu vadītāju un maģistrantu apmācībā Biznesa vadības maģistra (MBA) programmās.

Lai patstāvīgi apgūtu grāmatu, lasītājam vispirms jāiepazīst datorzinātnes, ar programmēšanas pamatiem, augstāko matemātiku, varbūtību teoriju, matemātisko statistiku, lineāro algebru, ekonomikas teoriju un grāmatvedību.

IEVADS

Simulācijas modelēšana(no angļu valodas simulācijas) ir izplatīts analogās simulācijas veids, kas tiek īstenots, izmantojot matemātisko rīku komplektu, īpašas simulējošas datorprogrammas un programmēšanas tehnoloģijas, kas ļauj, izmantojot analogos procesus, veikt mērķtiecīgu reāla kompleksa struktūras un funkciju izpēti. process datora atmiņā “simulācijas” režīmā, optimizē dažus tā parametrus.

Simulācijas modelis sauc par īpašu programmatūras pakotni, kas ļauj simulēt jebkura sarežģīta objekta darbību. Tas datorā iedarbina paralēli mijiedarbīgus skaitļošanas procesus, kas pēc saviem laika parametriem (ar laika un telpas skalu precizitāti) ir pētāmo procesu analogi. Valstīs, kas ieņem vadošo pozīciju jaunu datorsistēmu un tehnoloģiju izveidē, zinātniskais virziens Datorzinātnē tiek izmantota tieši šāda simulācijas modelēšanas interpretācija, un maģistra programmām šajā jomā ir atbilstoša akadēmiskā disciplīna.

Jāatzīmē, ka jebkuras modelēšanas metodoloģiskajā pamatā ir realitātes simulācijas elementi, izmantojot kādu simboliku (matemātiku) vai analogus. Tāpēc dažreiz Krievijas universitātēs simulācijas modelēšanu sāka saukt par mērķtiecīgu daudzfaktoru aprēķinu sēriju, kas veikta datorā, izmantojot ekonomiskos un matemātiskos modeļus un metodes. Taču no datortehnoloģiju viedokļa šāda modelēšana ir parastie aprēķini, kas tiek veikti, izmantojot aprēķinu programmas vai Excel izklājlapu procesoru.

Matemātiskos aprēķinus (arī tabulas aprēķinus) var veikt bez datora: izmantojot kalkulatoru, logaritmisko lineālu, aritmētisko darbību noteikumus un palīgtabulas. Bet simulācijas modelēšana ir tīri datordarbs, ko nevar paveikt ar improvizētiem līdzekļiem.

Tāpēc šāda veida modelēšanai bieži tiek izmantots sinonīms

datormodelēšana.

Jāizveido simulācijas modelis. Tam nepieciešama īpaša programmatūra - modelēšanas sistēma(simulācijas sistēma). Šādas sistēmas specifiku nosaka darbības tehnoloģija, valodas rīku komplekts, servisa programmas un modelēšanas tehnika.

Simulācijas modelim jāatspoguļo liels skaits simulētā objekta parametru, loģikas un uzvedības modeļu laika gaitā (laika dinamika) un kosmosā (telpiskā dinamika). Ekonomisko objektu modelēšana ir saistīta ar koncepciju

objekta finanšu dinamika.

No speciālista viedokļa (datorzinātnieks-ekonomists, matemātiķis-programmētājs vai ekonomists-matemātiķis), simulācijas modelēšana kontrolēts process vai kontrolēts objekts ir augsta līmeņa informācijas tehnoloģija, kas nodrošina divu veidu darbības, kas tiek veiktas, izmantojot datoru:

1) darbs pie simulācijas modeļa izveides vai modificēšanas;

2) simulācijas modeļa darbība un rezultātu interpretācija.

Ekonomisko procesu simulācijas (datormodelēšana) parasti izmanto divos gadījumos:

pārvaldīt kompleksu biznesa process, kad uz informācijas (datoru) tehnoloģiju bāzes izveidotas adaptīvās vadības sistēmas kontūrā kā rīks tiek izmantots pārvaldītas saimnieciskās vienības simulācijas modelis;

veicot eksperimentus ar kompleksu ekonomisko objektu diskrēti nepārtraukti modeļi, lai iegūtu un izsekotu to dinamikai ārkārtas situācijās, kas saistītas ar riskiem, kuru pilna mēroga modelēšana nav vēlama vai neiespējama.

Var identificēt šādas tipiskas problēmas, kuras var atrisināt, izmantojot simulācijas modelēšanas rīkus, pārvaldot saimnieciskos objektus:

loģistikas procesu modelēšana laika un izmaksu parametru noteikšanai;

investīciju projekta īstenošanas procesa vadīšana dažādos tā dzīves cikla posmos, ņemot vērā iespējamos riskus un līdzekļu piesaistes taktiku;

klīringa procesu analīze kredītiestāžu tīkla darbā (ieskaitot piemērošanu savstarpējo norēķinu procesiem Krievijas banku sistēmā);

uzņēmuma finanšu rezultātu prognozēšana noteiktam laika periodam (ar kontu bilances dinamikas analīzi);

biznesa pārveide maksātnespējīgs uzņēmums (izmaiņas bankrotējušā uzņēmuma struktūrā un resursos, pēc kurām, izmantojot simulācijas modeli, var veikt galveno finanšu rezultātu prognozi un sniegt ieteikumus par vienu vai otru rekonstrukcijas, investīciju vai kreditēšanas iespēju iespējamību. ražošanas darbības);

datora reģionālās banku informācijas sistēmas adaptīvo īpašību un dzīvotspējas analīze (piemēram, daļēji neizdevās dabas katastrofa elektronisko maksājumu un maksājumu sistēma pēc 1995. gada katastrofālās zemestrīces Japānas centrālajās salās demonstrēja augstu izdzīvošanas spējas: darbība atsākās dažu dienu laikā);

uzticamības parametru un kavējumu novērtējums centralizētā ekonomiskās informācijas sistēmā ar kolektīvo piekļuvi (izmantojot aviobiļešu tirdzniecības sistēmas piemēru, ņemot vērā datu bāzu fiziskās organizācijas nepilnības un iekārtu atteices);

sadalītas daudzlīmeņu departamentu informācijas pārvaldības sistēmas darbības parametru analīze, ņemot vērā neviendabīgo struktūru, joslas platums sakaru kanāli un nepilnības izplatītās datu bāzes fiziskajā organizācijā reģionālajos centros;

kurjera (kurjera) helikoptera lidojumu grupas darbības modelēšana dabas stihijas vai lielas rūpnieciskās avārijas skartajā reģionā;

PERT (Program Evaluation and Review Technique) tīkla modeļa analīze ražošanas iekārtu nomaiņas un regulēšanas projektiem, ņemot vērā bojājumu rašanos;

autotransporta uzņēmuma, kas nodarbojas ar kravu komercpārvadājumiem, darba analīze, ņemot vērā preču un naudas plūsmu specifiku reģionā;

uzticamības parametru un informācijas apstrādes kavējumu aprēķināšana banku informācijas sistēmā.

Dotais saraksts ir nepilnīgs un aptver tos simulācijas modeļu izmantošanas piemērus, kas ir aprakstīti literatūrā vai autoru izmantoti praksē. Simulācijas modelēšanas aparāta faktiskajam pielietojumam nav redzamu ierobežojumu. Piemēram, amerikāņu astronautu glābšana avārijas gadījumā kosmosa kuģī APOLLO kļuva iespējama, tikai pateicoties dažādu glābšanas iespēju “izspēlēšanai” uz kosmosa kompleksa modeļiem.

