☰

Понятие о математическом моделировании. Виды моделирования

ПРЕДИСЛОВИЕ

Целью курса моделирование подъемно-транспортных систем является обучение основам моделирования подъемно-транспортных машин (ПТМ), что включает в себя составление математических моделей ПТМ, программную реализацию моделей на ЭВМ, а также получение, обработку и анализ результатов моделирования.

Для самостоятельного ознакомления с перечисленными вопросами рекомендуется следующая литература: Брауде В. И., Тер-Мхитаров М. С. «Системные методы расчета грузоподъемных машин», Игнатьев Н. Б., Ильевский Б. З., Клауз Л. П. «Моделирование системы машин», Рачков Е. В., Силиков Ю. В. «Подъемно - транспортные машины и механизмы», а также справочники и учебные пособия по численным методам вычислительной математики и использованию математического редактора MathCad.

§1. ОСНОВНЫЕ ЦЕЛИ, ОПРЕДЕЛЕНИЯ И ПРИНЦИПЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ, ВИДЫ МОДЕЛЕЙ

1.1 Основные определения

Моделирование - это теоретико-экспериментальный метод познавательной деятельности, это метод исследования и объяснения явлений, процессов и систем (объектов-оригиналов) на основе создания новых объектов - моделей.

Моделирование – это замещение исследуемого объекта (оригинала) его условным образом или другим объектом (моделью) и изучение свойств оригинала путем исследования свойств модели.

В зависимости от способа реализации все модели можно разделить на 4 группы: физические, математические, предметно-математические и комбинированные [, ].

Физическая модель – реальное воплощение тех свойств оригинала, которые интересует исследователя. Физические модели называют еще макетами, поэтому физическое моделирование называется макетированием.

Математическая модель – это формализованное описание системы (или процесса) с помощью некоторого абстрактного языка (математически), например, в виде графов, уравнений, алгоритмов, математических соответствий и пр.

Предметно-математические модели являются аналоговыми, т.е. при этом для моделирования используется принцип одинакового математического описания процессов, реального и протекающего в модели.

Комбинированные модели представляют собой сочетание математической или предметно-математической и физической модели. Они используются тогда, когда математическое описание одного из элементов исследуемой системы неизвестно или затруднительно, а также по условиям моделирования необходимо ввести в качестве элемента физическую модель (например, тренажер).

Математическое моделирование – это замещение оригинала математической моделью и исследование свойств оригинала на данной модели.

Системой называется объединение нескольких объектов (элементов), взаимосвязанных между собой, образующее определенную целостность.

Элемент - это относительно самостоятельная часть системы, рассматриваемая на данном уровне анализа как единое целое, предназначенная для реализацию некоторой функции.

Система обладает следующими, т.н. «системными» свойствами:

    структурой, т.е. строго определенным порядком объединения элементов в группы;

    целенаправленностью или функциональностью, т.е. наличием цели, для которой создана система;

    эффективностью, способностью достигать цели с наименьшими затратами ресурсов;

    устойчивостью, способностью сохранять характеристики своих свойств неизменными в определенных пределах при изменении внешних условий.

В настоящее время в технике для исследования работы машинных комплексов и машин используется понятие «человеко-машинной системы» (ЧМС), т.е. смешанной системы, составной частью которой наряду с техническими объектами является человек-оператор [, ]. Кроме того, ЧМС взаимодействует с окружающей средой. Таким образом, для моделирования ПТС необходимо рассматривать систему Человек-Машина-Среда, которая может быть отображена следующим графом (Рис. 1).

Р
ис. 1 Граф системы Человек-Машина-Среда.

Стрелками на графе изображены потоки энергии, вещества и информации, которыми обмениваются элементы системы.

Процессы, протекающие в технических системах, образованы совокупностью простейших операций. Операции – преобразования входных физических величин в выходные в низкоуровневом элементе системы (Рис. 2).

В каждом элементе системы (E i) происходит преобразование входных воздействий (X i) в выходные (Y i), причем выходные воздействия одного элемента могут являться входными следующего. Соединение элементов в структурную схему по характеру передачи воздействий происходит последовательно или параллельно.

Рис. 2 Структурная схема системы.

Подъемно-транспортными системами (ПТС), изучаемыми в рамках данного курса, будем называть системы, включающими в себя человека, окружающую среду и подъемно-транспортные машины (ПТМ).

ПТМ – это машины, предназначенные для перемещения груза на относительно небольшие расстояния без его переработки. ПТМ применяются для облегчения, ускорения, повышения эффективности перегрузочных работ.

