Симулационно моделиране в икономиката. Области на приложение на методите за симулационно моделиране

Изпратете добрата си работа в базата знания е лесно. Използвайте формата по-долу

Студенти, докторанти, млади учени, които използват базата от знания в обучението и работата си, ще ви бъдат много благодарни.

публикувано на http://www.allbest.ru/

курсов проект

Предмет: „Моделиране на производство и икономически процеси»

По темата: "Симулация на икономически процеси"

Въведение

1.1 Концепцията за моделиране

1.2 Концепцията за модел

IV. Практическа част

4.1 Постановка на проблема

4.2 Решаване на проблеми

Заключение

Приложение

Въведение

Симулационното моделиране, линейното програмиране и регресионният анализ по отношение на обхвата и честотата на използване отдавна заемат първите три места сред всички методи за изследване на операциите в икономиката. При симулационното моделиране алгоритъмът, който реализира модела, възпроизвежда процеса на функциониране на системата във времето и пространството, като елементарните явления, които изграждат процеса, се симулират, като се запазва неговата логическа времева структура.

Понастоящем моделирането се е превърнало в доста ефективно средство за решаване на сложни проблеми на автоматизирането на изследванията, експериментите и дизайна. Но овладяването на моделирането като работен инструмент, неговите широки възможности и по-нататъшното развитие на методологията за моделиране е възможно само при пълно овладяване на техниките и технологиите за практическо решаване на проблемите на моделирането на процесите на функциониране на системи на компютър. Тази цел се преследва от този семинар, който се фокусира върху методите, принципите и основните етапи на моделиране в рамките на обща методология за моделиране, както и обсъжда моделирането на специфични варианти на системи и внушава умения за използване на технологията за моделиране в практиката внедряване на модели за функциониране на системите. Разглеждат се системни проблеми опашка, върху които се базират симулационни модели на икономически, информационни, технологични, технически и други системи. Методи за вероятностно моделиране на дискретни и случайни непрекъснати количества, които позволяват да се вземат предвид случайни ефекти върху системата при моделиране на икономически системи.

Изискванията на съвременното общество към специалист в областта на икономиката непрекъснато нарастват. В момента успешната дейност в почти всички сфери на икономиката е невъзможна без моделиране на поведението и динамиката на развитието на процесите, изучаване на характеристиките на развитието на икономическите обекти и отчитане на тяхното функциониране в различни условия. Софтуерът и хардуерът трябва да бъдат първите помощници тук. Вместо да се учите от собствените си грешки или от грешките на други хора, препоръчително е да консолидирате и проверявате знанията за реалността чрез резултатите, получени на компютърни модели.

Симулационното моделиране е най-показателно, то се използва в практиката за компютърно моделиране на варианти за разрешаване на ситуации с цел получаване на най-ефективните решения на проблемите. Симулационното моделиране ви позволява да изучавате анализираната или проектирана система според схемата на оперативното изследване, която съдържа взаимосвързани стъпки:

разработване на концептуален модел;

разработка и внедряване на софтуер симулационен модел;

Проверка на коректността и надеждността на модела и оценка на точността на резултатите от симулацията;

планиране и провеждане на експерименти;

· взимам решения.

Това дава възможност да се използва симулационното моделиране като универсален подход за вземане на решения в условия на несигурност, като се вземат предвид фактори, които трудно се формализират в модели, както и да се прилагат основните принципи на системния подход за решаване на практически проблеми.

Широкото прилагане на този метод в практиката е възпрепятствано от необходимостта от създаване на софтуерни реализации на симулационни модели, които пресъздават динамиката на симулираната система в моделно време.

За разлика от традиционни методипрограмиране, разработването на симулационен модел изисква преструктуриране на принципите на мислене. Ненапразно принципите, залегнали в симулационното моделиране, дадоха тласък на развитието на обектното програмиране. Следователно усилията на разработчиците на симулационен софтуер са насочени към опростяване на софтуерните реализации на симулационни модели: за тези цели се създават специализирани езици и системи.

Софтуерните инструменти за симулация са се променили през няколко поколения в своето развитие, от езици за моделиране и инструменти за автоматизация на изграждане на модели до генератори на програми, интерактивни и интелигентни системи и системи за разпределено моделиране. Основната цел на всички тези инструменти е да намалят сложността на създаването на софтуерни реализации на симулационни модели и експериментирането с модели.

Един от първите езици за моделиране, който улеснява процеса на писане на симулационни програми, е езикът GPSS, създаден като краен продукт от Джефри Гордън в IBM през 1962 г. В момента има преводачи за операционни системи DOS - GPSS/PC, за OS/2 и DOS - GPSS/H и за Windows - GPSS World. Изучаването на този език и създаването на модели ви позволява да разберете принципите на разработване на симулационни програми и да научите как да работите със симулационни модели.

GPSS (General Purpose Simulation System - симулационна система с общо предназначение) е език за моделиране, който се използва за изграждане на базирани на събития дискретни симулационни модели и провеждане на експерименти с помощта на персонален компютър.

Системата GPSS е език и преводач. Като всеки език, той съдържа речник и граматика, с които могат да се разработват модели на определени видове системи.

I. Основни понятия на теорията за моделиране на икономически системи и процеси

1.1 Концепцията за моделиране

Моделирането се отнася до процеса на изграждане, изучаване и прилагане на модели. Тя е тясно свързана с такива категории като абстракция, аналогия, хипотеза и т.н. Процесът на моделиране задължително включва изграждането на абстракции и заключения по аналогия, както и изграждането на научни хипотези.

Основната характеристика на моделирането е, че то е метод за непряко познание с помощта на прокси обекти. Моделът действа като вид инструмент на познанието, който изследователят поставя между себе си и обекта и с помощта на който изучава обекта, който го интересува. Всяка социално-икономическа система е сложна система, в която си взаимодействат десетки и стотици икономически, технически и социални процеси, които постоянно се променят под въздействието на външни условия, включително научно-техническия прогрес. При такива условия управлението на социално-икономическите и производствени системи се превръща в много трудна задача, изискваща специални средства и методи. Моделирането е един от основните методи на познание, е форма на отразяване на реалността и се състои в изясняване или възпроизвеждане на определени свойства на реални обекти, обекти и явления с помощта на други обекти, процеси, явления или с помощта на абстрактно описание под формата на изображение, план, карта, набори от уравнения, алгоритми и програми.

В най-общ смисъл моделът се разбира като логическо (вербално) или математическо описание на компонентите и функциите, които отразяват основните свойства на моделирания обект или процес, обикновено разглеждани като системи или елементи на система от определена точка на гледка. Моделът се използва като условно изображение, предназначено да опрости изследването на обекта. По принцип не само математически (символични), но и материални моделиобаче материалните модели имат само демонстрационна стойност.

Съществуват две гледни точки относно същността на моделирането:

* това е изучаването на обекти на познание върху модели;

* това е изграждането и изучаването на модели на обекти и явления от реалния живот, както и на предполагаеми (конструирани) обекти.

Възможностите за моделиране, т.е. прехвърлянето на резултатите, получени по време на изграждането и изследването на модела към оригинала, се основават на факта, че моделът в определен смисъл показва (възпроизвежда, моделира, описва, имитира) някои характеристики на обекта на интерес за изследователя. Моделирането като форма на отразяване на реалността е широко разпространено и сравнително пълната класификация на възможните видове моделиране е изключително трудна, дори само поради неяснотата на понятието „модел“, което се използва широко не само в науката и технологиите, но и в изкуството и в ежедневието.

Думата "модел" идва от латинска дума"модул" означава "мярка", "проба". Първоначалното му значение се свързва с изкуството на строителството и то в почти всички европейски езициизползва се за обозначаване на изображение или прототип, или нещо подобно в някакво отношение на друго нещо.

Сред социално-икономическите системи е препоръчително да се отдели производствената система (PS), която, за разлика от системите от други класове, съдържа като най-важен елемент съзнателно действащ човек, който изпълнява функциите на управление (вземане на решения и техния контрол). В съответствие с това различни подразделения на предприятия, самите предприятия, изследователски и проектантски организации, асоциации, индустрии и в някои случаи националната икономика като цяло могат да се считат за PS.

Природата на приликата между моделирания обект и модела е различна:

* физически -- обект и модел имат еднакви или подобни физическа природа;

* структурна - има сходство между структурата на обекта и структурата на модела; * функционален - обектът и моделът изпълняват сходни функции при съответното въздействие;

* динамична - има съответствие между последователно променящите се състояния на обекта и модела;

* вероятностни - има съответствие между вероятностните процеси в обекта и модела;

* геометрични - има съответствие между пространствените характеристики на обекта и модела.

Моделирането е един от най-разпространените начини за изследване на процеси и явления. Моделирането се основава на принципа на аналогията и ви позволява да изучавате обект при определени условия и като вземете предвид неизбежната едностранна гледна точка. Един труден за изследване обект се изучава не директно, а чрез разглеждане на друг, подобен на него и по-достъпен - модел. По свойствата на модела обикновено е възможно да се съди за свойствата на обекта, който се изследва. Но не за всички свойства, а само за тези, които са сходни както в модела, така и в обекта, и в същото време са важни за изследване.

Такива свойства се наричат ​​основни. Има ли нужда от математическо моделиране на икономиката? За да се убедите в това, достатъчно е да отговорите на въпроса: възможно ли е да завършите технически проект без план за действие, т.е. чертежи? Същата ситуация се наблюдава и в икономиката. Изисква ли се да се докаже необходимостта от използване на икономически математически моделиза приемане управленски решенияв областта на икономиката?

При тези условия икономико-математическият модел се оказва основно средство за експериментално изследване на икономиката, тъй като има следните свойства:

* имитира реален икономически процес (или поведението на обект);

* има сравнително ниска цена;

* може да се използва повторно;

* отчита различни условия на функциониране на обекта.

Моделът може и трябва да отразява вътрешната структура на икономическия обект от дадени (определени) гледни точки, а ако е неизвестен, то само поведението му, използвайки принципа на "черната кутия".

По принцип всеки модел може да бъде формулиран по три начина:

* в резултат на непосредствено наблюдение и изследване на явленията от действителността (феноменологичен метод);

* изолиране от по-общ модел (дедуктивен метод);

* обобщения на по-конкретни модели ( индуктивен начин, т.е. доказателство по индукция).

Моделите, които са безкрайни в своето разнообразие, могат да бъдат класифицирани според различни критерии. На първо място, всички модели могат да бъдат разделени на физически и описателни. И с тези, и с други ние непрекъснато си имаме работа. По-специално, описателните модели включват модели, в които моделираният обект се описва с помощта на думи, рисунки, математически зависимости и т.н. Такива модели включват литература, изобразително изкуство и музика.

При управлението на икономическите процеси широко се използват икономико-математически модели. В литературата няма утвърдена дефиниция на икономико-математическия модел. Нека вземем за основа следното определение. Икономико-математическият модел е математическо описание на икономически процес или обект, извършено с цел тяхното изследване или управление: математически запис на решавания икономически проблем (затова термините задача и модел често се използват като синоними).