Simulācijas sistēmai, kas nodrošina modeļu izveidi, lai atrisinātu uzskaitītās problēmas, ir jābūt šādām īpašībām:

Iespēja izmantot simulācijas programmas kopā ar speciāliem ekonomiskiem un matemātiskiem modeļiem un metodēm, kuru pamatā ir vadības teorija; "

instrumentālās metodes sarežģīta ekonomiskā procesa strukturālās analīzes veikšanai;

spēja modelēt materiālos, monetāros un informācijas procesus un plūsmas viena modeļa ietvaros, kopējā modeļa laikā;

iespēja ieviest pastāvīgas precizēšanas režīmu, saņemot izejas datus (galvenie finanšu rādītāji, laika un telpas raksturlielumi, riska parametri

Un utt.) un veicot ekstrēmu eksperimentu.

Vēsturiskā informācija. Ekonomisko procesu simulācijas modelēšana ir ekonomiskās un matemātiskās modelēšanas veids. Tomēr šāda veida modelēšana lielā mērā balstās uz datortehnoloģiju. Daudzas modelēšanas sistēmas, kas ideoloģiski izstrādātas 1970.–1980. gados, ir piedzīvojušas evolūciju līdz ar datortehnoloģiju un operētājsistēmām (piemēram, GPSS — General Purpose Simulation System), un tagad tās efektīvi izmanto jaunās datoru platformās. Turklāt 90. gadu beigās. Parādījās principiāli jaunas modelēšanas sistēmas, kuru koncepcijas nevarēja rasties agrāk - izmantojot 1970.-1980.gadu datorus un operētājsistēmas.

1. Periods 1970-1980. T. Nailors bija pirmais, kurš izmantoja simulācijas modelēšanas metodes ekonomisko procesu analīzei. Divus gadu desmitus mēģinājumi izmantot šāda veida modelēšanu reālajā ekonomikas vadībā

procesi bija epizodiski, jo ekonomisko procesu formalizēšana bija sarežģīta:

datorprogrammā nebija formāla valodas atbalsta elementāru procesu un to funkciju aprakstīšanai kompleksa stohastiskā ekonomisko procesu tīkla mezglos.

Ar ņemot vērā to hierarhisko struktūru;

Modelī nebija formalizētu strukturālo sistēmu analīzes metožu, kas būtu nepieciešamas reālā simulētā procesa hierarhiskai (daudzslāņu) sadalīšanai elementārajos komponentos.

Šajos gados piedāvātās algoritmiskās metodes simulācijas modelēšanai ir izmantotas sporādiski šādu iemeslu dēļ:

tie bija darbietilpīgi, lai izveidotu sarežģītu procesu modeļus (prasa ļoti ievērojamas programmēšanas izmaksas);

modelējot vienkāršus komponentu procesus, tie bija zemāki matemātiskie risinājumi analītiskā formā, kas iegūta ar rindu teorijas metodēm. Analītiskie modeļi bija daudz vienkāršāk īstenojami datorprogrammu veidā.

Algoritmiskā pieeja joprojām tiek izmantota dažās augstskolās, lai pētītu ekonomisko sistēmu modelēšanas elementu pamatus.

Reālo ekonomisko procesu sarežģītība un pretrunīgo nosacījumu pārpilnība šo procesu pastāvēšanai (no simtiem līdz tūkstošiem) noved pie šāda rezultāta. Ja izmantojat algoritmisku pieeju, veidojot simulācijas modeli, izmantojot parastās programmēšanas valodas (BASIC, Fortran

Un utt.), tad modelēšanas programmu sarežģītība un apjoms būs ļoti liels, un modeļa loģika būs pārāk mulsinoša. Šāda simulācijas modeļa izveide prasa ievērojamu laika periodu (dažreiz daudzus gadus). Tāpēc simulācijas modelēšana galvenokārt tika izmantota tikai zinātniskajā darbībā.

Tomēr 70. gadu vidū. Parādījās pirmie diezgan tehnoloģiskie simulācijas modelēšanas rīki, kuriem bija savi valodas rīki. Visspēcīgākā no tām ir GPSS sistēma. Tas ļāva izveidot vadāmu procesu un objektu modeļus galvenokārt tehniskiem vai tehnoloģiskiem mērķiem.

2. Periods 1980.-1990.gadi. Simulācijas modelēšanas sistēmas aktīvāk sāka izmantot 80. gados, kad vairāk nekā 20 dažādas sistēmas. Visizplatītākās sistēmas bija GASP-IV, SIMULA-67, GPSS-V un SLAM-II, kurām tomēr bija daudz trūkumu.

Sistēma GASP-IV nodrošināja lietotāju ar Fortran līdzīgu strukturētu programmēšanas valodu, metožu kopumu diskrētu modeļu apakšsistēmu uz notikumiem balstītai modelēšanai un nepārtrauktu apakšsistēmu modelēšanai, izmantojot stāvokļa mainīgo vienādojumus, un pseidogadījuma skaitļu sensorus.

Sistēma SIMULA-67 pēc savām iespējām ir līdzīga GASP-IV, taču nodrošina lietotājam strukturētu programmēšanas valodu, kas ir līdzīga ALGOL-60.

Modeļu efektivitāte, kas tika izveidota, izmantojot sistēmas GASP-IV un SIMULA-67, lielā mērā bija atkarīga no modeļa izstrādātāja prasmēm. Piemēram, atbildība par neatkarīgu simulētu procesu izveidi pilnībā gulēja uz izstrādātāju, speciālistu ar augstu matemātisko apmācību. Saskaņā ar šo šī sistēma galvenokārt^ izmanto tikai zinātniskās organizācijās.

GASP-IV un SIMULA-67 sistēmām nebija piemērotu rīku modelētā procesa telpiskās dinamikas modelēšanai.

GPSS-V sistēma nodrošināja lietotājam pilnīgu, augsta līmeņa informācijas tehnoloģiju simulācijas modeļu izveidei. Šai sistēmai ir līdzekļi paralēlu diskrētu procesu formalizētai aprakstīšanai parastu grafisku attēlu veidā vai izmantojot dzimtās valodas operatorus. Procesa saskaņošana tiek veikta automātiski viena modeļa laikā. Ja nepieciešams, lietotājs var ievadīt savus datu sinhronizācijas noteikumus. Ir rīki modeļu pārvaldībai, dinamiskai atkļūdošanai un rezultātu apstrādes automatizācijai. Tomēr šai sistēmai bija trīs galvenie trūkumi:

izstrādātājs nevarēja iekļaut modelī nepārtrauktus dinamiskus komponentus, pat izmantojot savas ārējās rutīnas, kas rakstītas PL/1, Fortran vai Assembly valodā;

nebija līdzekļu telpisko procesu simulēšanai

sistēma bija tikai interpretējoša, kas ievērojami samazināja modeļu veiktspēju.

Ja ir atlasīta 1 stunda un skala ir iestatīta uz 7200, modelis darbosies lēnāk nekā reālais process. Turklāt 1 stunda reāla procesa tiks simulēta datorā 2 stundas, t.i. apmēram 2 reizes lēnāk. Relatīvais mērogs šajā gadījumā ir 2:1

(skat. laika skalu).