1.2 Принципы и виды математического моделирования

Математические модели должны обладать следующими свойствами:

    адекватность, свойство соответствия модели и объекта исследований;

    достоверность, обеспечение заданной вероятности попадания результатов моделирования в доверительный интервал,

    точность, незначительное (в пределах допустимой погрешности) расхождение результатов моделирования с показателями реальных объектов (процессов);

    устойчивость, свойство соответствия малых изменений выходных параметров малым изменениям входных;

    эффективность, способность достижения цели с малыми затратами ресурсов;

    адаптабельность, способность легко перестраиваться для решения различных задач.

Для достижения этих свойств существуют некоторые принципы (правила) математического моделирования , ряд которых приведен ниже.

    Принцип целенаправленности заключается в том, что модель должна обеспечивать достижение строго определенных целей и, в первую очередь, отражать те свойства оригинала, которые необходимы для достижения цели.

    Принцип информационной достаточности заключается в ограничении количества информации об объекте при создании его модели и поиске оптимума между вводимой информацией и результатами моделирования. Он может быть проиллюстрирован следующей схемой.

Все возможные случаи моделирования располагаются в столбце 2.

    Принцип осуществимости состоит в том, что модель должна обеспечивать достижение поставленной цели с вероятностью близкой к 1 и за конечное время. Этот принцип можно выразить двумя условиями

и
, (1)

где
- вероятность достижения цели, - время достижения цели,
и - допустимые значения вероятности и времени достижения цели.

    Принцип агрегатирования заключается в том, что модель должна состоять из подсистем 1-го уровня, которые, в свою очередь, состоят из подсистем 2-го уровня и т.д. Подсистемы должны оформляться в виде отдельных самостоятельных блоков. Подобное построение модели позволяет использовать стандартные процедуры расчетов, а также делает более легкой адаптацию модели к решению различных задач.

    Принцип параметризации состоит в замене при моделировании определенных параметров подсистем, описанных функциями, соответствующими числовыми характеристиками.

Процесс моделирования с использованием этих правил заключается в выполнении следующих 5 шагов (этапов).

    Определение целей моделирования.

    Разработка концептуальной модели (расчетной схемы).

    Формализация.

    Реализация модели.

    Анализ и интерпретация результатов моделирования.

Существенные различия в выполнении 3-5 этапов позволяют говорить о двух подходах к построению модели.

Аналитическое моделирование – это использование математической модели в виде дополненных системой ограничений уравнений, связывающих входные переменные с выходными параметрами. Аналитическое моделирование используется, если существует законченная постановка задачи на исследования и необходимо получить один конечный результат, соответствующий ей.

Имитационное моделирование – это использование математической модели для описания функционирования системы во времени при различных сочетаниях параметров системы и различных внешних воздействиях. Имитационное моделирование используется, если конечной постановки задачи не существует и необходимо исследовать протекающие в системе процессы. Имитационное моделирование предполагает соблюдение временного масштаба. Т.е. события на одели происходят через интервалы времени пропорциональные событиям на оригинале с постоянным коэффициентом пропорциональности.

По использованию средств для реализации модели можно выделить еще один вид моделирования, компьютерное моделирование. Компьютерное моделирование – это математическое моделирование с использованием средств вычислительной техники.

1.3 Классификация математических моделей

Все математические модели можно разделить на несколько групп по следующим классификационным признакам.

    По виду моделируемой системы модели бывают статические и динамические. Статические модели служат для исследования статических систем, динамические для исследования динамических. Динамические системы характеризуются тем, что обладают множеством состояний, которые изменяют во времени.

    По целям моделирования модели подразделяются на нагрузочные, управленческие и функциональные. Нагрузочные модели служат для определения нагрузок, действующих на элементы системы, управленческие – для определения кинематических параметров исследуемой системы, к которым относятся скорости и перемещения элементов системы, функциональные – для определения координат модели в пространстве возможных функциональных состояний системы.

    По степени дискретизации модели подразделяются на дискретные, смешанные и континуальные. Дискретные модели содержат элементы, связанные между собой, характеристики которых сосредоточены в точках. Это могут быть массы, объемы, силовые и прочие воздействия, сосредоточенные в точках. Континуальные модели содержат элементы, параметры которых распределены по длине, по площади или по объему всего элемента. Смешанные модели содержат элементы обоих типов.

Математическое моделирование - процесс построения и изучения математических моделей

основные тенденции в развитии математического (компьютерного) моделирования в последние годы связываются не столько с решением "микро" проблем, таких как представленное выше соотношение "модель-алгоритм-программа". Акценты моделирования все более смещаются к "макро-проблемам". Действительно, аппаратно-программные средства решения микро-проблем за последнее время практически перестали ограничивать возможности моделирования даже в самых крупных проектах. Во всем мире наряду с базовыми языками программирования для моделирования широко используются десятки специализированных языков и коммерчески доступных систем моделирования, а возможности сетевого общения открывают доступ к самым современным методологиям и идеям.