Моделите могат да бъдат класифицирани и по други критерии:

* Моделите, които описват моментното състояние на икономиката се наричат ​​статични. Моделите, които показват развитието на моделирания обект, се наричат ​​динамични.

* Модели, които могат да бъдат изградени не само под формата на формули ( аналитично представяне), но също и под формата на числени примери (числово представяне), под формата на таблици (матрично представяне), под формата на специален вид графики, мрежово представяне).

1.2 Концепцията за модел

Понастоящем е невъзможно да се назове област на човешката дейност, в която методите за моделиране не биха били използвани в една или друга степен. Междувременно няма общоприето определение на понятието модел. Според нас следващото определение заслужава предпочитание: моделът е обект от всякакво естество, който е създаден от изследовател с цел получаване на нови знания за оригиналния обект и отразява само основните (от гледна точка на разработчика) свойства на оригинален.

Анализирайки съдържанието на това определение, можем да направим следните изводи:

1) всеки модел е субективен, носи печата на индивидуалността на изследователя;

2) всеки модел е хомоморфен, т.е. отразява не всичко, а само съществените свойства на оригиналния обект;

3) възможно е съществуването на много модели на един и същ оригинален обект, различаващи се по целите на изследването и степента на адекватност.

Моделът се счита за адекватен на оригиналния обект, ако отразява закономерностите на процеса на функциониране на реална система във външната среда с достатъчна степен на приближение на нивото на разбиране на процеса, който се моделира от изследователя.

Математическите модели могат да бъдат разделени на аналитични, алгоритмични (симулационни) и комбинирани. За аналитичното моделиране е характерно, че за описание на процесите на функциониране на системата се използват системи от алгебрични, диференциални, интегрални или крайно-разностни уравнения. Аналитичният модел може да бъде изследван чрез следните методи:

а) аналитични, когато се стремят да влязат общ изгледявни зависимости за желаните характеристики;

б) числени, когато не могат да решават уравнения в общ вид, те се стремят да получат числени резултати с конкретни изходни данни;

в) качествени, когато, без да има решение в явна форма, е възможно да се намерят някои свойства на решението (например да се оцени стабилността на решението). При алгоритмичното (симулационно) моделиране се описва процесът на функциониране на системата във времето и се симулират елементарните явления, съставляващи процеса, като се запазва тяхната логическа структура и последователност във времето. Симулационните модели също могат да бъдат детерминистични и статистически.

Общата цел на моделирането в процеса на вземане на решения беше формулирана по-рано - това е определянето (изчисляването) на стойностите на избрания показател за ефективност за различни стратегии за провеждане на операция (или опции за внедряване на проектираната система). При разработването на конкретен модел целта на моделирането трябва да бъде прецизирана, като се вземе предвид използвания критерий за ефективност. По този начин целта на моделирането се определя както от целта на изследваната операция, така и от планирания начин на използване на резултатите от изследването.

Например, проблемна ситуация, която изисква решение, се формулира по следния начин: да се намери вариант за изграждане на компютърна мрежа, която да има минимални разходи, като същевременно отговаря на изискванията за производителност и надеждност. В този случай целта на моделирането е да се намерят мрежови параметри, които осигуряват минималната стойност на PE, което е цената.

Проблемът може да бъде формулиран по различен начин: изберете най-надеждния от няколко варианта на конфигурацията на компютърната мрежа. Тук един от показателите за надеждност (средно време между откази, вероятност за безотказна работа и т.н.) е избран като PE, а целта на моделирането е сравнителна оценка на мрежовите опции за този индикатор.

Дадените примери ни позволяват да припомним, че изборът на показател за ефективност сам по себе си все още не определя "архитектурата" на бъдещия модел, тъй като на този етап не е формулирана неговата концепция или, както се казва, концептуалният модел на изследваната система не е дефинирана.

II. Основни понятия на теорията за моделиране на икономически системи и процеси

2.1 Усъвършенстване и развитие на икономическите системи

Симулационното моделиране е най-мощният и универсален метод за изследване и оценка на ефективността на системи, чието поведение зависи от въздействието на случайни фактори. Такива системи включват самолет, и животинската популация, и предприятие, работещо в условия на слабо регулирани пазарни отношения.

Симулационното моделиране се основава на статистически експеримент (метод Монте Карло), чието осъществяване е практически невъзможно без използването на компютърни технологии. Следователно всеки симулационен модел в крайна сметка е повече или по-малко сложен софтуерен продукт.

Разбира се, както всяка друга програма, симулационният модел може да бъде разработен на всяка универсален езикпрограмиране, дори на асемблер. В този случай обаче разработчикът се сблъсква със следните проблеми:

* изисква се познаване не само на предметната област, към която принадлежи изучаваната система, но и на езика за програмиране, и то на доста високо ниво;

* разработването на специфични процедури за осигуряване на статистически експеримент (генериране на случайни ефекти, планиране на експеримента, обработка на резултатите) може да отнеме не по-малко време и усилия от разработването на самия модел на системата.

И накрая, още един, може би най-важният проблем. В много практически задачи не само (и не толкова) е интересна количествената оценка на ефективността на системата, а по-скоро нейното поведение в дадена ситуация. За такова наблюдение изследователят трябва да има подходящи "прозорци за наблюдение", които могат да бъдат затворени, ако е необходимо, преместени на друго място, промяна на мащаба и формата на наблюдаваните характеристики и т.н., без да се чака края на текущия симулационен експеримент. Симулационният модел в този случай действа като източник на отговор на въпроса: "какво ще се случи, ако ...".

Внедряването на такива функции в универсален език за програмиране е много трудна задача. В момента има доста софтуерни продукти, които позволяват моделиране на процеси. Тези пакети включват: Pilgrim, GPSS, Simplex и редица други.

В същото време в момента руският пазар на компютърни технологии има продукт, който позволява много ефективно решаване на тези проблеми - пакетът MATLAB, който съдържа инструмента за визуално моделиране Simulink.

Simulink е инструмент, който ви позволява бързо да симулирате система и да получите индикатори за очаквания ефект и да ги сравните с усилията, необходими за постигането им.

Има много различни видове модели: физически, аналогови, интуитивни и др. Специално мястосред тях има математически модели, които според академик А.А. Самарски, „са най-голямото постижение на научно-техническата революция на 20 век“. Математическите модели се разделят на две групи: аналитични и алгоритмични (понякога наричани симулация).

Понастоящем е невъзможно да се назове област на човешката дейност, в която в една или друга степен няма да се използват методи за моделиране. Икономическата активност не е изключение. В областта на симулацията на икономически процеси обаче все още има някои трудности.

Според нас това обстоятелство се обяснява със следните причини.

1. Икономическите процеси протичат до голяма степен спонтанно, неконтролируемо. Те не се поддават добре на опити за волев контрол от политически, държавни и икономически лидери на отделни индустрии и икономиката на страната като цяло. Поради тази причина икономическите системи са трудни за изучаване и формализирано описание.

2. Специалистите в областта на икономиката като правило имат недостатъчна математическа подготовка като цяло и по въпроси математическо моделиранепо-специално. Повечето от тях не знаят как формално да опишат (формализират) наблюдаваните икономически процеси. Това от своя страна не ни позволява да установим дали този или онзи математически модел е адекватен за разглежданата икономическа система.

3. Специалистите в областта на математическото моделиране, които не разполагат с формализирано описание на икономическия процес, не могат да създадат адекватен математически модел за него.

Съществуващите математически модели, които обикновено се наричат ​​модели на икономически системи, могат да бъдат разделени на три групи.

Първата група включва модели, които доста точно отразяват която и да е страна на определен икономически процес, протичащ в система от относително малък мащаб. Математически това са много прости връзки между две или три променливи. Обикновено това са алгебрични уравнения от 2-ра или 3-та степен, в краен случай система от алгебрични уравнения, която изисква използването на итерационния метод за решаване ( последователни приближения). Те намират приложение в практиката, но не представляват интерес от гледна точка на специалистите в областта на математическото моделиране.

Втората група включва модели, които описват реални процеси, протичащи в икономически системи от малък и среден мащаб, подложени на влиянието на случайни и несигурни фактори. Разработването на такива модели изисква правенето на предположения за разрешаване на несигурностите. Например, изисква се да се уточнят разпределенията на случайни променливи, свързани с входните променливи. Тази изкуствена операция до известна степен поражда съмнения относно достоверността на резултатите от симулацията. Няма обаче друг начин за създаване на математически модел.

Сред моделите в тази група най-разпространениполучиха модели на т. нар. системи за масово обслужване. Има два вида от тези модели: аналитични и алгоритмични. Аналитичните модели не отчитат действието на случайни фактори и следователно могат да се използват само като модели с първо приближение. С помощта на алгоритмични модели процесът, който се изследва, може да бъде описан с всякаква степен на точност на нивото на неговото разбиране от създателя на проблема.

Третата група включва модели на големи и много големи (макроикономически) системи: големи търговски и промишлени предприятия и обединения, сектори на националната икономика и икономиката на страната като цяло. Създаването на математически модел на икономическа система от такъв мащаб е сложна задача. научен проблем, което може да бъде разрешено само от голяма изследователска институция.

2.2 Компоненти на симулационен модел

Численото моделиране се занимава с три вида стойности: първоначални данни, изчислени стойности на променливи и стойности на параметри. В лист на Excel масивите с тези стойности заемат изолирани области.

Първоначалните реални данни, извадки или серии от числа, се получават чрез пряко полево наблюдение или чрез експерименти. В рамките на процедурата на моделиране те остават непроменени (ясно е, че ако е необходимо, можете да допълвате или намалявате наборите от стойности) и играят двойна роля. Някои от тях (независими променливи на средата, X) служат като основа за изчисляване на променливите на модела; най-често това са характеристики на природни фактори (ход на времето, фотопериод, температура, изобилие от храна, доза токсикант, обеми на изхвърлените замърсители и др.). Другата част от данните (зависимите променливи на обекта, Y) представляват количествена характеристика на състоянието, реакциите или поведението на обекта на изследване, получена при определени условия, под въздействието на регистрирани фактори на околната среда. В биологичен смисъл първата група значения е независима от втората; за разлика от тях, обектните променливи зависят от променливите на средата. Данните се въвеждат в Excel лист от клавиатурата или от файл в нормален режим на електронна таблица.

Изчислителните данни на модела възпроизвеждат теоретично възможното състояние на обекта, което се определя от предишното състояние, нивото на наблюдаваните фактори на околната среда и се характеризира с основните параметри на процеса, който се изследва. В обикновения случай, когато се изчисляват стойностите на модела (Y M i) за всяка времева стъпка (i), параметрите (A), характеристиките на предишното състояние (Y M i -1) и текущите нива на факторите на околната среда (X i) се използват:

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

f() - приетата форма на съотношението на параметрите и променливите на средата, вида на модела,

i = 1, 2, ... T или i = 1, 2, ... n.

