назад Оглавление вперед


[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [ 12 ] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110]


12

1.4. Этапы построения имитационных моделей

Процедура построения имитационных моделей заключается в выполнении этапов работ в следующей последовательности.

1.Содержательное описание объекта моделирования в виде системы, постановка задачи и формирование целей.

2.Формализация задачи, построение структуры модели, определение целевых функций и критериев достижения целей.

3.Выбор методов моделирования для конкретных элементов моделируемой системы.

4.Построение модели, разработка моделирующего алгоритма и апробация на контрольном примере, необходимая корректировка модели.

5.Моделирование системы, включая планирование имитационных реализаций, имитирование входных и управляющих сигналов, помех, пробных и несанкционированных воздействий на те или иные атрибуты системы, вычисление различных статистических характеристик.

6.Анализ результатов моделирования, выбор наиболее эффективной структуры и стратегии поведения моделируемой системы с учетом наиболее вероятных входных или возмущающих воздействий.

7.Подготовка отчета об имитационном моделировании в терминах данного объекта или процесса и планирование внедрения результатов моделирования в практику.

В зависимости от набора правил самоорганизации различают адаптивные, гомеостатические и экстремальные системы.

Адаптивные системы улучшают поведение в зависимости от значений состояния за определенный период времени, т.е. в начале, середине или конце интервала, в течение которого измеряется состояние системы. Примерами адаптивных моделей можно назвать статистические модели Брауна и Хольта, которые, не являясь имитационными моделями, могут применяться в последних при оценке тех или иных параметров или способов формирования правил А,Д2,...,А,. Примеры указанных моделей приведены в п. 2.1.5.

Гомеостатические системы характерны тем, что поддерживают свое состояние в заданных границах.

Экстремальные системы поддерживают свое состояние в каком-то экстремальном значении, т.е. в минимуме или максимуме.



При выполнении всех вышеназванных этапов построения имитационных моделей целесообразно использовать системный подход.

Суть его при моделировании объекта заключается в проведении определенной последовательности операций. Для реализации системного подхода необходимы следующие действия:

-изучить и выделить все главные и второстепенные черты и свойства объекта;

-расположить их в определенной последовательности друг за другом;

-указать их взаимосвязи, характеристики взаимосвязей;

-четко поставить (построив «дерево» целей) цель исследования или моделирования объекта;

-определить критерии (показатели) достижения цели;

-выбрать основные черты и свойства, которые следует учитывать при исследовании или моделировании в соответствии с поставленной целью;

-разработать методы и средства достижения цели;

-определить необходимые для этого ресурсы;

-построить план достижения целей исследования или моделирования объекта;

-осуществить исследование или моделирование.

Системный подход позволяет анализировать различные варианты и способы моделирования, исследовать применимость того или иного математического аппарата. Применение системного подхода дает больше шансов на построение эффективной экономико-математической модели.

Часто имитационное моделирование сопоставляют с имитационной системой, состоящей из совокупности:

-имитационных моделей, отображающих определенные черты, свойства или части «большой системы» и позволяющих отвечать на вопрос: что будет при данных условиях и принятом решении? (прямая задача моделирования);

-экспертов и экспертных процедур, необходимых для анализа и оценки различных решений, отбрасывания заведомо слабых решений, построения сценариев развития событий, выработки целей и критериев;

-языков ЭВМ, на основе которых осуществляется двусторонний контакт экспертов с ЭВМ. Эксперт задает исходные данные, меняет структуру моделей, задает вопросы ЭВМ при помощи специальных языков моделирования.

Таким образом, имитационная система состоит из трех вышеназванных элементов.



Имитационные модели [5, 19, 36, 43] представляют собой сложные программы для компьютера, описывающие поведение компонентов системы и взаимодействие между ними. Обсчет этой программы при различных исходных данных позволяет имитировать динамические процессы, происходящие в реальной системе. В результате исследования модели, являющейся аналогом реального объекта, получают количественные характеристики, отображающие его поведение при заданных условиях (исходных данных).

Изменяя исходные данные моделирования, можно получить достоверную информацию о поведении объекта в той или иной ситуации. Эти данные впоследствии могут быть использованы для разработки теории поведения объекта.

Реализация имитационных моделей обычно начинается с построения скелетной модели, т.е. модели, отображающей только те характеристики объекта, без которых функционирование модели невозможно. Все синтетические (неосновные) характеристики и показатели, включая способы формирования управляющих сигналов, и несанкционированные воздействия моделируются отдельными блоками и включаются в имитационную модель по мере необходимости провести то или иное исследование.

Эксперты и экспертные процедуры представляют собой определенные коллективы людей, работающих по сформулированным правилам. Существует большое число методик экспертного анализа, включающих способы формирования экспертных групп, методики или правила их деятельности, например экспертные системы Делфи, Паттерн и т.п.

Языки ЭВМ при имитационном моделировании могут применяться как универсальные, так и специализированные, например, типа Mathcad, УАИМ, а также предложенный в гл. 6.

Завершая исследование базовых проблем и основ имитационного моделирования, укажем, что в последующих главах мы уделим основное внимание углубленному изучению наиболее сложных проблем имитационного моделирования, мало освещенных в литературе. Наиболее важные из них - методы формирования реальных входных сигналов, выбор эффективных схем имитационного моделирования реальных систем, создание единого языка (не математического) имитационного моделирования и реальные примеры имитационных моделей сложных экономических систем.

[Старт] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [ 12 ] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110]