В современной теории управления создаются и применяются математические модели двух основных типов (хотя в различных разделах теории эти типы и определяются по-разному).
Для технологических объектов это деление соответствует "феноменологическим" и "дедуктивным" моделям. Под феноменологическими моделями понимаются преимущественно эмпирически восстанавливаемые входо-выходные зависимости, как правило, с небольшим числом входов и выходов. Дедуктивное моделирование предполагает выяснение и описание основных физических закономерностей функционирования всех узлов исследуемого процесса и механизмов их взаимодействия. Дедуктивные модели намного богаче, они описывают процесс в целом, а не отдельные его режимы.
Первый тип моделей - аналитические модели (или, точнее говоря, модели данных). "Модели данных - это модели, которые не требуют, не используют и не отображают каких-либо гипотез о физических процессах (системах), в которых эти данные получены". Второй тип моделей - системные модели (или модели систем). Это математические модели , которые "строятся в основном на базе физических законов и гипотез о том, как система структурирована и, возможно, о том, как она функционирует".
В классическом понимании к моделям данных (аналитическим моделям) относятся все модели математической статистики . В последнее время характерные макро-изменения наблюдаются и для этих моделей. Связь с "внешним миром" проникает в эту сферу моделирования как экспертно-статистические методы и системы, что существенно расширяет методологическую базу для принятия решений в задачах анализа данных и управления.
Вплоть до недавнего времени математические модели использовались в практике управления только как источник входных данных для систем управления. Моделирование технических систем на этапе проектирования для оптимизации их структуры и параметров продолжает эту традицию.
Во многих других задачах принципиально применимы только системные модели Во многих случаях модель может входить в систему управления в форме блока, вычисляющего выходы некоторого объекта по ее входам. Часто в этом случае речь идет о развитии так называемого имитационного моделирования - динамическом моделировании объекта . Динамическое моделирование характерно для различных задач реального времени, прежде всего, для компьютерных тренажеров. Так, в процессе тренажерного обучения действия оператора интерпретируются как входы модели системы (технологической, транспортной и т.п.), а выходы модели преобразуются в аудио-визуальный образ реакций системы на действия оператора. Такое моделирование осуществляется в реальном времени, что позволяет использовать его результаты в различных технологиях реального времени (от обнаружения неисправностей до интерактивного тренинга операторов).
Существует два основных класса задач, связанных с математическими моделями: прямые и обратные. В первом случае все параметры модели считаются известными, и нам остается только исследовать её поведение. Например, определение частоты колебаний гармонического осциллятора при известном значении параметра k -- прямая задача математического моделирования.


Порой требуется решить обратную задачу: какие-то параметры модели неизвестны (например, не могут быть измерены явно), и требуется их найти, сопоставляя поведение реальной системы с её моделью. Ещё одна обратная задача: подобрать параметры модели таким образом, чтобы она удовлетворяла каким-то заданным условиям - такие задачи требуется решать при проектировании систем.

математическая модель выражает существенные черты-объекта или процесса языком уравнений и других математических средств. Собственно говоря, сама математика обязана своим существованием тому, что она пытается отразить, т.е. промоделировать, на своем специфическом языке закономерности окружающего мира.

Путь математического моделирования в наше время гораздо более всеобъемлющ, нежели моделирования натурного. Огромный толчок развитию математического моделирования дало появление ЭВМ, хотя сам метод зародился одновременно с математикой тысячи лет назад.

Математическое моделирование как таковое отнюдь не всегда требует компьютерной поддержки. Каждый специалист, профессионально занимающийся математическим моделированием, делает все возможное для аналитического исследования модели. Аналитические решения (т.е. представленные формулами, выражающими результаты исследования через исходные данные) обычно удобнее и информативнее численных. Возможности аналитических методов решения сложных математических задач, однако, очень ограниченны и, как правило, эти методы гораздо сложнее численных.

Математическая модель технического объекта - совокупность математических объектов и отношений между ними, которая адекватно отражает свойства исследуемого объекта, интересующие исследователя (инженера).

Модель может быть представлена различными способами.

Формы представления модели:

инвариантная - запись соотношений модели с помощью традиционного математического языка безотносительно к методу решения уравнений модели;

аналитическая - запись модели в виде результата аналитического решения исходных уравнений модели;

алгоритмическая - запись соотношений модели и выбранного численного метода решения в форме алгоритма.

схемная (графическая) - представление модели на некотором графическом языке (например, язык графов, эквивалентные схемы, диаграммы и т.п.);

физическая

аналоговая

Наиболее универсальным является математическое описание процессов - математическое моделирование.