Изчисленията на характеристиките на системата с помощта на моделни формули за всяка времева стъпка (за всяко състояние) позволяват да се формира масив от моделни изрични променливи (Y M), които трябва точно да повтарят структурата на масива от реални зависими променливи (Y) , което е необходимо за последваща настройка на параметрите на модела. Формулите за изчисляване на променливите на модела се въвеждат ръчно в клетките на Excel лист (вижте раздела Полезни техники).

Параметрите на модела (А) съставляват третата група стойности. Всички параметри могат да бъдат представени като набор:

A = (a 1, a 2,…, a j,…, a m),

където j - номер на параметъра,

m? общ бройпараметри,

и поставени в отделен блок. Ясно е, че броят на параметрите се определя от структурата на възприетите моделни формули.

Заемайки отделна позиция в Excel листа, те играят най-важна роля в моделирането. Параметрите са предназначени да характеризират самата същност, механизма на осъществяване на наблюдаваните явления. Параметрите трябва да имат биологично (физическо) значение. За някои задачи е необходимо параметрите, изчислени за различни масиви от данни, да могат да се сравняват. Това означава, че понякога те трябва да бъдат придружени от собствени статистически грешки.

Връзките между компонентите на симулационната система образуват функционално единство, насочено към постигане обща цел- оценка на параметрите на модела (фиг. 2.6, таблица 2.10). При изпълнението на отделните функции, обозначени със стрелки, участват едновременно няколко елемента. За да не се претрупва картината, диаграмата не отразява блоковете на графично представяне и рандомизация. Симулационната система е предназначена да обслужва всякакви промени в дизайна на модела, които при необходимост могат да бъдат направени от изследователя. Основните конструкции на симулационни системи, както и възможните начини за тяхната декомпозиция и интеграция са представени в раздела Рамки на симулационни системи.

симулация симулация икономически серии

III. Основи на симулацията

3.1 Симулационен модел и неговите характеристики

Симулационното моделиране е вид аналогово моделиране, реализирано с помощта на набор от математически инструменти, които специално симулират компютърни програмии технологии за програмиране, които позволяват чрез аналогични процеси да се проведе целенасочено изследване на структурата и функциите на реален сложен процес в паметта на компютъра в режим "симулация", да се оптимизират някои от неговите параметри.

Симулационният модел е икономико-математически модел, чието изследване се извършва с експериментални методи. Експериментът се състои в наблюдение на резултатите от изчисленията за различни зададени стойности на въведените екзогенни променливи. Симулационният модел е динамичен модел поради факта, че съдържа такъв параметър като време. Симулационен модел също се нарича специален софтуерен пакет, който ви позволява да симулирате дейността на всеки сложен обект. Появата на симулационното моделиране се свързва с "новата вълна" в тематичното икономическо моделиране. Проблеми на икономическата наука и практика в областта на управлението и икономическо образование, от една страна, и нарастването на компютърната производителност, от друга, предизвикаха желание за разширяване на обхвата на "класическите" икономически и математически методи. Имаше известно разочарование във възможностите на нормативните, балансовите, оптимизационните и игровите модели, които първоначално заслужено привлякоха факта, че въвеждат атмосфера на логическа яснота и обективност в много проблеми на икономическото управление, а също така водят до „разумно ” (балансирано, оптимално, компромисно) решение. Не винаги е било възможно да се разберат напълно априорните цели и още повече да се формализира критерият за оптималност и (или) ограниченията върху осъществимите решения. Следователно много опити да се прилагат такива методи започнаха да водят до неприемливи, например нереализируеми (макар и оптимални) решения. Преодоляването на възникналите трудности пое по пътя на отказ от пълното формализиране (както се прави в нормативните модели) на процедурите за вземане на социално-икономически решения. Предпочитание започна да се дава на разумен синтез на интелектуалните възможности на експерта и информационната мощ на компютъра, който обикновено се прилага в интерактивни системи. Едната тенденция в тази насока е преходът към „полунормативни” многокритериални модели човек-машина, втората е прехвърлянето на центъра на тежестта от прескриптивните модели, ориентирани към схемата „условия-решение”, към описателни модели, които отговарят на въпроса „ какво ще стане, ако...“.

Към симулационното моделиране обикновено се прибягва в случаите, когато зависимостите между елементите на симулираните системи са толкова сложни и несигурни, че не могат да бъдат формално описани на езика на съвременната математика, т.е. с помощта на аналитични модели. По този начин изследователите на сложни системи са принудени да използват симулационно моделиране, когато то е чисто аналитични методиили неприложими, или неприемливи (поради сложността на съответните модели).

При симулационното моделиране динамичните процеси на оригиналната система се заменят с процеси, имитирани от алгоритъма за моделиране в абстрактния модел, но със същите съотношения на продължителности, логически и времеви последователности, както в реалната система. Следователно методът на симулация може да се нарече алгоритмичен или оперативен. Между другото, такова име би било по-успешно, тъй като имитацията (в превод от латински - имитация) е възпроизвеждането на нещо чрез изкуствени средства, т.е. моделиране. В тази връзка широко използваното в момента наименование "симулационно моделиране" е тавтологично. В процеса на симулиране на функционирането на изследваната система, както и в експеримента със самия оригинал, се записват определени събития и състояния, според които след това се изчисляват необходимите характеристики на качеството на функциониране на изследваната система. За системи, например информационни и компютърни услуги, такива динамични характеристики могат да бъдат определени като:

* производителност на устройствата за обработка на данни;

* продължителност на обслужване на опашки;

* време за изчакване за обслужване на опашки;

* броят на приложенията, оставили системата без обслужване.

При симулационното моделиране процеси с всякаква степен на сложност могат да бъдат възпроизведени, ако тяхното описание е дадено във всякаква форма: формули, таблици, графики или дори устно. Основната характеристика на симулационните модели е, че процесът, който се изследва, е, така да се каже, „копиран“ върху компютър, следователно, симулационните модели, за разлика от аналитичните модели, позволяват:

* вземете под внимание в моделите огромен брой фактори без груби опростявания и допускания (и, следователно, повишаване на адекватността на модела към изследваната система);

* достатъчно е просто да се вземе предвид факторът на несигурност в модела, причинен от случайния характер на много променливи на модела;

Всичко това ни позволява да направим естествен извод, че симулационни модели могат да бъдат създадени за по-широк клас обекти и процеси.

3.2 Същността на симулацията

Същността на симулационното моделиране е целенасочено експериментиране със симулационен модел чрез "проиграване" върху него на различни варианти за функциониране на системата със съответния им икономически анализ. Веднага отбелязваме, че резултатите от такива експерименти и съответният икономически анализ трябва да бъдат представени под формата на таблици, графики, номограми и т.н., което значително опростява процеса на вземане на решения въз основа на резултатите от симулацията.

След като изброихме по-горе редица предимства на симулационните модели и симулационното моделиране, ние също така отбелязваме техните недостатъци, които трябва да се помнят, когато практическа употребасимулационно моделиране. То:

* липсата на добре структурирани принципи за изграждане на симулационни модели, което налага значително проучване на всеки конкретен случай на изграждането му;

* методически трудности на търсенето оптимални решения;

* повишени изисквания към скоростта на компютрите, на които се реализират симулационни модели;

* трудности, свързани със събирането и изготвянето на представителна статистика;

* уникалността на симулационните модели, която не позволява използването на готови софтуерни продукти;

* сложността на анализа и разбирането на резултатите, получени в резултат на изчислителен експеримент;

* доста големи разходи на време и пари, особено при търсене на оптимални траектории на поведението на изследваната система.

Броят и същността на тези недостатъци е много впечатляващ. Но предвид големия научен интерес към тези методи и изключително интензивното им развитие в последните години, можем уверено да приемем, че много от горните недостатъци на симулационното моделиране могат да бъдат елиминирани както концептуално, така и приложно.

Симулационното моделиране на контролиран процес или контролиран обект е информационна технология от високо ниво, която осигурява два вида действия, извършвани с помощта на компютър:

1) работа по създаването или модификацията на симулационен модел;

2) работа на симулационния модел и интерпретация на резултатите.

Симулационното моделиране на икономически процеси обикновено се прилага в два случая:

* за управление на сложен бизнес процес, когато симулационният модел на управляван икономически обект се използва като инструмент в контура на адаптивна система за управление, създадена на базата на информационни технологии;

* при провеждане на експерименти с дискретно-непрекъснати модели на сложни икономически обекти за получаване и проследяване на тяхната динамика в извънредни ситуациисвързани с рискове, пълномащабното моделиране на които е нежелателно или невъзможно.

Възможно е да се отделят следните типични задачи, решавани от средствата за симулационно моделиране в управлението на икономически обекти:

* моделиране на логистични процеси за определяне на времеви и разходни параметри;

* управление на процеса на реализация на инвестиционен проект на различни етапи от него кръговат на животаотчитане на възможните рискове и тактика на разпределяне на средствата;

* анализ на процесите на клиринг в работата на мрежа от кредитни институции (включително прилагане към процесите на взаимно компенсиране в условията на руската банкова система);

* прогнозиране на финансовите резултати на предприятието за определен период от време (с анализ на динамиката на салдото по сметките);

* бизнес реинженеринг на фалирало предприятие (промяна на структурата и ресурсите на фалирало предприятие, след което, използвайки симулационен модел, можете да направите прогноза за основните финансови резултати и да дадете препоръки относно осъществимостта на един или друг вариант за възстановяване, инвестиции или кредитиране на производствени дейности);

Симулационната система, която осигурява създаването на модели за решаване на горните задачи, трябва да има следните свойства:

* възможността за използване на симулационни програми във връзка със специални икономически и математически модели и методи, базирани на теорията на управлението;

* инструментални методи за провеждане на структурен анализ на сложен икономически процес;

* способността да се моделират материални, парични и информационни процеси и потоци в рамките на един модел, като цяло моделно време;

* възможността за въвеждане на режим на постоянно усъвършенстване при получаване на изходни данни (ключови финансови показатели, времеви и пространствени характеристики, рискови параметри и др.) и провеждане на екстремен експеримент.

Много икономически системи по същество са системи за масово обслужване (QS), т.е. системи, в които, от една страна, има изисквания за изпълнение на всякакви услуги, а от друга страна, тези изисквания са изпълнени.

IV. Практическа част

4.1 Постановка на проблема

Изследване на динамиката на икономически индикатор въз основа на анализ на едномерен времеви ред.

Търсенето Y(t) (млн. рубли) за кредитните ресурси на финансовата компания беше регистрирано в продължение на девет последователни седмици. Времевият ред Y(t) на този показател е даден в таблицата.

Задължително:

1. Проверете за аномални наблюдения.

2. Изградете линеен модел Y(t) = a 0 + a 1 t, чиито параметри се оценяват от LSM (Y(t)) - изчислени, симулирани стойности на времевия ред).