Simulācijas modelis(simulācijas modelis) ir īpaša programmatūras pakotne, kas ļauj simulēt jebkura sarežģīta objekta darbību. Tas datorā iedarbina paralēli mijiedarbīgus skaitļošanas procesus, kas pēc saviem laika parametriem (laika un telpas mērogam) ir pētāmo procesu analogi. Valstīs, kas ieņem vadošo pozīciju jaunu radīšanā datorsistēmas un tehnoloģijām, datorzinātņu zinātniskais virziens ir vērsts tieši uz šādu simulācijas modelēšanas interpretāciju, un maģistra programmām šajā jomā ir atbilstoša akadēmiskā disciplīna.

Simulācijas modelēšana(simulācija) ir izplatīts analogās simulācijas veids, ko īsteno, izmantojot matemātisko rīku komplektu, īpašas simulējošas datorprogrammas un programmēšanas tehnoloģijas, kas ļauj ar analogo procesu palīdzību veikt mērķtiecīgu reāla sarežģīta procesa struktūras un funkciju izpēti datora atmiņā. “simulācijas” režīmā optimizējiet dažus tā parametrus.

Ekonomisko procesu simulācijas (datormodelēšana). - parasti izmanto divos gadījumos:

1) vadīt sarežģītu biznesa procesu, kad vadāmas saimnieciskās vienības simulācijas modelis tiek izmantots kā instruments uz informācijas (datoru) tehnoloģiju bāzes veidotas adaptīvās vadības sistēmas kontūrā;

2) veicot eksperimentus ar sarežģītu ekonomisko objektu diskrētiem nepārtrauktiem modeļiem, lai iegūtu un “novērotu” to dinamiku ārkārtas situācijās, kas saistītas ar riskiem, kuru dabiskā modelēšana ir nevēlama vai neiespējama.

Vārsts, kas bloķē darījumu ceļu - simulācijas modeļa mezgla veids. Tā ir nosaukta atslēga. Ja vārstu ietekmē aizturēšanas signāls no jebkura mezgls, vārsts aizveras un darījumi nevar tikt caur to. Rels signāls no cita mezgla atver vārstu.

Modelēšanas procesa kolektīvā vadība - īpašs eksperimenta veids ar simulācijas modeli, ko izmanto biznesa spēlēs un izglītība un apmācība uzņēmumiem

Datorsimulācija simulācijas modelēšana.

Maksimālā paātrinātā laika skala - skala, kas norādīta ar skaitli “nulle”. Simulācijas laiku nosaka tikai modeļa procesora darbības laiks. Relatīvā skala šajā gadījumā ir ļoti maza; to ir gandrīz neiespējami noteikt(skat. laika skalu).

Laika skala ir skaitlis, kas norāda vienas modeļa laika vienības simulācijas ilgumu, pārvēršot sekundēs, astronomiskā reālā laika sekundēs, kad modelis tiek izpildīts. Relatīvā laika skala ir daļa, kas parāda, cik modeļa laika vienību ietilpst vienā procesora laika vienībā, izpildot modeli datorā.

Resursu vadītājs (vai vadītājs). - simulācijas modeļa mezgla veids. To sauc par pārvaldību. Kontrolē pievienošanas tipa mezglu darbību. Lai modelis darbotos pareizi, pietiek ar vienu mezgla pārvaldnieku: tas apkalpos visas noliktavas, nepārkāpjot modeļa loģiku. Lai atšķirtu statistiku par dažādām transportējamo resursu noliktavām, varat izmantot vairākas pārvaldnieka mezgli.

Montekarlo metode ir statistisko pārbaužu metode, ko veic, izmantojot datoru un programmas - pseidogadījuma vērtību sensorus. Dažreiz šīs metodes nosaukums tiek kļūdaini izmantots kā sinonīms simulācijas modelēšana.

Simulācijas sistēma (simulācijas sistēma - simulācijas sistēma) - īpaša programmatūra, kas paredzēta simulācijas modeļu izveidei un kurai ir šādas īpašības:

iespēja izmantot simulācijas programmas kopā ar speciālajām uz vadības teoriju balstīti ekonomiskie un matemātiskie modeļi un metodes;

instrumentālās metodes sarežģīta ekonomiskā procesa strukturālās analīzes veikšanai;

spēja modelēt materiālos, monetāros un informācijas procesus un plūsmas viena modeļa ietvaros, kopējā modeļa laikā;

iespēja ieviest pastāvīgas precizēšanas režīmu, saņemot izejas datus (galvenos finanšu rādītājus, laika un telpiskās īpašības, riska parametrus utt.) un veicot ekstrēmu eksperimentu.

Normālais likums- gadījuma lielumu sadalījuma likums, kuram ir simetriska forma (Gausa funkcija). Ekonomisko procesu simulācijas modeļos to izmanto, lai modelētu sarežģītu daudzpakāpju darbu.

Vispārināts Erlanga likums- gadījuma lielumu sadalījuma likums, kuram ir asimetriska forma. Ieņem starpstāvokli starp eksponenciālo un normālo. Ekonomisko procesu simulācijas modeļos to izmanto, lai modelētu sarežģītas lietojumprogrammu grupu plūsmas (prasības, pasūtījumi).

Rinda (ar vai bez relatīvām prioritātēm) - simulācijas modeļa mezgla veids. To sauc par rindu. Ja prioritātes netiek ņemtas vērā, tad darījumi tiek pasūtīti rindā tādā secībā, kādā tie tika saņemti. Ja ņem vērā prioritātes, darījums nenonāk rindas “aste”, bet gan tās prioritāšu grupas beigās. Kad prioritārās grupas tiek sakārtotas no rindas “galvas” līdz “astei” prioritātes samazināšanās secībā. Ja transakcija nokļūst rindā un tai nav savas prioritāšu grupas, tad uzreiz parādīsies grupa ar šo prioritāti: tajā būs viena tikko saņemta transakcija.

Uz kosmosu balstīta prioritātes rinda - simulācijas modeļa mezgla veids. To sauc par dinamu. Darījumi, kas ietilpst šādā rindā, ir piesaistīti kosmosa punktiem. Rindu apkalpo speciāla rgos vienība, kas darbojas telpiskās kustības režīmā. Darījumu apkalpošanas punkts: ir jāapmeklē visi telpas punkti, ar kuriem darījumi ir saistīti (vai no kuriem tie nāk). Pienākot katrai jaunai transakcijai, ja tā nav vienīgā rindā, rinda tiek pārkārtota tā, lai kopējais apmeklējuma punktu ceļš būtu minimāls (nevajag uzskatīt, ka tas risina “ceļojošā pārdevēja problēmu”). . Aplūkotais dinamiskā mezgla darbības noteikums literatūrā tiek saukts par “pirmās palīdzības algoritmu”.

Bezmaksas strukturāls mezgls - simulācijas modeļa mezgla tips. Nosaukums ir nolaists. Ir jāvienkāršo ļoti sarežģīts modeļa slānis - “atvienot” mulsinošu ķēdi, kas atrodas vienā slānī, divos dažādos līmeņos (vai slāņos).

Proporcionāli paātrināta laika skala - skala, ko dod skaitlis, kas izteikts sekundēs. Šis skaitlis ir mazāks par atlasītā modeļa laika vienību. Piemēram, ja kā modeļa laika vienību izvēlaties 1 stundu un kā skalu iestatāt skaitli 0,1, modelis darbosies ātrāk nekā reālais process. Turklāt datorā 0,1 s (ņemot vērā kļūdas) tiks simulēta 1 stunda reāla procesa, t.i. aptuveni 36 000 reižu ātrāk. Relatīvais mērogs ir 1:36 000(skat. laika skalu).