В понятие математического моделирования включают и процесс решения задачи на ЭВМ.

Обобщенная математическая модель

Математическая модель описывает зависимость между исходными данными и искомыми величинами.

Элементами обобщенной математической модели являются (рис. 1): множество входных данных (переменные) X,Y;

X - совокупность варьируемых переменных; Y - независимые переменные (константы);

математический оператор L, определяющий операции над этими данными; под которым понимается полная система математических операций, описывающих численные или логические соотношения между множествами входных и выходных данных (переменные);

множество выходных данных (переменных) G(X,Y); представляет собой совокупность критериальных функций, включающую (при необходимости) целевую функцию.

Математическая модель является математическим аналогом проектируемого объекта. Степень адекватности ее объекту определяется постановкой и корректностью решений задачи проектирования.

Множество варьируемых параметров (переменных) X образует пространство варьируемых параметров Rx (пространство поиска), которое является метрическим с размерностью n, равной числу варьируемых параметров.

Множество независимых переменных Y образуют метрическое пространство входных данных Ry. В том случае, когда каждый компонент пространства Ry задается диапазоном возможных значений, множество независимых переменных отображается некоторым ограниченным подпространством пространства Ry.

Множество независимых переменных Y определяет среду функционирования объекта, т.е. внешние условия, в которых будет работать проектируемый объект

Это могут быть:

  • - технические параметры объекта, не подлежащие изменению в процессе проектирования;
  • - физические возмущения среды, с которой взаимодействует объект проектирования;
  • - тактические параметры, которые должен достигать объект проектирования.

Выходные данные рассматриваемой обобщенной модели образуют метрическое пространство критериальных показателей RG.

Схема использования математической модели в системе автоматизированного проектирования показана на рис.2.


Требования к математической модели

Основными требованиями, предъявляемыми к математическим моделям, являются требования адекватности, универсальности и экономичности.

Адекватность. Модель считается адекватной, если отражает заданные свойства с приемлемой точностью. Точность определяется как степень совпадения значений выходных параметров модели и объекта.

Точность модели различна в разных условиях функционирования объекта. Эти условия характеризуются внешними параметрами. В пространстве внешних параметров выделить область адекватности модели, где погрешность меньше заданной предельно допустимой погрешности. Определение области адекватности моделей - сложная процедура, требующая больших вычислительных затрат, которые быстро растут с увеличением размерности пространства внешних параметров. Эта задача по объему может значительно превосходить задачу параметрической оптимизации самой модели, поэтому для вновь проектируемых объектов может не решаться.

Универсальность - определяется в основном числом и составом учитываемых в модели внешних и выходных параметров.

Экономичность модели характеризуется затратами вычислительных ресурсов для ее реализации - затратами машинного времени и памяти.

Противоречивость требований к модели обладать широкой областью адекватности, высокой степени универсальности и высокой экономичности обусловливает использование ряда моделей для объектов одного и того же типа.

Методы получения моделей

Получение моделей в общем случае - процедура неформализованная. Основные решения, касающиеся выбора вида математических соотношений, характера используемых переменных и параметров, принимает проектировщик. В тоже время такие операции, как расчет численных значений параметров модели, определение областей адекватности и другие, алгоритмизированы и решаются на ЭВМ. Поэтому моделирование элементов проектируемой системы обычно выполняется специалистами конкретных технических областей с помощью традиционных экспериментальных исследований.

Методы получения функциональных моделей элементов делят на теоретические и экспериментальные.

Теоретические методы основаны на изучении физических закономерностей протекающих в объекте процессов, определении соответствующего этим закономерностям математического описания, обосновании и принятии упрощающих предположений, выполнении необходимых выкладок и приведении результата к принятой форме представления модели.

Экспериментальные методы основаны на использовании внешних проявлений свойств объекта, фиксируемых во время эксплуатации однотипных объектов или при проведении целенаправленных экспериментов.

Несмотря на эвристический характер многих операций моделирование имеет ряд положений и приемов, общих для получения моделей различных объектов. Достаточно общий характер имеют

методика макро моделирования,

математические методы планирования экспериментов,

алгоритмы формализуемых операций расчета численных значений параметров и определения областей адекватности.

Использование математических моделей

Вычислительная мощность современных компьютеров в сочетании с предоставлением пользователю всех ресурсов системы, возможностью диалогового режима при решении задачи и анализе результатов позволяют свести к минимуму время решения задачи.

При составлении математической модели от исследователя требуется:

изучить свойства исследуемого объекта;

умение отделить главные свойства объекта от второстепенных;

оценить принятые допущения.