3. Оценете адекватността на конструираните модели, като използвате свойствата на независимост на остатъчния компонент, случайност и съответствие нормален законразпределение (когато използвате R / S-критерия, вземете таблични граници от 2,7-3,7).

4. Оценете точността на моделите въз основа на използването на средната относителна апроксимационна грешка.

5. Въз основа на двата конструирани модела направете прогноза за търсенето за следващите две седмици (изчислете доверителния интервал на прогнозата при ниво на достоверност p = 70%)

6. Представете графично действителните стойности на показателя, резултатите от моделирането и прогнозирането.

4.2 Решаване на проблеми

един). Наличието на аномални наблюдения води до изкривяване на резултатите от симулацията, така че е необходимо да се уверите, че няма аномални данни. За да направим това, използваме метода Irwin и намираме характерното число () (таблица 4.1).

Изчислените стойности се сравняват с табличните стойности на критерия Irwin и ако те са по-големи от табличните стойности, тогава съответната стойност на серийното ниво се счита за ненормална.

Приложение 1 (Таблица 4.1)

Всички получени стойности са сравнени с табличните стойности, не ги надвишава, тоест няма аномални наблюдения.

2) Изградете линеен модел, чиито параметри се оценяват чрез най-малките квадрати (- изчислени, симулирани стойности на времевия ред).

За целта използваме Data Analysis в Excel.

Приложение 1 ((Фиг. 4.2). Фиг. 4.1)

Резултатът от регресионния анализ се съдържа в таблицата

Приложение 1 (таблица 4.2 и 4.3.)

Във втората колона на табл. 4.3 съдържа коефициентите на регресионното уравнение a 0 и 1 , в третата колона - стандартните грешки на коефициентите на регресионното уравнение, а в четвъртата - t - статистика, използвана за тестване на значимостта на коефициентите на регресионното уравнение .

Регресионното уравнение на зависимостта (търсене на кредитни ресурси) от (време) има формата.

Приложение 1 (фиг. 4.5)

3) Оценка на адекватността на изградените модели.

3.1. Нека проверим независимостта (липса на автокорелация) с помощта на d-критерия на Дърбин-Уотсън по формулата:

Приложение 1 (Таблица 4.4)

защото изчислената стойност d попада в интервала от 0 до d 1 , т.е. в диапазона от 0 до 1,08, тогава свойството за независимост не е изпълнено, нивата на поредица от остатъци съдържат автокорелация. Следователно моделът е неадекватен по този критерий.

3.2. Ще проверим случайността на нивата на поредица от остатъци въз основа на критерия за повратни точки. P >

Броят на повратните точки е 6.

Приложение 1 (фиг.4.5)

Неравенството е изпълнено (6 > 2). Следователно свойството на случайност е изпълнено. Моделът отговаря на този критерий.

3.3. Съответствието на редица остатъци с нормалния закон за разпределение се определя с помощта на RS - критерия:

Максималното ниво на редица остатъци,

Минималното ниво на поредица от остатъци,

стандартно отклонение,

Изчислената стойност попада в интервала (2,7-3,7), следователно свойството за нормалност на разпределението е изпълнено. Моделът отговаря на този критерий.

3.4. Проверка дали математическото очакване на нивата на поредица от остатъци е равно на нула.

Следователно в нашия случай е изпълнена хипотезата за равенството на математическото очакване на стойностите на остатъчната серия на нула.

Таблица 4.3 обобщава анализите на редица остатъци.

Приложение 1 (Таблица 4.6)

4) Оценете точността на модела въз основа на използването на средната относителна апроксимационна грешка.

За да оценим точността на получения модел, ще използваме показателя за относителна грешка на приближение, който се изчислява по формулата:

Изчисляване на относителна апроксимационна грешка

Приложение 1 (Таблица 4.7)

Ако грешката, изчислена по формулата, не надвишава 15%, точността на модела се счита за приемлива.

5) Съгласно конструирания модел, направете прогноза за търсенето за следващите две седмици (изчислете доверителния интервал на прогнозата при ниво на доверие p = 70%).

Нека използваме функцията на Excel STUDRASP.

Приложение 1 (Таблица 4.8)

За да изградим интервална прогноза, изчисляваме доверителния интервал. Вземаме стойността на нивото на значимост, следователно, ниво на увереносте равен на 70%, а критерият на Стюдънт при е равен на 1,12.

Ширината на доверителния интервал се изчислява по формулата:

(намерете от таблица 4.1)

Изчисляваме горната и долната граница на прогнозата (Таблица 4.11).

Приложение 1 (Таблица 4.9)

6) Представете графично действителните стойности на показателя, резултатите от моделирането и прогнозирането.

Нека трансформираме графиката за избор, допълвайки я с прогнозни данни.

Приложение 1 (Таблица 4.10)

Заключение

Икономическият модел се определя като система от взаимосвързани икономически явления, изразени в количествени характеристикии представени в системата от уравнения, т.е. е система от формализирано математическо описание. За целенасочено изследване на икономическите явления и процеси и формулиране на икономически изводи - както теоретични, така и практически, е препоръчително да се използва методът на математическото моделиране. Особен интерес се проявява към методите и инструментите за симулационно моделиране, което е свързано с подобряването на информационните технологии, използвани в симулационните системи: разработването на графични черупки за конструиране на модели и интерпретиране на изходните резултати от моделирането, използването на мултимедийни инструменти, Интернет решения и т.н. В икономическия анализ симулационната симулация е най-универсалният инструмент във финансовото, стратегическото планиране, бизнес планирането, управлението на производството и дизайна. Математическо моделиране на икономически системи Най-важното свойство на математическото моделиране е неговата универсалност. Този метод позволява на етапите на проектиране и разработване на икономическа система да се формират различни версии на нейния модел, да се провеждат множество експерименти с получените варианти на модела, за да се определи (въз основа на зададените критерии за функциониране на системата ) параметрите създадена системанеобходими за гарантиране на неговата ефективност и надеждност. Това не изисква покупка или производство на оборудване или хардуер за извършване на следващото изчисление: просто трябва да промените числените стойности на параметрите, начални условияи режими на функциониране на изследваните сложни икономически системи.

В методологично отношение математическото моделиране включва три основни вида: аналитично, симулационно и комбинирано (аналитично-симулационно) моделиране. Аналитичното решение, ако е възможно, дава по-пълна и илюстративна картина, което позволява да се получи зависимостта на резултатите от симулацията от набора от първоначални данни. В тази ситуация трябва да се премине към използването на симулационни модели. Симулационният модел по принцип ви позволява да възпроизведете целия процес на функциониране на икономическата система, като запазите логическата структура, връзката между явленията и последователността на техния поток във времето. Симулационното моделиране позволява да се вземат предвид голям брой реални детайли от функционирането на симулирания обект и е незаменим в последните етапи на създаване на система, когато всички стратегически въпроси вече са решени. Може да се отбележи, че симулационното моделиране е предназначено да реши проблемите с изчисляването на характеристиките на системата. Броят на вариантите, които трябва да бъдат оценени, трябва да бъде относително малък, тъй като прилагането на симулация за всеки вариант за изграждане на икономическа система изисква значителни изчислителни ресурси. Факт е, че основната характеристика на симулационното моделиране е фактът, че за да се получат значими резултати, е необходимо да се използват статистически методи. Този подход изисква многократно повторение на симулирания процес с променящи се стойности на случайни фактори, последвано от статистическо осредняване (обработка) на резултатите от отделни единични изчисления. Приложение статистически методи, което е неизбежно при симулационното моделиране, изисква много компютърно време и изчислителни ресурси.

Друг недостатък на метода за симулационно моделиране е фактът, че за създаването на достатъчно смислени модели на икономическата система (и на онези етапи от създаването на икономическа система, когато се използва симулационно моделиране, са необходими много подробни и смислени модели), значителни концептуални и програмни усилия са изисквани. Комбинираното моделиране ви позволява да комбинирате предимствата на аналитичното и симулационното моделиране. За повишаване на надеждността на резултатите трябва да се използва комбиниран подход, базиран на комбинация от аналитични и симулационни методи за моделиране. В този случай аналитичните методи трябва да се прилагат на етапите на анализ на свойствата и синтез на оптималната система. Следователно, от наша гледна точка, е необходима система за цялостно обучение на студентите в средствата и методите както на аналитичното, така и на симулационното моделиране. Организация на практическите занятия Студентите усвояват начини за решаване на оптимизационни задачи, които се свеждат до задачи на линейното програмиране. Изборът на този метод на моделиране се дължи на простотата и яснотата както на съдържателната формулировка на съответните проблеми, така и на методите за тяхното решаване. В процеса на изпълнение на лабораторната работа студентите решават следните типични задачи: транспортна задача; задачата за разпределяне на ресурсите на предприятието; задачата за поставяне на оборудване и др. 2) Изучаване на основите на симулационното моделиране на производството и производствени системиопашка в средата на GPSS World (Системна симулация с общо предназначение). Разгледани са методически и практически въпроси на създаване и използване на симулационни модели при анализ и проектиране на сложни икономически системи и вземане на решения при осъществяване на търговска и маркетингова дейност. Изучават се начините за описание и формализиране на симулирани системи, етапите и технологията на изграждане и използване на симулационни модели, организацията на целеви експериментални изследвания върху симулационни модели.

Списък на използваната литература

Основен

1. Акулич И.Л. Математическо програмиране в примери и задачи. - М.: Висше училище, 1986

2. Власов М.П., ​​Шимко П.Д. Моделиране на икономически процеси. - Ростов на Дон, Феникс - 2005 (електронен учебник)

3. Яворски В.В., Амиров А.Ж. Икономическа информатика и информационни системи ( лабораторен семинар) - Астана, Томе, 2008 г

4. Симонович С.В. Компютърни науки, Питър, 2003 г

5. Воробьов Н.Н. Теория на игрите за икономисти - кибернетика. - М.: Наука, 1985 (електронен учебник)

6. Алесинская Т.В. Икономико-математически методи и модели. - Таган Рог, 2002 (електронен учебник)

7. Гершгорн А.С. Математическо програмиране и приложението му в икономическите изчисления. -М. Икономика, 1968

Допълнително

1. Дарбинян М.М. Стокови запаси в търговията и тяхното оптимизиране. - М. Икономика, 1978

2. Джонстън Д.Ж. Икономически методи. - М.: Финанси и статистика, 1960

3. Епишин Ю.Г. Икономико-математически методи и планиране потребителска кооперация. - М.: Икономика, 1975

4. Житников С.А., Биржанова З.Н., Аширбекова Б.М. Икономико-математически методи и модели: Учебник. - Караганда, издателство КЕУ, 1998г

5. Замков О.О., Толстопятенко А.В., Черемних Ю.Н. Математически методи в икономиката. - М.: ДИС, 1997

6. Иванилов Ю.П., Лотов А.В. Математически методи в икономиката. - М.: Наука, 1979

7. Калинина В.Н., Панкин А.В. Математическа статистика. М.: 1998 г

8. Колемаев В.А. математическа икономика. М., 1998

9. Кремер Н.Ш., Путко Б.А., Тришин И.М., Фридман М.Н. Изследване на операциите в икономиката. Учебник - М .: Банки и борси, UNITI, 1997

10. Спирин А.А., Фомин Г.П. Икономико-математически методи и модели в търговията. - М.: Икономика, 1998

Приложение 1

Таблица 4.1

Таблица 4.2

Подобни документи

Иконометрично моделиране на цената на апартаментите в района на Москва. Изследване на динамиката на икономически показател въз основа на анализ на едномерен времеви ред. Параметри на линейна регресия по двойки. Оценка на адекватността на модела, изпълнението на прогнозата.