Telpiskā dinamika- procesa attīstības dinamikas veids, kas ļauj novērot resursu telpiskās kustības laika gaitā. Tas tiek pētīts ekonomisko (loģistikas) procesu, kā arī transporta sistēmu simulācijas modeļos.

Kosmoss ir paraugobjekts, kas simulē ģeogrāfisko telpu (Zemes virsmu), Dekarta plakni (var ievadīt citus). Mezglus, transakcijas un resursus var saistīt ar punktiem kosmosā vai migrēt tajā.

Vienots likums- gadījuma lielumu sadalījuma likums, kuram ir simetriska forma (taisnstūris). Ekonomisko procesu simulācijas modeļos to dažkārt izmanto, lai modelētu vienkāršu (vienpakāpes) darbu militārās lietās, lai modelētu laiku, kas nepieciešams vienību ceļošanai, ierakumu rakšanai un nocietinājumu būvniecībai.

Finanšu vadītājs- simulācijas modeļa mezgla veids “galvenais grāmatvedis”. To sauc par tiešu. Kontrolē sūtīšanas tipa mezglu darbību. Lai modelis darbotos pareizi, pietiek ar vienu tiešo mezglu: tas apkalpos visus kontus, nepārkāpjot modeļa loģiku. Lai atšķirtu statistiku par dažādām modelētās grāmatvedības nodaļas daļām, varat izmantot vairākus tiešos mezglus.

Reālā laikā- skala, kas norādīta ar skaitli, kas izteikts sekundēs. Piemēram, ja kā modeļa laika vienību izvēlaties 1 stundu un kā skalu iestatāt skaitli 3600, tad modelis tiks izpildīts reālā procesa ātrumā un laika intervāli starp notikumiem modelī būs vienādi. uz laika intervāliem starp reāliem notikumiem simulētajā objektā (ar precizitāti līdz kļūdu labojumiem, norādot sākotnējos datus). Relatīvā laika skala šajā gadījumā ir 1:1 (skat. laika skalu).

Resurss ir tipisks simulācijas modeļa objekts. Neatkarīgi no tā rakstura modelēšanas procesā to var raksturot ar trim vispārīgiem parametriem: jauda, ​​atlikums un deficīts. Resursu veidi: materiālie (bāzēti, transportējami), informatīvie un monetārie.

Signāls ir īpaša funkcija, ko veic darījums, kas atrodas vienā mezglā attiecībā pret citu mezglu, lai mainītu tā darbības režīmu.

Simulācijas sistēma - dažreiz tiek izmantots kā termina analogsmodelēšanas sistēma(ne pārāk veiksmīgs termina simulācijas sistēma tulkojums krievu valodā).

Transportējamo resursu noliktava- simulācijas modeļa mezgla veids. To sauc par piesaisti. Apzīmē jebkura skaita uzglabāšanu

tāda paša veida resursa kvalitāti. Resursu vienības vajadzīgajā daudzumā tiek piešķirtas transakcijām, kas nonāk pievienošanas mezglā, ja bilance pieļauj šādu apkalpošanu. Pretējā gadījumā veidojas rinda. Darījumi, kas saņem resursu vienības, migrē pa grafiku kopā ar tiem un pēc nepieciešamības atdod tos dažādos veidos: vai nu visas kopā, vai mazās partijās, vai lielapjomā. Pareizu noliktavas darbību nodrošina speciāla struktūrvienība - vadītājs.

Notikums ir dinamiska modeļa objekts, kas atspoguļo faktu, ka viena transakcija iziet no mezgla. Notikumi vienmēr notiek noteiktos laika posmos. Tos var arī savienot ar kosmosa punktu. Intervāli starp diviem blakus esošajiem notikumiem modelī, kā likums, ir nejauši mainīgie. Modeļa izstrādātājam praktiski nav iespējams kontrolēt notikumus manuāli (piemēram, no programmas). Tāpēc notikumu vadības funkcija tiek piešķirta speciālai vadības programmai – koordinatoram, kas tiek automātiski integrēta modelī.

Procesu strukturālā analīze- sarežģīta reāla procesa struktūras formalizēšana, sadalot to apakšprocesos, kas veic noteiktas funkcijas un kuriem ir savstarpējas funkcionālas saiknes saskaņā ar darba ekspertu grupas izstrādāto leģendu. Savukārt identificētos apakšprocesus var iedalīt citos funkcionālos apakšprocesos. Vispārējā modelētā procesa struktūru var attēlot grafa veidā ar hierarhisku daudzslāņu struktūru. Rezultātā grafiskā formā parādās formalizēts simulācijas modeļa attēls.

Strukturālo resursu sadales vienība - simulācijas modeļa mezgla veids. To sauc par īri. Izstrādāts, lai vienkāršotu to simulācijas modeļa daļu, kas ir saistīta ar noliktavas darbību. Noliktavas darbība tiek modelēta uz atsevišķa modeļa strukturālā slāņa. Izsaukumi uz šo slāni uz nepieciešamajām ievadēm notiek no citiem slāņiem no nomas mezgla, tos neapvienojot.

Finanšu un ekonomisko maksājumu struktūrvienība - simulācijas modeļa mezgla veids. Tam ir vārds pay. Izstrādāts, lai vienkāršotu to simulācijas modeļa daļu, kas ir saistīta ar grāmatvedības nodaļas darbu. Grāmatvedības nodaļas darbs tiek modelēts uz atsevišķa modeļa strukturālā slāņa. Izsaukumi uz šo slāni uz nepieciešamajām ievadēm notiek no citiem slāņiem no maksas mezgla, neapvienojot šos slāņus.

Grāmatvedības konts- simulācijas modeļa mezgla veids. To sauc par sūtīšanu. Darījums, kas nonāk šādā mezglā, ir pieprasījums pārskaitīt naudu no konta uz kontu vai uz grāmatvedības ieraksts. Darba ar kontiem pareizību regulē īpašs

tiešais mezgls, kas simulē grāmatvedības nodaļas darbu. Ja naudas atlikums nosūtīšanas mezglā ir pietiekams, lai pārskaitītu uz citu kontu, pārskaitījums tiek veikts. Pretējā gadījumā nosūtīšanas mezglā veidojas neapkalpotu darījumu rinda.

Terminators ir mezgla veids simulācijas modelī. Tam ir nosaukuma termins. Darījums, kas nonāk terminatorā, tiek iznīcināts. Terminators reģistrē darījuma darbības laiku.

Darījums ir simulācijas modeļa dinamisks objekts, kas atspoguļo formālu pieprasījumu kādam pakalpojumam. Atšķirībā no parastajiem pieprasījumiem, kas tiek ņemti vērā, analizējot rindu modeļus, tam ir dinamiski mainīgu īpašu īpašību un parametru kopa. Transakciju migrācijas ceļus pa modeļa grafiku nosaka modeļa komponentu funkcionēšanas loģika tīkla mezglos.

Trīsstūrveida likums- nejaušu lielumu sadalījuma likums, kam ir simetriska forma (vienādsānu trīsstūris) vai nesimetriska forma (trijstūris vispārējs skats). Informācijas procesu simulācijas modeļos to dažreiz izmanto, lai modelētu piekļuves laiku datu bāzēm.

Servisa mezgls ar daudziem paralēliem kanāliem - simulācijas modeļa mezgla veids. To sauc par serv. Pakalpojums var būt tādā secībā, kādā darījums nonāk brīvajā kanālā vai pēc absolūto prioritāšu likuma (ar pakalpojuma pārtraukumu).