Модель описывает зависимость между исходными данными и искомыми величинами. Последовательность действий, которые надо выполнить, чтобы от исходных данных перейти к искомым величинам, называют алгоритмом.

Алгоритм решения задачи на ЭВМ связан с выбором численного метода. В зависимости от формы представления математической модели (алгебраическая или дифференциальная форма) используются различные численные методы.

Суть экономико-математического моделирования заключается в описании социально-экономических систем и процессов в виде экономико-математических моделей.

Рассмотрим вопросы классификации экономико-математических методов. Эти методы, как отмечено выше, представляют собой комплекс экономико-математических дисциплин, являющихся сплавом экономики, математики и кибернетики.

Поэтому классификация экономико-математических методов сводится к классификации научных дисциплин, входящих в их состав. Хотя общепринятая классификация этих дисциплин пока не выработана, с известной степенью приближения в составе экономико-математических методов можно выделить следующие разделы:

  • * экономическая кибернетика: системный анализ экономики, теория экономической информации и теория управляющих систем;
  • * математическая статистика: экономические приложения данной дисциплины -- выборочный метод, дисперсионный анализ, корреляционный анализ, регрессионный анализ, многомерный статистический анализ, факторный анализ, теория индексов и др.;
  • * математическая экономия и изучающая те же вопросы с количественной стороны эконометрия: теория экономического роста, теория производственных функций, межотраслевые балансы, национальные счета, анализ спроса и потребления, региональный и пространственный анализ, глобальное моделирование и др.;
  • * методы принятия оптимальных решений, в том числе исследование операций в экономике. Это наиболее объемный раздел, включающий в себя следующие дисциплины и методы: оптимальное (математическое) программирование, в том числе методы ветвей и границ, сетевые методы планирования и управления, программно-целевые методы планирования и управления, теорию и методы управления запасами, теорию массового обслуживания, теорию игр, теорию и методы принятия решений, теорию расписаний. В оптимальное (математическое) программирование входят в свою очередь линейное программирование, нелинейное программирование, динамическое программирование, дискретное (целочисленное) программирование, дробно-линейное программирование, параметрическое программирование, сепарабельное программирование, стохастическое программирование, геометрическое программирование;
  • * методы и дисциплины, специфичные отдельно как для централизованно планируемой экономики, так и для рыночной (конкурентной) экономики. К первым можно отнести теорию оптимального функционирования экономики, оптимальное планирование, теорию оптимального ценообразования, модели материально-технического снабжения и др. Ко вторым -- методы, позволяющие разработать модели свободной конкуренции, модели капиталистического цикла, модели монополии, модели индикативного планирования, модели теории фирмы и т. д.

Многие из методов, разработанных для централизованно планируемой экономики, могут оказаться полезными и при экономико-математическом моделировании в условиях рыночной экономики;

* методы экспериментального изучения экономических явлений. К ним относят, как правило, математические методы анализа и планирования экономических экспериментов, методы машинной имитации (имитационное моделирование), деловые игры. Сюда можно отнести также и методы экспертных оценок, разработанные для оценки явлений, не поддающихся непосредственному измерению.

Перейдем теперь к вопросам классификации экономико-математических моделей, другими словами, математических моделей социально-экономических систем и процессов.

Единой системы классификации таких моделей в настоящее время также не существует, однако обычно выделяют более десяти основных признаков их классификации, или классификационных рубрик. Рассмотрим некоторые из этих рубрик.

По общему целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые при изучении общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач анализа, прогнозирования и управления. Различные типы прикладных экономико-математических моделей как раз и рассматриваются в данном учебном пособии.

По степени агрегирования объектов моделирования модели разделяются на макроэкономические и микроэкономические. Хотя между ними и нет четкого разграничения, к первым из них относят модели, отражающие функционирование экономики как единого целого, в то время как микроэкономические модели связаны, как правило, с такими звеньями экономики, как предприятия и фирмы.

По конкретному предназначению, т. е. по цели создания и применения, выделяют балансовые модели, выражающие требование соответствия наличия ресурсов и их использования; трендовые модели, в которых развитие моделируемой экономической системы отражается через тренд (длительную тенденцию) ее основных показателей; оптимизационные модели, предназначенные для выбора наилучшего варианта из определенного числа вариантов производства, распределения или потребления; имитационные модели, предназначенные для использования в процессе машинной имитации изучаемых систем или процессов и др.

По типу информации, используемой в модели, экономике-математические модели делятся на аналитические, построенные на априорной информации, и идентифицируемые, построенные на апостериорной информации.

По учету фактора времени модели подразделяются на статические, в которых все зависимости отнесены к одному моменту времени, и динамические, описывающие экономические системы в развитии.