тест, добавен на 07.09.2011 г


Иконометрично моделиране на цената на апартаментите в района на Москва. Матрица от сдвоени коефициенти на корелация. Изчисляване на параметрите на линейна двойна регресия. Изследване на динамиката на икономически показател въз основа на анализ на едномерен времеви ред.

тест, добавен на 19.01.2011 г


Изучаване на концепцията за симулационно моделиране. Симулационен модел на времеви редове. Анализ на показателите за динамиката на развитието на икономическите процеси. Аномални нива на поредицата. Автокорелация и забавяне във времето. Оценка на адекватността и точността на трендовите модели.

курсова работа, добавена на 26.12.2014 г


Изучаване и практикуване на умения за математическо моделиране на стохастични процеси; проучване реални моделии системи, използващи два вида модели: аналитични и симулационни. Основни методи за анализ: дисперсия, корелация, регресия.

курсова работа, добавена на 19.01.2016 г


Същността и съдържанието на метода на моделиране, концепцията за модел. Прилагане на математически методи за прогнозиране и анализ на икономически явления, създаване на теоретични модели. Основни характеристики, характерни за изграждането на икономико-математически модел.

контролна работа, добавена на 02.02.2013 г


Разделянето на моделирането на два основни класа - материални и идеални. Две основни нива на икономическите процеси във всички икономически системи. Идеални математически модели в икономиката, приложение на оптимизационни и симулационни методи.

резюме, добавено на 06/11/2010


Хомоморфизъм - методическа основамоделиране. Форми на представяне на системи. Последователността на развитие на математическия модел. Моделът като средство за икономически анализ. Моделиране на информационни системи. Концепцията за симулационно моделиране.

презентация, добавена на 19.12.2013 г


Теоретични основи на математическото прогнозиране за насърчаване на инвестиционни инструменти. Концепцията за симулационна система. Етапи на изграждане на модели на икономически процеси. Характеристики на LLC "Bryansk-Capital". Оценка на адекватността на модела.

курсова работа, добавена на 20.11.2013 г


Симулационното моделиране като метод за анализ на икономическите системи. Предпроектно проучване на фирма, предоставяща печатни услуги. Проучване дадена системаизползвайки модел на Марков процес. Изчисляване на времето за услуга за една заявка.

курсова работа, добавена на 23.10.2010 г


Приложение на оптимизационни методи за решаване на специфични производствени, икономически и управленски проблеми с помощта на количествено икономико-математическо моделиране. Решаване на математическия модел на изследвания обект с помощта на Excel.

• Емелянов А.А., Власова Е.А., Дума Р.В. Симулационно моделиране на икономически процеси. М.: Финанси и статистика, 2002.
• Александровски Н.М., Егоров С.В., Кузин Р.Е. Адаптивни системи за управление на сложни технологични процеси. М.: NRE, 1973.
• Бусленко Н.П. Моделиране на сложни системи. Москва: Наука, 1978.
• ГОСТ 24.702? 85. Ефективност на автоматизираните системи за управление. Основни положения. ? Москва: Издателство на стандартите, 1985 г.
• Емелянов А.А., Власова Е.А., Дума Р.В. Симулационно моделиране в икономически информационни системи. Урок. - М.: МЕСИ, 1996.
• Емелянов А.А. Техника за разработване и анализ на управлявани програми. Москва: Издателство "Атоминформ", 1984 г.
• Емелянов А.А. Симулационни системи за дискретни и дискретни непрекъснати процеси(ПИЛИГРИМ). 10785338.00027-01 92 01-LU. Твер: Мобилност, 1992.
• Липаев В.В., Яшков С.Ф. ефективност на методите за организиране на изчислителния процес на автоматизирани системи за управление. М .: Финанси и статистика, 1975 г.
• Назин А.В., Позняк А.С. Адаптивен избор на опции. Москва: Наука, 1986.
• Прицкер А. Въведение в симулационното моделиране и езика SLAM P. M .: Мир, 1987.
• Робърт Ф.С. Дискретни математически модели с приложения към социални биологични и екологични проблеми. Москва: Наука, 1986.
• Шанън Р. Системна симулация: наука и изкуство. М.: Мир, 1978.
• Симулационно моделиране на случайни фактори [Текст]: метод. инструкции за практически упражнения по курса "Симулация на икономически процеси" / Воронеж. състояние технолог. акад.; комп. А. С. Дубровин, М. Е. Семенов. Воронеж, 2005. 32 с.
• Афанасиев, М. Ю. Изследване на операциите в икономиката: модели, задачи, решения [Текст]: учебник. помощ / М. Ю. Афанасиев, Б. П. Суворов. - М. : INFRA-M, 2003. - 444 с. (Поредица. Висше образование).
• Варфоломеев, В. И. Алгоритмично моделиране на елементи на икономически системи [Текст]: практикум: учебник. помощ / В. И. Варфоломеев, С. В. Назаров; Изд. С. В. Назарова. - М. : Финанси и статистика, 2004. - 264 с.
• Емелянов, А. А. Симулационно моделиране в икономически информационни системи [Текст] / А. А. Емелянов, Е. А. Власова, Р. В. Дума; Изд. А. А. Емелянова. - М. : Финанси и статистика, 2002.
• Максимей, И. В. Компютърна симулация [Текст] / И. В. Максимей. - М. : Радио и комуникация, 1988. - 232 с.
• Нейлър, Т. Машинни симулационни експерименти с модели на икономически системи [Текст] / Т. Нейлър. – М.: Мир, 1975.
• Фомин, Г. П. Системи и модели на масово обслужване в търговските дейности [Текст]: учебник. помощ / Г. П. Фомин. - М .: Финанси и статистика, 2000.
• Бусленко, Н. П. Моделиране на сложни системи [Текст] / Н. П. Бусленко. - М.: Наука, 1978.
• Новиков, О. А. Приложни въпроси на теорията на масовото обслужване [Текст] / О. А. Новиков, С. И. Петухов. - М. : Съветско радио, 1969. - 400 с.
• Riordan, J. Вероятностни системи за масово обслужване [Текст] / J. Riordan. - М. : Съобщение, 1966. - 184 с.
• Советов, Б. Я. Системи за моделиране [Текст]: учебник за университети / Б. Я. Советов, С. А. Яковлев. - М .: Висше училище, 1998.
• Шанън, Р. Симулация на системи – изкуство и наука [Текст] / Р. Шанън. – М.: Мир, 1978.
• Хемди А. Таха Глава 18. Симулация // Въведение в изследването на операциите = Изследване на операциите: Въведение. - 7-мо изд. - М .: "Уилямс", 2007 г.
• Строгалев В. П., Толкачева И. О. Симулационно моделиране. - MSTU im. Бауман, 2008 г.
• Low A, Kelton W. Симулационно моделиране. Санкт Петербург: Издателство: Питер, 2004. - 848 с.

Метод за симулационно моделиране и неговите характеристики. Симулационен модел: представяне на структурата и динамиката на симулираната система

Методът на симулационното моделиране е експериментален метод за изследване на реална система с помощта на нейния компютърен модел, който съчетава характеристиките на експерименталния подход и специфичните условия за използване на компютърни технологии.

Симулационното моделиране е метод за компютърно моделиране, всъщност без компютър той никога не е съществувал и само развитието на информационните технологии доведе до появата на този вид компютърно моделиране. Горното определение се фокусира върху експерименталния характер на имитацията, използването на симулационния метод на изследване (експериментирането се извършва с модела). Всъщност в симулация важна роляиграе не само провеждането, но и планирането на експеримента върху модела. Това определение обаче не изяснява какво представлява самият симулационен модел. Нека се опитаме да разберем какви свойства има симулационният модел, каква е същността на симулационното моделиране.

В процеса на симулационно моделиране (фиг. 1.2) изследователят се занимава с четири основни елемента:

• реална система;
• логико-математически модел на моделирания обект;
• симулационен (машинен) модел;
• Насочва се компютърът, на който се извършва симулацията

изчислителен експеримент.

Изследователят изучава реалната система, разработва логико-математически модел на реалната система. Симулационният характер на изследването предполага наличието логически или логико-математически модели,описва изследвания процес (система). Да е машинно реализуем, базиран на логико-математически модел сложна системав процес на изграждане алгоритъм за моделиране, който описва структурата и логиката на взаимодействието на елементите в системата.

Ориз. 1.2.

Софтуерната реализация на алгоритъма за моделиране е симулационен модел.Компилира се с помощта на инструменти за автоматизация на моделирането. Технологията на симулационното моделиране и инструментите за моделиране - езици и системи за моделиране, които се използват за внедряване на симулационни модели - ще бъдат разгледани по-подробно в гл. 3. След това върху симулационен модел се поставя и провежда насочен изчислителен експеримент, в резултат на който се събира и обработва информацията, необходима за вземане на решения с цел въздействие върху реалната система.

По-горе дефинирахме система като набор от взаимодействащи елементи, функциониращи във времето.

Съставният характер на сложна система диктува представянето на нейния модел под формата на тройка A, S, T>, където НО -набор от елементи (включително външна среда); С-набор от допустими връзки между елементи (моделна структура); T -набор от точки във времето.

Характеристика на симулационното моделиране е, че симулационният модел ви позволява да възпроизвеждате симулираните обекти, като същевременно запазвате тяхната логическа структура и поведенчески свойства, т.е. динамика на взаимодействието на елементите.

При симулационното моделиране структурата на симулираната система се показва директно в модела, а процесите на нейното функциониране се възпроизвеждат (симулират) върху конструирания модел. Изграждането на симулационен модел се състои в описание на структурата и функционирането на моделирания обект или система.

В описанието на симулационния модел има два компонента:

• статично описание на системата, което по същество е описание на неговата структура. При разработване на симулационен модел е необходимо да се извърши структурен анализ на симулираните процеси, определящ състава на елементите на модела;
• динамично описание на системата,или описание на динамиката на взаимодействията на неговите елементи. При компилирането му всъщност се изисква да се изгради функционален модел, който показва симулираните динамични процеси.

