Образовательный стандарт дисциплины "Системное моделирование"

Под математической моделью понимают систему математических и логических соотношений, описывающих при определенных ограничениях и допущениях структуру и процессы, протекающие в моделируемом объекте. С помощью математической модели можно по известным исходным данным получить новые, заранее неизвестные данные об исследуемом объекте или явлении. Математическая модель является наиболее общей и абстр

актной моделью. Математическое моделирование основано на свойстве математических соотношений одинаково описывать различные по своей природе явления, выявляя формально схожие, аналогичные функциональные связи. В связи с этим можно привести слова небезызвестного классика: «Единство природы обнаруживается в поразительной аналогичности дифференциальных уравнений, относящихся к разным областям явлений». Указанная аналогичность математических соотношений является философской основой математического моделирования.

В системном моделировании, как правило, используются математические модели. По характеру переменных и виду математических зависимостей между ними различают математические модели: непрерывные, дискретные, линейные, нелинейные, детерминированные, стохастические (вероятностные), статистические и динамические.

Перейдем к рассмотрению моделей, классифицированных по характеру их использования.

Модели без управления являются описательными и не содержат управляемых параметров. Они математически описывают системы или процессы, изменение которых в основном определяется данным состоянием. К ним относятся модели многих явлений физики, механики, баллистики и др.

Под оптимизационными понимают модели, содержащие управляемые параметры и позволяющие исследовать, как влияют на эффективность системы или операции изменения управляемых параметров, и найти оптимальные значения этих параметров (оптимальное решение).

Задачи оптимизации, следовательно и оптимизационные модели, составляют основное содержание исследования операций.

Игровые модели описывают задачи, возникающие при необходимости найти наиболее целесообразное решение при конфликтных ситуациях и в условиях неопределенности. В этих случаях нельзя говорить об оптимизации, и для нахождения решения используются методы и подходы теории игр и статистических решений.

И оптимизационные, и игровые модели сводят, в конечном счете, исследования системы к математической задаче. При этом должны быть сформулированы также на языке математики цели и критерии. Однако в сложных ситуациях, особенно связанных с военными задачами, только отдельные части проблемы можно представить в виде оптимизационных и игровых моделей (не говоря уже о том, что аппарат теории игр практически позволяет находить решения относительно простых игровых задач).

Имитационное моделирование дает возможность исследовать большие системы и сложные ситуации во всей их полноте, а также реально невоспроизводимые ситуации и объединять в процессе моделирования формальные и неформальные методы исследования.

Под имитацией в широком смысле этого слова понимают замену экспериментов (исследований) в реальных условиях экспериментами в искусственной среде (примером имитаторов являются различного рода тренажеры). Машинная имитация – это процесс управляемого эксперимента, проводимого на вычислительной машине над моделью системы.

Под имитационной моделью понимают алгоритмическое описание со всей доступной для исследования полнотой изучаемой системы и процесса ее функционирования.

Имитационное моделирование не требует строгого математического описания всей системы. Достаточно знать в общих чертах алгоритм функционирования и взаимодействия частей системы. Этот алгоритм может быть задан описательно и затем переведен в машинную программу.

Построение моделей помогает привести сложные и подчас неопределенные ситуации, в которых приходится принимать решение, в логически стройную схему, доступную для детального анализа. Такая модель позволяет выявить альтернативные решения и оценить результаты, к которым они приводят. Другими словами, модель является средством формирования четкого представления о действительности.

Модель должна строиться таким образом, чтобы отражать сущность задачи управления и вместе с тем быть свободной от второстепенных деталей. Это позволяет отыскать более эффективное решение, которое можно проще реализовать на практике. Необходимая степень соответствия между моделью и объектом, а также возможность получения из модели реализуемого решения в значительной степени определяется уже на этапе постановки задачи. Поэтому, хотя построение математической модели является делом специалистов-математиков, руководители должны быть знакомы с подходом и методами построения моделей и разработанными моделями основных классов практических задач исследования операций.

Нахождение и анализ решения. В подавляющем большинстве операционных задач нахождение решения сводится к определению таких значений управляемых параметров (или к приближенной оценке этих значений), при которых достигается экстремум показателя эффективности и допустимые уровни других показателей. Построение алгоритма решения и нахождение решения с его помощью относится к компетенции специалистов-математиков и программистов.

Имеется большое количество разработанных алгоритмов для различных моделей. Во многих случаях удается свести решение к готовому алгоритму. В противном случае приходится строить новый.

Анализ решения имеет две стороны: первая связана с оценкой решения руководителями с точки зрения его соответствия целям операции и практическим возможностям его реализации; вторая – с определением чувствительности решения к различным параметрам модели и их изменениям. Если модель слишком упрощена, решение может оказаться нереалистичным. Чрезмерно усложненная модель может привести к значительным трудностям в получении решения и его реализации. Чтобы достичь удовлетворительных результатов, возникает необходимость проверки и корректировки модели на этапах постановки задачи, построения модели и отыскания решения.

Проверка и корректировка модели. К числу основных недостатков модели, приводящих к необходимости ее корректировки, относятся следующие:

модель может не содержать некоторых существенных переменных;

модель может включать несущественные переменные;

в модели неточно оценен диапазон изменения значений существенных переменных;

может оказаться неправильно сформулированной зависимость показателей, в том числе и показателя эффективности, от управляемых и неуправляемых переменных.

В большинстве операционных задач фигурирует очень большое число переменных. Однако, как правило, лишь небольшая их часть играет важную роль. Именно они и должны учитываться, так как цель состоит в том, чтобы построить модель, включающую минимальное число переменных и описывающую реальную действительность с необходимой точностью и полнотой.

В то же время число включенных в модель переменных не столь существенно, как соотношения между ними. Модель, содержащая часть переменных, может отображать действительность более точно, чем модель, описываемая большим числом переменных, если в первой соотношения между переменными ближе к реальным зависимостям, чем во второй.