Mezgli ir simulācijas modeļa objekti, kas simulācijas modeļa grafikā attēlo darījumu apkalpošanas centrus (bet ne obligāti rindā). Mezglos transakcijas var aizkavēt, apkalpot, ģenerēt jaunu darījumu saimes un iznīcināt citus darījumus. Katrā mezglā tiek izveidots neatkarīgs process. Skaitļošanas procesi darbojas paralēli un koordinē viens otru. Tie tiek veikti vienā modeļa laikā, vienā telpā, un tiek ņemta vērā laika, telpiskā un finanšu dinamika.

Pārvaldīts darījumu ģenerators (vai reizinātājs) - simulācijas modeļa mezgla veids. Ir izveidots nosaukums. Ļauj izveidot jaunas darījumu grupas.

Kontrolēts process (nepārtraukts vai telpisks) - simulācijas modeļa mezgla veids. Tam ir nosaukums rgos. Šis mezgls darbojas trīs savstarpēji izslēdzošos režīmos:

kontrolēta nepārtraukta procesa modelēšana (piemēram,

reaktorā);

pieeja operatīvās informācijas resursiem;

telpiskās kustības (piemēram, helikopters).

Pārvaldīts darījumu terminators - simulācijas mezgla veids

modeļiem. To sauc par dzēšanu. Tas iznīcina (vai absorbē) noteiktu skaitu darījumu, kas pieder konkrētai ģimenei. Šādas darbības prasība ir ietverta iznīcināšanas darījumā, kas saņemts dzēšanas mezgla ievadē. Tas gaida, kad mezglā nonāks norādītās ģimenes darījumi, un tos iznīcina. Pēc absorbcijas destruktīvais darījums atstāj mezglu.

Finanšu dinamika- procesa attīstības dinamikas veids, kas ļauj novērot saimnieciskās vienības resursu, līdzekļu un galveno darbības rezultātu izmaiņas laika gaitā, un parametrus mēra naudas vienībās. Tas tiek pētīts ekonomisko procesu simulācijas modeļos.

Eksponenciālais likums ir gadījuma lielumu sadalījuma likums, kam ir skaidri asimetrisks izskats (sairstošs eksponenciāls). Ekonomisko procesu simulācijas modeļos to izmanto, lai modelētu pasūtījumu (pieteikumu) saņemšanas intervālus, kas ienāk uzņēmumā no daudziem tirgus klientiem. Uzticamības teorijā to izmanto, lai modelētu laika intervālu starp diviem secīgiem defektiem. Komunikācijā un datorzinātnē - informācijas plūsmu modelēšanai (Puasona plūsmas).

LITERATŪRA

1. Anfilatovs V. S., Emeļjanovs A. A., Kukuškins A. A. Sistēmas analīze vadībā / Red. A.A. Emeļjanova. - M.: Finanses un statistika, 2001. - 368 lpp.

2. Berlyant A. M. Kartogrāfija. - M.; Aspect Press, 2001. - 336 lpp.

3. Buslenko N. P. Sarežģītu sistēmu modelēšana. - M.: Nauka, 1978.-399 lpp.

4. Varfolomejevs V.I. Ekonomisko sistēmu elementu algoritmiskā modelēšana. - M.: Finanses un statistika, 2000. - 208 lpp.

5. Gadžinskis A. M. Seminārs par loģistiku. - M.: Mārketings, 2001.-180 lpp.

b Dijkstra E. Secīgo procesu mijiedarbība // Programmēšanas valoda / Red. F. Genuis. - M.: Mir, 1972. -

9.-86.lpp.

7. Dubrovs A. M., Šitarjans V. S., Trošins L. I.Daudzfaktoru statistikas metodes. - M.: Finanses un statistika, 2000. - 352 lpp.

^ Emelyanov A. A. Simulācijas modelēšana riska pārvaldībā. - Sanktpēterburga: Inžekons, 2000. - 376 lpp.

9. Emeļjanovs A. A., Vlasova E. A. Simulācijas modelēšana ekonomikas informācijas sistēmās. - M.: Apgāds MESI, 1998.-108 lpp.

10. Emeļjanovs A.A., Moškina N.L., Sņikovs V.P.Automātiska darbības grafiku sastādīšana īpaši augsta piesārņojuma apgabalu apsekošanai // Augsnes piesārņojums un blakus esošā vide. W.T. 7. - Sanktpēterburga: Gidrometeoizdat, 1991. - P. 46-57.

11. Kalyanoe G. N. CASE strukturālā sistēmas analīze(automatizācija un lietojumprogramma). - M.: Lori, 1996. - 241 lpp.

12. KleinrockL. Sakaru tīkli. Stohastiskās plūsmas un ziņojumu kavēšanās. - M.: Nauka, 1970. - 255 lpp.

13. Štuglinskis D, Vingo S, Shepherd J.Microsoft vizuālā programmēšana S-n- 6.0 profesionāļiem. - Sanktpēterburga: Pēteris, krievu izdevums, 2001. - 864 lpp.

14. Kuzins L.T., Plužņikovs L.K., Belovs B.N.Matemātiskās metodes ekonomikā un ražošanas organizācijā. - M.: Izdevniecība MEPhI, 1968.-220 lpp.

15. Nalimovs V. D., Černova I. A. Statistiskās metodes ekstrēmu eksperimentu plānošanai. - M.: Nauka, 1965. - 366 lpp.

16. Naylor T. Mašīnu simulācijas eksperimenti ar ekonomisko sistēmu modeļiem. - M.: Mir, 1975. - 392 lpp.

17. Oikhmans E.G., Popovs E.V. Biznesa reinženierija. - M.: Finanses un statistika, 1997. - 336 lpp.

18. Pritzker A. Ievads simulācijas modelēšanā un SLAM-P valodā. - M.: Mir, 1987. - 544 lpp.

19. Saati T. Rindas teorijas elementi un tās pielietojumi. - M.: Sov. radio, 1970. - 377 lpp.

20. Čeremnihs S.V., Semenovs I.O., Ručkins V.S.Strukturālā analīze sistēmas: GOER-technology.- M.: Finanses un statistika, 2001. - 208 lpp.

21. Čičerins I. N. Zemes gabala nomas tiesību izmaksas un mijiedarbība ar investoriem // Ekonomiskās informācijas sistēmas XXI slieksnis gadsimtā. - M.: Izdevniecība MESI, 1999. - P. 229232.

22. Shannon R. E. Sistēmu simulācijas modelēšana: zinātne un māksla. - M: Mir, 1978. - 420 lpp.

23. Schreiber T. J. Modeling on GPSS. - M.: Mašīnbūve, 1979. - 592 lpp.

PRIEKŠVĀRDS
IEVADS

1. nodaļa SIMULĀCIJAS TEORĒTISKIE PAMATI

1.3. Nejaušo lielumu sadalījuma likumu izmantošana, simulējot ekonomisko

	procesiem
1.4. Netradicionālie tīkla modeļi un pagaidu
	aktivitātes intervālu diagrammas
Pašpārbaudes jautājumi
KONCEPCIJA UN IESPĒJAS
UZ OBJEKTU ORIENTĒTS
MODELĒŠANAS SISTĒMA
	Modeļa galvenie objekti
2.2. Darba modelēšana ar materiālajiem resursiem
	11informācijas resursu imitācija
	Naudas resursi
	Telpiskās dinamikas simulācija...
2.6. Modeļa laika pārvaldība
Pašpārbaudes jautājumi

Lai gan klasiskās optimizācijas metodes un matemātiskās programmēšanas metodes ir spēcīgi analītiski rīki, reālās pasaules problēmu skaits, kuras var formulēt tā, lai tas nebūtu pretrunā ar pieņēmumiem, kas ir šo metožu pamatā, ir salīdzinoši neliels. Šajā sakarā analītiskie modeļi un, pirmkārt, matemātiskās programmēšanas modeļi vēl nav kļuvuši par praktisku vadības darbību instrumentu.