Идеята на метода от гледна точка на софтуерната му реализация беше следната. Ами ако елементите на системата са свързани с някои софтуерни компоненти и състоянията на тези елементи са описани с помощта на променливи на състоянието. По дефиниция елементите взаимодействат (или обменят информация), което означава, че може да се реализира алгоритъм за функциониране на отделните елементи и тяхното взаимодействие по определени оперативни правила - алгоритъм за моделиране. Освен това елементите съществуват във времето, което означава, че е необходимо да се посочи алгоритъм за промяна на променливите на състоянието. Динамиката в симулационните модели се реализира с помощта на механизъм за напредване на моделното време.

Отличителна черта на симулационния метод е способността да се опише и възпроизведе взаимодействието между различни елементи на системата. По този начин, за да се създаде симулационен модел, е необходимо:

• 1) представя реална система (процес) като набор от взаимодействащи елементи;
• 2) алгоритмично описват функционирането на отделните елементи;
• 3) описват процеса на взаимодействие на различни елементи помежду си и с външната среда.

Ключов момент в симулационното моделиране е изборът и описанието на състоянията на системата. Системата се характеризира с набор от променливи на състоянието, всяка комбинация от които описва определено състояние. Следователно, чрез промяна на стойностите на тези променливи, е възможно да се симулира преходът на системата от едно състояние в друго. По този начин симулацията е представяне на динамичното поведение на система чрез преместването й от едно състояние в друго според добре дефинирани правила за работа. Тези промени в състоянието могат да се появят непрекъснато или в отделни моменти. Симулационното моделиране е динамично отразяване на промените в състоянието на системата във времето.

И така, разбрахме, че по време на симулация, логическата структура на реална система се показва в модела и динамиката на взаимодействията на подсистемата в симулираната система също се симулира. Това е важна, но не единствена характеристика на симулационния модел, която исторически предопредели не съвсем успешното, според нас, име на метода ( симулационно моделиране), което изследователите по-често наричат ​​системно моделиране.

Концепцията за моделно време. Механизмът за напредване на моделното време. Дискретни и непрекъснати симулационни модели

За да се опише динамиката на симулираните процеси в симулационното моделиране, на механизъм за напредване на моделното време.Тези механизми са вградени в управляващите програми на всяка симулационна система.

Ако компютърът симулира поведението на един компонент на системата, тогава изпълнението на действията в симулационния модел може да се извърши последователно, чрез преизчисляване на времевата координата. За да се осигури имитация на паралелни събития на реална система, се въвежда някаква глобална променлива (осигуряваща синхронизиране на всички събития в системата) / 0, която се нарича моделно (или системно) време.

Има два основни начина за промяна tQ:

• 1) стъпка по стъпка (прилагат се фиксирани интервали на промяна на времето на модела);
• 2) събитие по събитие (използва се променливи интервалимоделното време се променя, докато размерът на стъпката се измерва с интервала до следващото събитие).

Кога метод стъпка по стъпкаизпреварването на времето става с минималната възможна постоянна дължина на стъпката (принцип A /). Тези алгоритми не са много ефективни по отношение на използването на машинно време за изпълнението им.

При метод на събитието(принцип "специални състояния")времевите координати се променят само когато се промени състоянието на системата. При методите събитие по събитие дължината на стъпката на изместване във времето е максимално възможната. Моделно време от текущ моментсе променя до следващия път, когато настъпи следващото събитие. Използването на метода събитие по събитие е за предпочитане, ако честотата на събитията е ниска, тогава голяма дължина на стъпката ще ускори времето за симулация. Методът събитие по събитие се използва, когато събитията, възникващи в системата, са неравномерно разпределени по времевата ос и се появяват на значителни интервали от време. В практиката най-широко се използва методът събитие по събитие.

Методът с фиксирана стъпка се използва, ако:

• законът за промяна с времето се описва с интегро-диференциални уравнения. Типичен пример: решение на интегро-диференциални уравнения чрез числен метод. При такива методи стъпката на моделиране е равна на стъпката на интегриране. Когато се използва, динамиката на модела е дискретна апроксимация на реални непрекъснати процеси;
• събитията са равномерно разпределени и можете да изберете стъпката на промяна на времевата координата;
• трудно е да се предвиди настъпването на определени събития;
• има много събития и те се появяват в групи.

По този начин, поради последователния характер на обработката на информацията в компютъра, паралелните процеси, протичащи в модела, се преобразуват в последователни чрез разглеждания механизъм. Този начин на представяне се нарича квазипаралелен процес.

Най-простата класификация на основните видове симулационни модели е свързана с използването на тези два метода за напредване на моделното време. Има непрекъснати, дискретни и непрекъснато-дискретни симулационни модели.

AT непрекъснати симулационни моделипроменливите се променят непрекъснато, състоянието на симулираната система се променя като непрекъсната функция на времето и, като правило, тази промяна се описва със системи от диференциални уравнения. Съответно напредването на времето на модела зависи от числените методи за решаване на диференциални уравнения.

AT дискретни симулационни моделипроменливите се променят дискретно в определени моменти от време на симулация (възникване на събития). Динамиката на дискретните модели е процес на преход от момента на следващото събитие към момента на следващото събитие.

Тъй като в реалните системи непрекъснатите и дискретните процеси често не могат да бъдат разделени, непрекъснато-дискретни модели,които съчетават механизмите на изпреварване във времето, характерни за тези два процеса.

Проблеми на стратегическото и тактическо планиране на симулационен експеримент. Насочен изчислителен експеримент върху симулационен модел

Така че ние го определихме симулационна методологияе системен анализ. Именно последното дава право на разглеждания тип моделиране да се нарича системно моделиране.

В началото на този раздел дадохме обща концепция за метода на симулационното моделиране и го дефинирахме като експериментален метод за изследване на реална система, използвайки нейния симулационен модел. Имайте предвид, че концепцията за метод винаги е по-широка от концепцията за "симулационен модел".

Нека разгледаме характеристиките на този експериментален метод (симулационен изследователски метод). Между другото думите симулация”, „експеримент”, „имитация” на един план. Експерименталният характер на имитацията предопредели и произхода на името на метода. Така че целта на всяко изследване е да научите колкото е възможно повече за изследваната система, да съберете и анализирате информацията, необходима за вземане на решение. Същността на изследването на реална система с помощта на нейния симулационен модел е да се получат (съберат) данни за функционирането на системата в резултат на експеримент върху симулационен модел.

Симулационните модели са преходни модели, които имат вход и изход. Тоест, ако приложите определени стойности на параметри към входа на симулационния модел, можете да получите резултат, който е валиден само за тези стойности. На практика изследователят се сблъсква със следната специфика на симулационното моделиране. Симулационният модел дава резултати, които са валидни само за определени стойностипараметри, променливи и структурни връзки, вградени в симулационната програма. Промяната на параметър или връзка означава, че симулаторът трябва да се стартира отново. Следователно, за да получите необходимата информацияили резултати, е необходимо да се изпълняват симулационни модели, а не да се решават. Симулационният модел не е в състояние да формира собствено решение във формата, в която се намира в аналитичните модели (виж изчислителния метод на изследване), но може да служи като средство за анализиране на поведението на системата при условия, които се определят от експериментаторът.

За пояснение разгледайте детерминистичните и стохастичните случаи.

стохастичен случай.Симулационният модел е удобен инструмент за изследване на стохастични системи. Стохастичните системи са системи, чиято динамика зависи от случайни фактори; входните и изходните променливи на стохастичен модел обикновено се описват като случайни променливи, функции, процеси, последователности. Нека разгледаме основните характеристики на процесите на моделиране, като се вземе предвид действието на случайни фактори (тук се прилагат добре познатите идеи на метода на статистическите тестове, метода Монте Карло). Резултатите от симулацията, получени при възпроизвеждане на единична реализация на процеси, поради действието на случайни фактори, ще бъдат реализации на случайни процеси и няма да могат обективно да характеризират изследвания обект. Следователно желаните стойности при изследване на процеси чрез симулация обикновено се определят като средни стойности въз основа на данните от голям брой реализации на процеса (проблем с оценката). Следователно експериментът върху модела съдържа няколко изпълнения, изпълнения и включва оценка от съвкупността от данни (извадка). Ясно е, че (според закона за големите числа) колкото по-голям е броят на реализациите, толкова повече получените оценки придобиват статистическа устойчивост.

Така че, в случай на стохастична система, е необходимо да се съберат и оценят статистически данни на изхода на симулационния модел и за това да се извършат серия от изпълнения и статистическа обработка на резултатите от симулацията.

Детерминиран случай. ATВ този случай е достатъчно да се извърши един цикъл с определен набор от параметри.

Сега си представете, че целите на моделирането са: да се изследва системата при различни условия, да се оценят алтернативи, да се намери зависимостта на изхода на модела от редица параметри и накрая да се търси оптималният вариант. В тези случаи изследователят може да проникне в характеристиките на функционирането на симулираната система, като промени стойностите на параметрите на входа на модела, като същевременно извършва множество компютърни изпълнения на симулационния модел.

По този начин провеждането на експерименти с модел на компютър се състои в провеждането на множество компютърни изпълнения с цел събиране, натрупване и допълнителна обработка на данни за функционирането на системата. Симулационното моделиране ви позволява да изследвате модела на реална система, за да проучите нейното поведение чрез множество изпълнения на компютър при различни условия за функциониране на реална система.

Тук възникват следните проблеми: как да се съберат тези данни, да се проведат серии от тестове, как да се организира насочена пилотно проучване. Резултатът, получен в резултат на такова експериментиране, може да бъде много голям. Как да ги обработим? Тяхната обработка и изучаване може да се превърне в самостоятелен проблем, много по-труден от задачата за статистическа оценка.

При симулационното моделиране важен въпрос е не само провеждането, но и планирането на симулационен експеримент в съответствие с целта на изследването. По този начин изследователят, използващ симулационни методи, винаги е изправен пред проблема с организирането на експеримент, т.е. избор на метод за събиране на информация, който осигурява необходимия (за постигане на целта на изследването) обем при най-ниски разходи (допълнителен брой серии е допълнителен разход на машинно време). Основната задача е да се намали времето, изразходвано за работа на модела, да се намали компютърното време за симулация, което отразява цената на компютърния времеви ресурс за провеждане на голям брой симулационни изпълнения. Този проблем се нарича стратегическо планиранесимулационно проучване. За решаването му се използват методи за планиране на експеримента, регресионен анализ и др., които ще бъдат разгледани подробно в раздел 3.4.

Стратегическото планиране е разработването на ефективен експериментален план, в резултат на което или се изяснява връзката между контролираните променливи, или се открива комбинация от стойности на контролираните променливи, която минимизира или максимизира реакцията (изхода) на симулационен модел.

Наред с концепцията за стратегически съществува концепцията тактическо планиране,което е свързано с определяне как да се провеждат симулационни серии, описани в плана на експеримента: как да се провежда всеки цикъл в рамките на проектирания експериментален план. Тук се решават задачите за определяне на продължителността на пробега, оценка на точността на резултатите от симулацията и др.

Такива експерименти със симулационен модел ще се наричат ​​насочени изчислителни експерименти.