По учету фактора неопределенности модели распадаются на детерминированные, если в них результаты на выходе однозначно определяются управляющими воздействиями, и стохастические (вероятностные), если при задании на входе модели определенной совокупности значений на ее выходе могут получаться различные результаты в зависимости от действия случайного фактора.

Экономико-математические модели могут классифицироваться также по характеристике математических объектов, включенных в модель, другими словами, по типу математического аппарата, используемого в модели. По этому признаку могут быть выделены матричные модели, модели линейного и нелинейного программирования, корреляционно-регрессионные модели,

Основные понятия математического моделирования модели теории массового обслуживания, модели сетевого планирования и управления, модели теории игр и т.д.

Наконец, по типу подхода к изучаемым социально-экономическим системам выделяют дескриптивные и нормативные модели. При дескриптивном (описательном) подходе получаются модели, предназначенные для описания и объяснения фактически наблюдаемых явлений или для прогноза этих явлений; в качестве примера дескриптивных моделей можно привести названные ранее балансовые и трендовые модели. При нормативном подходе интересуются не тем, каким образом устроена и развивается экономическая система, а как она должна быть устроена и как должна действовать в смысле определенных критериев. В частности, все оптимизационные модели относятся к типу нормативных; другим примером могут служить нормативные модели уровня жизни.

Рассмотрим в качестве примера экономико-математическую модель межотраслевого баланса (ЭММ МОБ). С учетом приведенных выше классификационных рубрик это прикладная, макроэкономическая, аналитическая, дескриптивная, детерминированная, балансовая, матричная модель; при этом существуют как статические методы так и динамические

Линейное программирование -- это частный раздел оптимального программирования. В свою очередь оптимальное (математическое) программирование -- раздел прикладной математики, изучающий задачи условной оптимизации. В экономике такие задачи возникают при практической реализации принципа оптимальности в планировании и управлении.

Необходимым условием использования оптимального подхода к планированию и управлению (принципа оптимальности) является гибкость, альтернативность производственно- хозяйственных ситуаций, в условиях которых приходится принимать планово-управленческие решения. Именно такие ситуации, как правило, и составляют повседневную практику хозяйствующего субъекта (выбор производственной программы, прикрепление к поставщикам, маршрутизация, раскрой материалов, приготовление смесей и т.д.).

Суть принципа оптимальности состоит в стремлении выбрать такое планово-управленческое решение X = (xi, Х2 хп), где Ху, (у = 1. я) -- его компоненты, которое наилучшим образом учитывало бы внутренние возможности и внешние условия производственной деятельности хозяйствующего субъекта.

Слова «наилучшим образом» здесь означают выбор некоторого критерия оптимальности, т.е. некоторого экономического показателя, позволяющего сравнивать эффективность тех или иных планово-управленческих решений. Традиционные критерии оптимальности: «максимум прибыли», «минимум затрат», «максимум рентабельности» и др. Слова «учитывало бы внутренние возможности и внешние условия производственной деятельности» означают, что на выбор планово-управленческого решения (поведения) накладывается ряд условий, т.е. выбор X осуществляется из некоторой области возможных (допустимых) решений D; эту область называют также областью определения задачи. общая задача оптимального (математического) программирования, иначе -- математическая модель задачи оптимального программирования, в основе построения (разработки) которой лежат принципы оптимальности и системности.

Вектор X (набор управляющих переменных Xj, j = 1, п) называется допустимым решением, или планом задачи оптимального программирования, если он удовлетворяет системе ограничений. А тот план X (допустимое решение), который доставляет максимум или минимум целевой функции f(xi, *2, ..., хп), называется оптимальным планом (оптимальным поведением, или просто решением) задачи оптимального программирования.

Таким образом, выбор оптимального управленческого поведения в конкретной производственной ситуации связан с проведением с позиций системности и оптимальности экономико- математического моделирования и решением задачи оптимального программирования. Задачи оптимального программирования в наиболее общем виде классифицируют по следующим признакам.

  • 1. По характеру взаимосвязи между переменными --
  • а) линейные,
  • б) нелинейные.

В случае а) все функциональные связи в системе ограничений и функция цели -- линейные функции; наличие нелинейности хотя бы в одном из упомянутых элементов приводит к случаю б).

  • 2. По характеру изменения переменных --
  • а) непрерывные,
  • б) дискретные.

В случае а) значения каждой из управляющих переменных могут заполнять сплошь некоторую область действительных чисел; в случае б) все или хотя бы одна переменная могут принимать только целочисленные значения.

  • 3. По учету фактора времени --
  • а) статические,
  • б) динамические.