Datortehnoloģiju attīstība ir radījusi jaunu virzienu sarežģītu procesu izpētē - simulācijas modelēšanu. Simulācijas metodes, kas ir īpaša matemātisko modeļu klase, būtiski atšķiras no analītiskajām ar to, ka datoriem ir liela nozīme to ieviešanā. Trešās un vēl jo vairāk ceturtās paaudzes datoriem ir ne tikai kolosāls ātrums un atmiņa, bet arī izstrādātas ārējās ierīces un uzlabota programmatūra. Tas viss ļauj efektīvi organizēt dialogu starp cilvēku un mašīnu simulācijas sistēmas ietvaros.

Simulācijas modelēšanas metodes ideja ir tāda, ka tā vietā, lai analītiski aprakstītu attiecības starp ieejām, stāvokļiem un izvadiem, tiek izveidots algoritms, kas parāda procesu attīstības secību pētāmajā objektā un pēc tam pētāmā objekta uzvedību. objekts tiek “izspēlēts” datorā. Jāatzīmē, ka, tā kā simulācijai bieži ir nepieciešami jaudīgi datori un lieli statistikas datu paraugi, ar simulāciju saistītās izmaksas gandrīz vienmēr ir augstas, salīdzinot ar izmaksām, kas nepieciešamas problēmas risināšanai, izmantojot nelielu analītisko modeli. Tāpēc visos gadījumos simulācijai nepieciešamās izmaksas un laiks jāsalīdzina ar gaidāmās informācijas vērtību.

Simulācijas sistēma - skaitļošanas procedūra, kas formāli apraksta pētāmo objektu un imitē tā uzvedību. Sastādot to, fenomena apraksts nav jāvienkāršo, dažkārt atmetot pat būtiskas detaļas, lai to iespiestu noteiktu zināmu matemātisko analīzes metožu pielietošanai ērtā modeļa ietvaros. Simulācijas modelēšanai ir raksturīga elementāru parādību, kas veido pētāmo procesu, imitācija, saglabājot to loģisko struktūru, notikumu secību laikā, informācijas raksturu un sastāvu par procesa stāvokļiem. Modelis pēc formas ir loģiski matemātisks (algoritmisks).

Simulācijas modeļus kā matemātisko modeļu apakšklasi var iedalīt: statiskajos un dinamiskajos; deterministisks un stohastisks; diskrēts un nepārtraukts.

Uzdevumu klase izvirza noteiktas prasības simulācijas modelim. Tā, piemēram, statiskā simulācijā aprēķins tiek atkārtots vairākas reizes dažādos eksperimentālos apstākļos - uzvedības pētījums “noteiktā īsā laika periodā”. Dinamiskā simulācija simulē sistēmas uzvedību “ilgākā laika periodā”, nemainot apstākļus. Stohastiskajā simulācijā modelī ir iekļauti nejaušie mainīgie ar zināmiem sadalījuma likumiem; ar deterministisko simulāciju šo traucējumu nav, t.i. to ietekme netiek ņemta vērā.

Simulācijas modeļa konstruēšanas un tā izpētes procedūra kopumā atbilst analītisko modeļu konstruēšanas un izpētes shēmai. Taču simulācijas modelēšanas specifika atsevišķu posmu īstenošanā rada vairākas specifiskas pazīmes. Literatūrā ir sniegts šāds simulācijas galveno posmu saraksts:

Sistēmas definīcija – pētāmās sistēmas robežu, ierobežojumu un veiktspējas mēru noteikšana.

Modeļa formulēšana ir pāreja no reālas sistēmas uz kādu loģisku shēmu (abstrakciju).

Datu sagatavošana ir datu atlase, kas nepieciešama, lai izveidotu modeli un parādītu to atbilstošā formā.

Modeļa tulkojums ir modeļa apraksts valodā, kas tiek izmantota izmantotajam datoram.

Atbilstības novērtējums ir tādas ticamības pakāpes palielināšana līdz pieņemamam līmenim, ar kuru var spriest par secinājumu pareizību par reālu sistēmu, kas iegūta, pamatojoties uz piekļuvi modelim.

Stratēģiskā plānošana ir tāda eksperimenta plānošana, kam būtu jāsniedz nepieciešamā informācija.

Taktiskā plānošana - nosaka, kā veikt katru eksperimentālajā plānā paredzēto testu sēriju.

Eksperimentēšana ir simulāciju veikšanas process, lai iegūtu vēlamos datus un veiktu jutīguma analīzi.

Interpretācija - secinājumu izdarīšana no datiem, kas iegūti ar simulācijas palīdzību.

Īstenošana – modeļa un (vai) modelēšanas rezultātu praktiska izmantošana.

Dokumentācija – projekta gaitas un tā rezultātu fiksēšana, kā arī modeļa izveides un izmantošanas procesa dokumentēšana

Dokumentācija ir cieši saistīta ar ieviešanu. Rūpīga un pilnīga modeļa izstrādes un eksperimentēšanas procesu dokumentēšana var ievērojami palielināt tā kalpošanas laiku un veiksmīgas ieviešanas iespējamību, atvieglo modeļa modifikāciju un nodrošina to, ka to var izmantot arī tad, ja modeļa izstrādē iesaistītās nodaļas vairs nepastāv, un var palīdzēt modeļa izstrādātājam mācīties no savām kļūdām.

Kā redzams no iepriekš minētā saraksta, modeļa eksperimentu plānošanas posmi ir īpaši izcelti. Un tas nav pārsteidzoši. Galu galā datorsimulācija ir eksperiments. Algoritmisko modeļu (un visi simulācijas modeļi pieder šai klasei) analīze un optimālo risinājumu meklēšana tiek veikta ar vienu vai otru eksperimentālās optimizācijas metodi datorā. Vienīgā atšķirība starp simulācijas eksperimentu un eksperimentu ar reālu objektu ir tā, ka simulācijas eksperiments tiek veikts ar reālas sistēmas modeli, nevis ar pašu sistēmu.

Modelēšanas algoritma jēdziens un formalizēts

procesu diagrammas

Lai modelētu procesu datorā, nepieciešams tā matemātisko modeli pārveidot speciālā modelēšanas algoritmā, pēc kura dators ģenerēs informāciju, kas apraksta pētāmā procesa elementārās parādības, ņemot vērā to sakarības un savstarpējās ietekmes. Noteikta cirkulējošās informācijas daļa tiek izdrukāta un izmantota, lai noteiktu tos procesa raksturlielumus, kas jāiegūst modelēšanas rezultātā (4.1. att.).

Modelēšanas algoritma centrālā saite ir pats simulācijas modelis – ģenerētā procesa diagramma. Formalizēta shēma ir formāls kompleksa objekta funkcionēšanas procedūras apraksts pētāmajā darbībā un pieļauj jebkuras norādītas modeļa ievades faktoru vērtības (mainīgie - , deterministiskie - , nejauši - ) aprēķina atbilstošās izejas raksturlielumu skaitliskās vērtības
.

Pārējie modeļi (4.1. att.) atspoguļo simulācijas procesa ārējo matemātisko atbalstu.