Симулационен експеримент, чието съдържание се определя от предварително аналитично изследване (т.е. което е неразделна част от изчислителен експеримент) и чиито резултати са надеждни и математически обосновани, се нарича насочен изчислителен експеримент.

В гл. 3 ще разгледаме подробно практическите въпроси на организирането и провеждането на насочени изчислителни експерименти върху симулационен модел.

Обща технологична схема, възможности и обхват на симулационно моделиране

Обобщавайки нашите разсъждения, можем да представим в най-общ вид технологична схемасимулационно моделиране (фиг. 1.3). (Технологията за симулация ще бъде разгледана по-подробно в глава 3.)

Ориз. 1.3.

• 1 - реална система; 2 - изграждане на логико-математически модел;
• 3 - разработване на алгоритъм за моделиране; 4 - изграждане на симулационен (машинен) модел; 5 - планиране и провеждане на симулационни експерименти; 6 - обработка и анализ на резултатите; 7 - изводи за поведението на реалната система (вземане на решения)

Нека разгледаме възможностите на метода за симулационно моделиране, довели до широкото му приложение в различни области. Симулационното моделиране традиционно намира приложение в широк спектър от икономически изследвания: моделиране на производствени системи и логистика, социология и политически науки; моделиране на транспортни, информационни и телекомуникационни системи и накрая, глобално моделиране на световни процеси.

Методът на симулационното моделиране позволява решаване на проблеми с изключителна сложност, осигурява имитация на всякакви сложни и разнообразни процеси, с голямо количествоелементи, индивидуалните функционални зависимости в такива модели могат да бъдат описани чрез много тромави математически зависимости. Следователно симулационното моделиране се използва ефективно в проблемите на изучаване на системи със сложна структура с цел решаване на специфични проблеми.

Симулационният модел съдържа елементи на непрекъснато и дискретно действие, поради което се използва за изследване на динамични системи, когато е необходим анализ на тесните места, изследване на динамиката на функциониране, когато е желателно да се наблюдава процесът върху симулационния модел за определен време

Симулационното моделиране е ефективен инструмент за изследване на стохастични системи, когато изследваната система може да бъде повлияна от множество случайни фактори от сложен характер (математическите модели за този клас системи имат ограничени възможности). Възможно е да се провеждат изследвания в условия на несигурност, с непълни и неточни данни.

Симулационното моделиране е най-ценната опорна връзка в системите за подпомагане на вземането на решения, тъй като ви позволява да изследвате голям брой алтернативи (опции за вземане на решение), да възпроизвеждате различни сценарии за всеки вход. Основното предимство на симулационното моделиране е, че изследователят, за да тества нови стратегии и да взема решения, докато изучава възможни ситуации, винаги може да получи отговор на въпроса „Какво ще се случи, ако? ...". Симулационният модел ви позволява да предвидите кога става въпрос за проектираната система или процесите на развитие се изучават, т.е. когато реалната система не съществува.

В симулационния модел може да се осигури различно (включително много високо) ниво на детайлност на симулираните процеси. В същото време моделът се създава на етапи, постепенно, без съществени промени, еволюционно.

А.А.Емелянов

E.A.Vlasova R.V.Duma

СИМУЛАЦИЯ

МОДЕЛИРАНЕ

ИКОНОМИЧЕСКИ

ПРОЦЕСИ

Под редакцията на доктор по икономика D.A. Емелянова

в обучението по приложна информатика като учебно помагало за студенти,

студенти от специалност "Приложна информатика (по региони)",

а и в други компютърни специалности

и посоки

МОСКВА "ФИНАНСИ И СТАТИСТИКА" 2002г

UDC 330.45:004.942(075.8) LBC 65v6ya73

РЕЦЕНЗЕНТИ:

Катедра "Информационни системи в икономиката" Урал състояние Икономически университет(ръководител на отдел А. Ф. Шориков,

доктор на физико-математическите науки, професор);

В.Н. Волкова,

Доктор на икономическите науки, професор в Санкт Петербург

технически университет, академик Международна академиянауки за висшето образование

Емелянов А.А. и т.н.

E60 Симулация на икономически процеси: учеб. надбавка / А.А. Емелянов, Е.А. Власова, Р.В. Мисъл; Изд. А.А. Емелянов. - М.: Финанси и статистика, 2002. - 368 с.: ил.

ISBN 5-279-02572-0

Представени модерни концепцииизграждане на система за моделиране, формализирани обекти като материални, информационни и парични ресурси, както и езикови инструменти за създаване на симулационни модели, техники за тяхното създаване, отстраняване на грешки и работа с помощта на CASE технологията за конструиране на модели "без програмиране". Показани са особеностите на моделирането в геопространството – с препратка към карти или планове. Описано е планирането на екстремни експерименти.

За студенти, обучаващи се по специалностите "Приложна информатика (по региони)", "Математическо осигуряване и администриране на информационни системи", както и за други компютърни специалности и области на висшето професионално образование.

ПРЕДГОВОР

Изминаха повече от 25 години от публикуването на книгата на Т. Нейлър "Машиносимулационни експерименти с модели на икономически системи" на руски език. Оттогава методите за симулационно моделиране на икономически процеси претърпяха значителни промени. Тяхното приложение в икономическата дейност стана различно. Отделни книги, публикувани през последните години (например за използването на GPSS в инженерството и технологиите, за алгоритмично моделиране на елементи на икономически системи във Visual Basic) повтарят концепциите за симулационно моделиране преди 30 години с помощта на нови софтуерни инструменти, но не отразяват какво се случи промени.

Целта на тази книга е изчерпателно обхващане на появилите се през последните години подходи и методи за използване на симулационно моделиране в икономическата дейност на проекти и нови инструменти, които предоставят на икономиста различни възможности.

Урокът започва с описание теоретични основисимулационно моделиране. След това се разглежда една от съвременните концепции за изграждане на система за моделиране. Дадени са езиковите средства за описание на моделите. Описана е техниката за създаване, отстраняване на грешки и работа с модели с помощта на CASE технологията за конструиране на модели "без програмиране" - с помощта на диалогов графичен дизайнер. Има специална глава, посветена на симулационното моделиране в геопространството по отношение на териториите на икономическите региони. Разглеждат се въпросите за планиране на оптимизационни експерименти, т.е. намиране на рационални параметри на процесите с помощта на симулационни модели. Последната глава съдържа набор от дебъгвани симулационни модели за различни цели, които могат да бъдат добра помощ за различни категории читатели. Те ще помогнат на учителите да се развиват лабораторни работии задачи. Студенти, както и докторанти и специалисти, които самостоятелно изучават този вид компютърно моделиране, те

ще ви позволи бързо да преминете към практическо моделиране във вашата предметна област.

В края на всяка глава има резюмета и контролен списък за самооценка. Кратък речниктермините и предметният указател също улесняват усвояването на материала на книгата.

Учебникът е написан с помощта на опита, натрупан от авторите в процеса на преподаване на учебни дисциплини, свързани със симулационно моделиране, управление на риска, изследване на системи за управление, в процес на подготовка и публикуване в университетите учебни помагалаи учебни материали. Книгата отразява резултатите от авторското право научно изследванеи разработки.

А.А. Емелянов, доктор по икономика, ръководител на катедрата Обща теориясистеми и системен анализ» MESI - глави 1 - 3, 6, 7, 8 (раздели 8.1 - 8.3, 8.6, 8.7) и обща редакция на книгата.

Е.А. Власова, старши преподавател, катедра Обща теория на системите и системен анализ, МЕСИ - глави 4 и 8 (раздели 8.4 и 8.5).

Р.В. Дума, кандидат на икономическите науки, водещ специалист на фирма "Бизнес-Консол" - глава 5.

Учебникът може да се препоръча на студенти, обучаващи се в компютърни специалности и направления.Може да бъде полезен при подготовката на мениджъри специалисти и магистри в магистърските програми по бизнес администрация (MBA - Master of Business Administration).

За самостоятелно изучаване на книгата читателят трябва първо да е запознат с информатиката, с основите на програмирането, висша математика, теория на вероятностите, математическа статистика, линейна алгебра, икономическа теорияи счетоводство.

ВЪВЕДЕНИЕ

Симулация(от англ. симулация) е често срещан тип аналогова симулация, реализирана с помощта на набор от математически инструменти, специални симулиращи компютърни програми и технологии за програмиране, които позволяват чрез аналогични процеси да се проведе целенасочено изследване на структурата и функциите на реален комплекс процес в компютърната памет в режим на симулация, оптимизиране на някои от параметрите му.

симулационен моделнаречен специален софтуерен пакет, който ви позволява да симулирате дейността на всеки сложен обект. Той стартира паралелно взаимодействащи изчислителни процеси в компютъра, които са аналози на изследваните процеси по отношение на техните времеви параметри (с точност до времеви и пространствени мащаби). В страните, които заемат водеща позиция в създаването на нови компютърни системи и технологии, научното направление компютърни науки използва точно такава интерпретация на симулационното моделиране, а в магистърските програми по тази посокаима подходяща учебна дисциплина.

Трябва да се отбележи, че всяко моделиране има в своята методологическа основа елементи на имитация на реалността с помощта на някакъв вид символика (математика) или аналози. Поради това понякога в руските университети симулационното моделиране започва да се нарича целенасочена серия от многовариантни изчисления, извършвани на компютър с помощта на икономически и математически модели и методи. Въпреки това, от гледна точка на компютърните технологии, такова моделиране (моделиране) е обикновени изчисления, извършени с помощта на изчислителни програми или процесор за електронни таблици Excel.

Математически изчисления (включително таблични) могат да се правят без компютър: с помощта на калкулатор, логаритмична линия, правила аритметични операциии помощни маси. Но симулацията е чисто компютърна работа, която не може да се извърши с импровизирани средства.

Поради това често се използва синоним за този тип моделиране

компютърно моделиране.

Трябва да се създаде симулационен модел. Това изисква специално софтуер - симулационна система(симулационна система). Спецификата на такава система се определя от технологията на работа, набор от езикови инструменти, сервизни програми и техники за моделиране.

Симулационният модел трябва да отразява голям брой параметри, логика и модели на поведение на симулирания обект във времето. (времева динамика)и в космоса (пространствена динамика).Моделирането на обекти на икономиката е свързано с понятието

финансова динамика на обекта.

От гледна точка на специалист (информатик-икономист, математик-тик-програмист или икономист-математик), симулационно моделиранеконтролиран процес или контролиран обект е информационна технология на високо ниво, която осигурява два вида действия, извършвани от компютър:

1) работа по създаването или модификацията на симулационен модел;

2) работа на симулационния модел и интерпретация на резултатите.

Симулационно (компютърно) моделиране на икономически процеси обикновено се използва в два случая:

да управлява комплекснобизнес процес, когато симулационен модел на контролиран икономически обект се използва като инструмент в контура на адаптивна система за управление, създадена на базата на информационни (компютърни) технологии;

когато експериментирате сдискретно-непрекъснати модели на сложни икономически обекти за получаване и проследяване на тяхната динамика при извънредни ситуации, свързани с рискове, пълномащабното моделиране на които е нежелателно или невъзможно.