В задачах а) моделирование и принятие решений осуществляются в предположении о независимости от времени элементов модели в течение периода времени, на который принимается планово-управленческое решение. В случае б) такое предположение достаточно аргументированно принято не может быть и необходимо учитывать фактор времени.

  • 4. По наличию информации о переменных --
  • а) задачи в условиях полной определенности (детерминированные),
  • б) задачи в условиях неполной информации,
  • в) задачи в условиях неопределенности.

В задачах б) отдельные элементы являются вероятностными величинами, однако известны или дополнительными статистическими исследованиями могут быть установлены их законы распределения. В случае в) можно сделать предположение о возможных исходах случайных элементов, но нет возможности сделать вывод о вероятностях исходов.

  • 5. По числу критериев оценки альтернатив --
  • а) простые, однокритериальные задачи,
  • б) сложные, многокритериальные задачи.

В задачах а) экономически приемлемо использование одного критерия оптимальности или удается специальными процедурами (например, «взвешиванием приоритетов»)

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

1. Основные понятия математического моделирования

Решение практических задач математическими методами последовательно осуществляется путем формулировки задачи (разработки математической модели), выбора метода исследования полученной математической модели, анализа полученного математического результата. Математическая формулировка задачи обычно представляется в виде геометрических образов, функций, систем уравнений и т.п. Описание объекта (явления) может быть представлено с помощью непрерывной или дискретной, детерминированной или стохастической и другими математическими формами.

Теория математического моделирования обеспечивает выявление закономерностей протекания различных явлений окружающего мира или работы систем и устройств путем их математического описания и моделирования без проведения натурных испытаний. При этом используются положения и законы математики, описывающие моделируемые явления, системы или устройства на некотором уровне их идеализации.

Математическая модель (ММ) представляет собой формализованное описание системы (или операции) на некотором абстрактном языке, например, в виде совокупности математических соотношений или схемы алгоритма, т. е. такое математическое описание, которое обеспечивает имитацию работы систем или устройств на уровне, достаточно близком к их реальному поведению, получаемому при натурных испытаниях систем или устройств. Любая ММ описывает реальный объект, явление или процесс с некоторой степенью приближения к действительности. Вид ММ зависит как от природы реального объекта, так и от задач исследования.

Математическое моделирование общественных, экономических, биологических и физических явлений, объектов, систем и различных устройств является одним из важнейших средств познания природы и проектирования самых разнообразных систем и устройств. Известны примеры эффективного использования моделирования в создании ядерных технологий, авиационных и аэрокосмических систем, в прогнозе атмосферных и океанических явлений, погоды и т.д.

Однако для таких серьезных сфер моделирования нередко нужны суперкомпьютеры и годы работы крупных коллективов ученых по подготовке данных для моделирования и его отладки. Тем не менее, и в этом случае математическое моделирование сложных систем и устройств не только экономит средства на проведение исследований и испытаний, но и может устранить экологические катастрофы - например, позволяет отказаться от испытаний ядерного и термоядерного оружия в пользу его математического моделирования или испытаний аэрокосмических систем перед их реальными полетами.

Между тем математическое моделирование на уровне решения более простых задач, например, из области механики, электротехники, электроники, радиотехники и многих других областей науки и техники в настоящее время стало доступным выполнять на современных ПК. А при использовании обобщенных моделей становится возможным моделирование и достаточно сложных систем, например, телекоммуникационных систем и сетей, радиолокационных или радионавигационных комплексов.

Целью математического моделирования является анализ реальных процессов (в природе или технике) математическими методами. В свою очередь, это требует формализации ММ процесса, подлежащего исследованию. Модель может представлять собой математическое выражение, содержащее переменные, поведение которых аналогично поведению реальной системы. Модель может включать элементы случайности, учитывающие вероятности возможных действий двух или большего числа «игроков», как, например, в теории игр; либо она может представлять реальные переменные параметры взаимосвязанных частей действующей системы.

Математическое моделирование для исследования характеристик систем можно разделить на аналитическое, имитационное и комбинированное. В свою очередь, ММ делятся на имитационные и аналитические.

2. Особенности построения математических моделей

Для использования ЭВМ при решении прикладных задач прежде всего прикладная задача должна быть "переведена" на формальный математический язык, т.е. для реального объекта, процесса или системы должна быть построена егоматематическая модель.

Математические модели в количественной форме, с помощью логико-математических конструкций, описывают основные свойства объекта, процесса или системы, его параметры, внутренние и внешние связи.

Для построения математической модели необходимо:

Тщательно проанализировать реальный объект или процесс;

Выделить его наиболее существенные черты и свойства;

Определить переменные, т.е. параметры, значения которых влияют на основные черты и свойства объекта;

Описать зависимость основных свойств объекта, процесса или системы от значения переменных с помощью логико-математических соотношений (уравнения, равенства, неравенства, логико-математические конструкций);

Выделить внутренние связи объекта, процесса или системы с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций;

Определить внешние связи и описать их с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций.