Ievades modeļi nodrošina noteiktu ievades faktoru vērtību specifikāciju. Deterministisko ievadu statiskie modeļi ir elementāri: tie ir konstantu vērtību masīvi, kas atbilst noteiktiem modeļa faktoriem. Dinamiskie ievades modeļi nodrošina deterministisko faktoru vērtību izmaiņas laika gaitā saskaņā ar zināmu likumu
.

Nejaušas ievades modeļi (citādi saukti par nejaušo skaitļu sensoriem) simulē nejaušu ietekmju iekļūšanu pētāmā objekta ievadē ar noteiktiem (zināmiem) sadalījuma likumiem.
. Nejaušības ievades dinamiskajos modeļos ņemts vērā, ka nejaušo lielumu sadalījuma likumi ir laika funkcijas, t.i. katram laika periodam sadalījuma likuma forma vai raksturlielums (piemēram, matemātiskā gaida, dispersija utt.) būs atšķirīgs.

Rīsi. 4.1. Modelēšanas algoritma struktūra optimizācijas modelim ar nejaušiem faktoriem

Sakarā ar to, ka rezultāts, kas iegūts, reproducējot vienu implementāciju nejaušu faktoru klātbūtnes dēļ, nevar raksturot pētāmo procesu kopumā, ir nepieciešams analizēt lielu skaitu šādu implementāciju, jo tikai tad saskaņā ar likumu No lieliem skaitļiem iegūtie aprēķini iegūst statistisku stabilitāti un var tikt pieņemti ar noteiktu precizitāti kā vēlamo daudzumu aprēķini. Izvades modelis nodrošina iegūto nejaušo rezultātu kopas uzkrāšanu, uzkrāšanu, apstrādi un analīzi. Lai to izdarītu, to izmanto, lai organizētu vairākus izejas raksturlielumu vērtību aprēķinus pie nemainīgām faktoru vērtībām
un dažādas nejaušības faktoru vērtības (saskaņā ar dotajiem sadales likumiem) – “cikls atbilstoši y" Šajā sakarā izvades modelī ir iekļautas programmas taktisko eksperimentu plānošanai datorā - nosakot katras darbības sērijas veikšanas metodi atbilstoši noteiktām vērtībām. Un . Turklāt modelis atrisina izejas raksturlielumu nejaušo vērtību apstrādes problēmu, kā rezultātā tās tiek “attīrītas” no nejaušu faktoru ietekmes un tiek ievadītas modeļa ievadē. atsauksmes, t.i. Izvades modelis realizē stohastiskās problēmas samazināšanu līdz deterministiskai, izmantojot metodi “vidēja noteikšana virs rezultāta”.

Atgriezeniskās saites modelis ļauj, pamatojoties uz iegūto modelēšanas rezultātu analīzi, mainīt kontroles mainīgo lielumus, realizējot simulācijas eksperimenta stratēģiskās plānošanas funkciju. Izmantojot optimālās eksperimentālās plānošanas teorijas metodes, viena no atgriezeniskās saites modeļa funkcijām ir simulācijas rezultātu prezentēšana analītiskā formā - nosakot atbildes funkcijas (jeb raksturīgās virsmas) līmeņus. Optimizācijas laikā izvades modelis aprēķina, pamatojoties uz izvades raksturlielumu vērtībām??? mērķa funkcijas vērtība
un, izmantojot vienu vai otru skaitliskās optimizācijas metodi, maina kontroles mainīgo vērtības, lai atlasītu vērtības, kas ir labākās no mērķa funkcijas viedokļa.

Formalizētas procesa diagrammas izstrādes procedūra

Formalizētas shēmas izstrādes procedūra sastāv no objekta strukturēšanas moduļos; izvēloties matemātisko shēmu katra moduļa darbības formalizētam aprakstam; ieejas un izejas informācijas ģenerēšana katram modulim; modeļa vadības blokshēmas izstrāde atsevišķu moduļu mijiedarbības attēlošanai tajā.

Strukturējot objektu, sarežģīts objekts tiek sadalīts relatīvi autonomās daļās - moduļos - un savienojumi starp tiem tiek fiksēti. Objektu modelēšanas laikā vēlams strukturēt tā, lai sarežģītas problēmas risinājums tiktu sadalīts vairākos vienkāršākos, pamatojoties uz atsevišķu moduļu matemātiskā apraksta iespējām un modeļa praktisko realizāciju uz esošās datortehnoloģijas. noteiktā laikā. Elementu (objekta apakšsistēmu) atlase no pētāmā objekta un to apvienošana relatīvi autonomā blokā (modulī) tiek veikta, pamatojoties uz objekta funkcionālajiem un informatīvi procesuālajiem modeļiem tikai tad, kad ir konstatēts, ka Pamatā ir iespējams izveidot matemātiskas attiecības starp šo elementu parametriem un objekta starpposma vai izejas raksturlielumiem. Šajā sakarā ne funkcijas, ne atsevišķu reālo elementu ievades un izvades noteikti nenosaka moduļa robežas, lai gan kopumā tie ir vissvarīgākie faktori. Rezultātā iegūto objekta strukturēšanas shēmu var pielāgot no pieredzes vai informācijas pārsūtīšanas ērtuma viedokļa datorā realizētā algoritmā.

Tālāk katram modulim, kas atbilst objektā notiekošajam elementāram procesam, tiek veikta aptuvenā matemātiskā apraksta metodes atlase, uz kuras pamata tiks uzbūvēts attiecīgais darbības modelis. Matemātiskā apraksta metodes izvēles pamatā ir zināšanas par aprakstāmā elementa funkcionēšanas fizisko būtību un datora, uz kura tiek plānota simulācija, īpašībām. Izstrādājot oriģinālās atkarības, liela nozīme ir izstrādātāja praktiskajai pieredzei, intuīcijai un atjautībai.

Katram izvēlētajam modulim tiek noteikts gan pieejamās, gan piedāvātās informācijas matemātiskā aprakstīšanas metodes īstenošanai nepieciešamās informācijas saraksts, tās avoti un saņēmēji.

Moduļi ir apvienoti vienotā modelī, pamatojoties uz uzdevuma saturiskajā aprakstā sniegtajiem darbības modeļiem un informatīvi-procedūras modeļiem. Praksē šis jautājums tiek atrisināts, izveidojot modeļa vadības blokshēmu, kas dod sakārtotu darbību secību, kas saistīta ar problēmas risināšanu. Tajā atsevišķi moduļi ir apzīmēti ar taisnstūriem, kuru iekšpusē ir ierakstīti tajā atrisināto problēmu nosaukumi. Šajā līmenī blokshēma parāda “kas jādara”, bet bez jebkādām detaļām, t.i. nenorāda "kā izpildīt". Atsevišķu elementāru problēmu risināšanas secība un savstarpējā atkarība ir norādīta ar virzītām bultiņām, iekļaujot loģiskos nosacījumus, kas nosaka vadības pārsūtīšanas procedūru. Šāda blokshēma ļauj aptvert visu procesu tā dinamikā un atsevišķu parādību kopsakarībā, kas ir darba plāns, pa kuru tiek virzīti izpildītāju komandas centieni konstruēt modeli kopumā.

Vadības blokshēmas konstruēšanas procesā atsevišķu moduļu ieejas un izejas tiek saskaņotas savā starpā, to informācijas sasaiste tiek veikta, izmantojot iepriekš iegūto mērķu-parametru koku. Vadības blokshēmas projektēšanas praktiskā metode tieši izriet no mērķa, kādam tā ir izstrādāta, t.i. pietiekami pilnībā un skaidri iedomāties reālas sarežģītas sistēmas darbību visās tās veidojošo parādību mijiedarbības dažādībās. Vadības blokshēmu vēlams ierakstīt operatora formā.