Могат да се откроят следните типични задачи, решавани чрез симулационно моделиране в управлението на икономически обекти:

моделиране на логистични процеси за определяне на времеви и разходни параметри;

управление на процеса на изпълнение на инвестиционен проект на различни етапи от жизнения му цикъл, като се вземат предвид възможните рискове и тактики за отпускане на средства;

анализ на процесите на клиринг в работата на мрежа от кредитни институции (включително прилагане към процесите на взаимно компенсиране в условията на руската банкова система);

прогнозиране на финансовите резултати на предприятието за определен период от време (с анализ на динамичния баланс на сметките);

бизнес реинженерингнеплатежоспособно предприятие (промяна на структурата и ресурсите на фалирало предприятие, след което с помощта на симулационен модел е възможно да се направи прогноза за основните финансови резултати и да се дадат препоръки относно осъществимостта на един или друг вариант на реконструкция, инвестиция, или кредитиране на производствени дейности);

анализ на адаптивните свойства и жизнеспособността на компютърна регионална банкова информационна система (например, частично неизправна в резултат на природно бедствиесистемата за електронни сетълменти и плащания след катастрофалното земетресение през 1995 г. в централните острови на Япония показа висока устойчивост: операциите бяха възобновени след няколко дни);

оценка на параметрите на надеждност и забавяне в централизирана икономическа информационна система с колективен достъп (на примера на система за продажба на самолетни билети, като се вземе предвид несъвършенството на физическата организация на базите данни и повреди на оборудването);

анализ на оперативните параметри на разпределена многостепенна ведомствена система за управление на информация, като се вземат предвид разнородната структура, честотната лента на комуникационните канали и несъвършенството на физическата организация на разпределена база данни в регионалните центрове;

моделиране на действията на куриерска (куриерска) хеликоптерна група в район, засегнат от природно бедствие или голяма промишлена авария;

анализ на мрежовия модел PERT (Program Evaluation and Review Technique) за проекти за подмяна и настройка на производствено оборудване, като се отчита появата на неизправности;

анализ на работата на автотранспортно предприятие, занимаващо се с търговски превоз на товари, като се вземат предвид спецификите на стоковите и паричните потоци в региона;

изчисляване на параметрите на надеждност и забавяне на обработката на информацията в банковата информационна система.

горният списък е непълен и обхваща онези примери за използване на симулационни модели, които са описани в литературата или използвани от авторите на практика. Реалната област на приложение на апарата за симулационно моделиране няма видими ограничения. Например, спасяването на американски астронавти в случай на авария на космическия кораб APOLLO стана възможно само благодарение на „играенето“ на различни спасителни опции на модели на космическия комплекс.

Симулационната система, която осигурява създаването на модели за решаване на горните проблеми, трябва да има следните свойства:

Възможността за използване на симулационни програми във връзка със специални икономически и математически модели и методи, базирани на теорията на управлението; "

инструментални методи за провеждане на структурен анализ на сложен икономически процес;

способност за моделиране на материални, парични и информационни процеси и потоци в рамките на един модел, в общо моделно време;

възможността за въвеждане на режим на постоянно усъвършенстване при получаване на изходни данни (ключови финансови показатели, времеви и пространствени характеристики, рискови параметри

и и т.н.) и провеждане на екстремен експеримент.

История справка.Симулационното моделиране на икономически процеси е вид икономико-математическо моделиране. Въпреки това, този тип моделиране до голяма степен се основава на компютърна технология. Много системи за симулация, идеологически разработени през 1970-1980-те години, са еволюирали заедно с компютърните технологии и операционни системи (например GPSS - система за симулация с общо предназначение) и сега се използват ефективно на нови компютърни платформи. Освен това в края на 1990г се появиха фундаментално нови системи за моделиране, чиито концепции не биха могли да възникнат по-рано - с помощта на компютри и операционни системи от 1970-1980-те години.

1. Период 1970-1980 г Т. Нейлър е първият, който използва методите за симулационно моделиране за анализ на икономически процеси. В продължение на две десетилетия се правят опити за използване на този тип моделиране в реалното управление на икономиката

процеси бяха епизодични поради сложността на формализирането на икономическите процеси:

нямаше формална езикова поддръжка в компютърния софтуер за описание на елементарни процеси и техните функции във възлите на сложна стохастична мрежа от икономически процеси

с отчитане на тяхната йерархична структура;

нямаше формализирани методи за структурен системен анализ, необходими за йерархично (многослойно) разлагане на реален симулиран процес на елементарни компоненти в модела.

Алгоритмичните методи, предложени през тези години за симулационно моделиране, са използвани спорадично поради следните причини:

те отнемаха време за създаване на модели на сложни процеси (необходими бяха много значителни разходи за програмиране);

при моделиране на прости компоненти на процеси те се поддадоха на математически решения в аналитична форма, получени чрез методите на теорията на масовото обслужване. Аналитичните модели бяха много по-лесни за прилагане под формата на компютърни програми.

Алгоритмичният подход все още се използва в някои университети за изучаване на основите на моделиране на елементите на икономическите системи.

Сложността на реалните икономически процеси и изобилието от противоречиви условия за съществуването на тези процеси (от стотици до хиляди) водят до следния резултат. Ако използваме алгоритмичния подход, когато създаваме симулационен модел, използвайки обикновени езиципрограмиране (Basic, Fortran

и и т.н.), тогава сложността и обемът на програмите за моделиране ще бъдат много големи и логиката на модела ще бъде твърде объркваща. Създаването на такъв симулационен модел изисква значителен период от време (понякога много години). Следователно симулационното моделиране се използва главно само в научни дейности.

Въпреки това, в средата на 1970 г се появяват първите доста технологично напреднали инструменти за симулационно моделиране, които имат свои собствени езикови средства. Най-мощната от тях е системата GPSS. Той даде възможност да се създават модели на контролирани процеси и обекти, предимно за технически или технологични цели.

2. Период 1980-1990 г Системите за симулационно моделиране започват да се използват по-активно през 80-те години, когато над 20 различни системи. Най-разпространените системи бяха GASP-IV, SIMULA-67, GPSS-V и SLAM-II, които обаче имаха много недостатъци.

Системата GASP-IV предостави на потребителя структуриран език за програмиране, подобен на Fortran, набор от методи за моделиране на събития на дискретни подсистеми на модела и моделиране на непрекъснати подсистеми, използващи уравнения за променливи на състоянието, както и генератори на псевдослучайни числа.

Системата SIMULA-67 е сходна по своите възможности с GASP-IV, но предоставя на потребителя структуриран език за програмиране, подобен на Algol-60.

Ефективността на моделите, създадени с помощта на системите GASP-IV и SIMULA-67, зависи до голяма степен от уменията на разработчика на модела. Например, грижата за отделянето на независими симулирани процеси беше изцяло поверена на разработчика - специалист с висока математическа подготовка. Следователно тази система се използва главно само в научни организации.

В системите GASP-IV и SIMULA-67 нямаше инструменти, подходящи за симулиране на пространствената динамика на симулирания процес.

Системата GPSS-V предостави на потребителя пълна информационна технология на високо ниво за създаване на симулационни модели. Тази система има средства за формализирано описание на паралелни дискретни процеси под формата на условни графични изображенияили чрез използване на оператори на роден език. Координацията на процесите се извършва автоматично в едно моделно време. Потребителят, ако е необходимо, може да въведе свои собствени правила за синхронизиране на събития. Има инструменти за управление на модела, динамично отстраняване на грешки и автоматизиране на обработката на резултатите. Тази система обаче имаше три основни недостатъка:

разработчикът не може да включи непрекъснати динамични компоненти в модела, дори използвайки своите външни рутинни процедури, написани на PL / 1, Fortran или език за асемблиране;

нямаше средства за симулиране на пространствени процеси

системата беше чисто интерпретативна, което значително намали производителността на моделите.

Процесите се превръщат в метод, който ви позволява да конструирате модели, които описват процесите, сякаш действително функционират. Прилагайки ги, е възможно да се получи стабилна и надеждна статистика. Въз основа на тези данни можете да изберете най-добрия начин за развитие на организацията.

Симулационният метод е изследователски метод, при който специфична системаще бъде заменен с такъв, който има достатъчна точност при описание на реалния. Трябва да се правят експерименти с него, за да се получи надеждна информация. Такава процедура ще ни позволи да разберем същността на явлението, без да прибягваме в този случай до истинска промянаобект до необходимото време.

Симулационното моделиране на бизнес процеси е частен случай на математическото моделиране. Факт е, че има клас обекти, за които по различни причини не са разработени аналитични модели. Или за тях няма система от методи за прилагане на иновативно решение. В такива случаи се използва симулационно моделиране на икономически процеси.

Използва се в случаите, когато:

• скъпо е да се провеждат експерименти с реален обект;
• невъзможно е да се изгради аналитичен модел по различни причини;
• необходимо е да се получи резултатът и да се оцени неговото "поведение", като се вземе предвид времевата рамка.

Имитационните процеси имат няколко вида. Нека ги разгледаме по-подробно.

Агентно-базираното моделиране е иновативна посока, който се използва широко за изследване на децентрализирани системи. Динамиката на тяхното функциониране се определя не толкова от глобалните закони и правила, а напротив, тези принципи стават резултат от индивидуалната дейност на членовете на тази група.

Следователно, в този случай, целта и задачите на моделите са да се получат идеи за тези фундаментални принципи, поведението на избраната система. Но ще бъде необходимо да се изхожда от предположения за индивида, особено поведение на отделните му обекти, както и техните взаимоотношения в системите.

Агентът се превръща в специален субект, който има активност и автономност в поведението, може да взема и прилага решения в съответствие с набор от специфични правила, да взаимодейства със съществуващата среда и независимо да се променя.

Моделирането на дискретни събития е моделиращ подход, който предлага абстрахиране от съществуващи събития чрез разглеждане на набор от основни събития в системата. Говорим за "изчакване", "обработка на поръчки", "преместване с товар", "разтоварване" и т.н. Такова моделиране е много добре развито и има огромен обхват на приложение - от логистични и сервизни системи до производствени и транспортни системи. Като цяло, методът може да бъде идеално подходящ за всяка ситуация; е основана от Дж. Гордън в средата на ХХ век.

Системната динамика е симулация на икономически процеси, когато се изграждат графики, диаграми, изчисления за обекта, който се изследва, отразявайки причинно-следствените връзки и глобалните влияния на едни критерии върху други в определен период от време. Освен това създадената на тяхна база система се симулира на компютър. Благодарение на това има реална възможност да се разбере същността на случващото се и да се идентифицират съществуващите причинно-следствени връзки между явления и обекти. Системната динамика помага за изграждането на модели на градско развитие, бизнес процеси, производствени системи, развитие на екологията, популации, епидемии и т.н.