Pēc vadības blokshēmas izveidošanas tiek detalizēti aprakstīts atsevišķu moduļu saturs. Detalizētajā blokshēmā ir precizējumi, kas nav ietverti vispārinātajā blokshēmā. Tas jau parāda ne tikai to, kas jādara, bet arī kā tas jādara, sniedz detalizētus un nepārprotamus norādījumus, kā tā vai cita procedūra jāveic, kā jāveic kāds process vai jāīsteno dotā funkcija.

Veidojot formalizētu diagrammu, jāņem vērā sekojošais. Jebkurā darbības modelī var būt sekojošiem procesiem: pārvaldīšanai, kustībai, “ražošanai” nepieciešamās informācijas iegūšana, t.i. galvenais simulētais process un atbalsts (materiāli tehniskais, enerģētika, remonts, transports utt.).

Ņemot vērā visu šo komplektu, ir ārkārtīgi grūts jautājums. Tāpēc, konstruējot objekta modeli, tā ir “ražošana”, t.i. diezgan pilnībā ir aprakstīts mērķis, kādam izvirzīts pētījuma uzdevums. Lai ņemtu vērā blakusprocesu ietekmi, galvenais procesa modelis tiek papildināts ar ievades modeļiem, kas simulē kustības, atbalsta u.c. procesu un dažādu nejaušības faktoru ietekmi uz pētāmo procesu. Šo diezgan vienkāršo modeļu rezultāti ir vides raksturlielumu vērtības, kas ir “ražošanas” modeļa ievade.

Tādējādi iegūtā formalizētā diagramma satur procesa vadības blokshēmu, katra moduļa aprakstu (risināmās elementārās problēmas nosaukums, apraksta matemātiskā metode, ievades un izvades informācijas sastāvs, skaitliskie dati), aprakstu. noteikumos par vadības pārnešanu no viena moduļa uz otru un nepieciešamo daudzumu un pētīto atkarību galīgo sarakstu. Formalizētā procesa diagramma kalpo par pamatu turpmākai simulācijas modeļa formalizēšanai un datorizētas aprēķinu programmas sastādīšanai, kas ļauj aprēķināt objekta izejas raksturlielumu vērtības jebkurām noteiktām kontrolējamo parametru vērtībām, sākotnējie apstākļi un vides īpašības.

Simulācijas modeļu konstruēšanas principi

algoritmi

Simulācijas modelis parasti ir dinamisks modelis, kas atspoguļo elementāro procesu secību un atsevišķu elementu mijiedarbību gar “modeļa” laika asi t M .

Objekta funkcionēšanas process noteiktā laika periodā T var attēlot kā nejaušu diskrētu laika momentu secību . Katrā no šiem momentiem notiek izmaiņas objekta elementu stāvokļos, un intervālā starp tiem stāvokļa izmaiņas nenotiek.

Veidojot formalizētu procesa diagrammu, ir jāizpilda šāds atkārtošanās noteikums: notikums, kas notiek noteiktā brīdī , var simulēt tikai pēc tam, kad ir simulēti visi notikumi, kas notikuši konkrētajā brīdī . Pretējā gadījumā simulācijas rezultāts var būt nepareizs.

Šo noteikumu var īstenot dažādos veidos.

1. Uz laiku balstīta modelēšana ar deterministisku soli (“princips
") uz laiku balstītā modelēšanā ar deterministisku soli algoritms vienlaikus apskata visus sistēmas elementus pietiekami mazos laika intervālos (simulācijas solis) un analizē visas iespējamās mijiedarbības starp elementiem. Lai to izdarītu, tiek noteikts minimālais laika intervāls, kura laikā nevar mainīties neviena sistēmas elementa stāvoklis; detalizēta vērtība
tiek pieņemts kā modelēšanas solis.

Modelēšanas metode ar deterministisku soli sastāv no vairākkārt atkārtotu darbību kopas:

"Princips
"ir universālākais modelēšanas algoritmu konstruēšanas princips, kas aptver ļoti plašu reālu sarežģītu objektu un to diskrēta un nepārtraukta rakstura elementu klasi. Tajā pašā laikā šis princips ir ļoti neekonomisks no datora laika patēriņa viedokļa - ilgstoši neviens no sistēmas elementiem nevar mainīt savu stāvokli un modeļa palaišana būs veltīga.

2. Mūsdienīga modelēšana ar nejaušu soli (simulācija, kuras pamatā ir “īpašie” stāvokļi). Aplūkojot vissarežģītākās sistēmas, var atrast divu veidu sistēmas stāvokļus: 1) parastos (nespeciālos) stāvokļus, kuros sistēma atrodas lielāko daļu laika, un 2) īpašus stāvokļus, kas raksturīgi sistēmai noteiktos laika momentos, kas sakrīt. ar vides ietekmju sistēmā ievadīšanas momentiem, viena no sistēmas pazīmēm iziešanu uz eksistences jomas robežu utt. Piemēram, mašīna strādā - normāls stāvoklis, mašīna ir salūzusi - īpašs stāvoklis. Jebkuras pēkšņas objekta stāvokļa izmaiņas modelēšanas laikā var uzskatīt par pāreju uz jaunu “īpašu” stāvokli.

Laika modelēšana ar nejaušu soli (no notikuma uz notikumu) ir tāda, ka modelēšanas algoritms pārbauda sistēmas elementu modeļus tikai tādos laika momentos, kad mainās pētāmās sistēmas stāvoklis. Tajos brīžos, kad jebkura sistēmas elementa modelim ir jāmaina stāvoklis, tiek pārbaudīts šī konkrētā elementa modelis un, ņemot vērā elementu savstarpējās attiecības, tiek koriģēts visas sistēmas modeļa stāvoklis. Soļa ilgums
- nejaušības vērtība. Šī metode atšķiras no "principa
» ar to, ka tā ietver procedūru tuvākajam īpašajam stāvoklim atbilstošā laika momenta noteikšanai, pamatojoties uz zināmajām iepriekšējo stāvokļu īpašībām.

3. Uzklāšanas metode. Modelējot secīgo pieprasījumu apstrādi, dažkārt ir ērti veidot modelēšanas algoritmus pieprasījuma pēc pieprasījuma veidā, kurā tiek izsekota katra pieprasījuma (detaļas, informācijas nesēja) pāreja no tā ienākšanas sistēmā līdz izejai no sistēma. Pēc tam algoritms nodrošina pāreju uz nākamā pieteikuma izskatīšanu. Šāda veida modelēšanas algoritmi ir ļoti ekonomiski un neprasa īpašus pasākumus, lai ņemtu vērā īpašos sistēmas stāvokļus. Tomēr šo metodi var izmantot tikai vienkāršos modeļos secīgu lietojumu gadījumos, kas nav viens otram priekšā, jo pretējā gadījumā kļūst ļoti grūti ņemt vērā sistēmā ienākošo pieprasījumu mijiedarbību.

Modelēšanas algoritmus var veidot uz vairākiem principiem vienlaikus. Piemēram, vispārējā struktūra Modelēšanas algoritms ir balstīts uz īpašo stāvokļu principu, un starp īpašiem stāvokļiem visiem lietojumiem tiek realizēta katras lietojumprogrammas metode.

Modelēšanas algoritma struktūrai, kā liecina prakse, ir specifika, kas saistīta ar šaurām specifisku sistēmu un problēmu klasēm, kurām modelis ir paredzēts.