Математическое моделирование, кроме исследования объекта, процесса или системы и составления их математического описания, также включает:

Построение алгоритма, моделирующего поведение объекта, процесса или системы;

Проверка адекватности модели и объекта, процесса или системы на основе вычислительного и натурного эксперимента;

Корректировка модели;

Использование модели.

Математическое описание исследуемых процессов и систем зависит от:

Природы реального процесса или системы и составляется на основе законов физики, химии, механики, термодинамики, гидродинамики, электротехники, теории пластичности, теории упругости и т.д.

Требуемой достоверности и точности изучения и исследования реальных процессов и систем.

На этапе выбора математической модели устанавливаются: линейность и нелинейность объекта, процесса или системы, динамичность или статичность, стационарность или нестационарность, а также степень детерминированности исследуемого объекта или процесса. При математическом моделировании сознательно отвлекаются от конкретной физической природы объектов, процессов или систем и, в основном, сосредотачиваются на изучении количественных зависимостей между величинами, описывающими эти процессы.

Математическая модель никогда не бывает полностью тождественна рассматриваемому объекту, процессу или системе. Основанная на упрощении, идеализации, она является приближенным описанием объекта. Поэтому результаты, полученные при анализе модели, носят приближенный характер. Их точность определяется степенью адекватности (соответствия) модели и объекта.

Построение математической модели обычно начинается с построения и анализа простейшей, наиболее грубой математической модели рассматриваемого объекта, процесса или системы. В дальнейшем, в случае необходимости, модель уточняется, делается ее соответствие объекту более полным.Возьмем простой пример. Нужно определить площадь поверхности письменного стола. Обычно для этого измеряют его длину и ширину, а затем перемножают полученные числа. Такая элементарная процедура фактически обозначает следующее: реальныйобъект (поверхность стола) заменяется абстрактной математической моделью - прямоугольником. Прямоугольнику приписываются размеры, полученные в результате измерения длины и ширины поверхности стола, и площадь такого прямоугольника приближенно принимается за искомую площадь стола.

Однако модель прямоугольника для письменного стола - это простейшая, наиболее грубая модель. При более серьезном подходе к задаче прежде, чем воспользоваться для определения площади стола моделью прямоугольника, эту модель нужно проверить. Проверки можно осуществить следующим образом: измерить длины противоположных сторон стола, а также длины его диагоналей и сравнить их между собой. Если, с требуемой степенью точности, длины противоположных сторон и длины диагоналей попарно равны между собой, то поверхность стола действительно можно рассматривать как прямоугольник. В противном случае модель прямоугольника придется отвергнуть и заменить моделью четырехугольника общего вида. При более высоком требовании к точности может возникнуть необходимость пойти в уточнении модели еще дальше, например, учесть закругления углов стола.

С помощью этого простого примера было показано, что математическая модель не определяется однозначно исследуемым объектом, процессом или системой. Для одного и того же стола мы можем принять либо модель прямоугольника, либо более сложную модель четырехугольника общего вида, либо четырехугольника с закругленными углами. Выбор той или иной модели определяется требованием точности. С повышением точности модель приходится усложнять, учитывая новые и новые особенности изучаемого объекта, процесса или системы.

Рассмотрим другой пример: исследование движения кривошипно-шатунного механизма (Рис. 4).

Для кинематического анализа этого механизма, прежде всего, необходимо построить его кинематическую модель. Для этого:заменяем механизм его кинематической схемой, где все звенья заменены жесткими связями.Пользуясь этой схемой, мы выводим уравнение движения механизма.Дифференцируя последнее, получаем уравнения скоростей и ускорения, которые представляют собой дифференциальные уравнения 1-го и 2-го порядка.

Запишем эти уравнения:

где С 0 - крайнее правое положение ползуна С:

r - радиус кривошипа AB;

l - длина шатуна BC;

Угол поворота кривошипа;

Полученные трансцендентные уравнения представляют математическую модель движения плоского аксиального кривошипно-шатунного механизма, основанную на следующих упрощающих предположениях:нас не интересовали конструктивные формы и расположение масс, входящих в механизм тел, и все тела механизма мы заменили отрезками прямых. На самом деле, все звенья механизма имеют массу и довольно сложную форму. Например, шатун - это сложное сборное соединение, форма и размеры которого, конечно, будут влиять на движение механизма;при построении математической модели движения рассматриваемого механизма мы также не учитывали упругость входящих в механизм тел, т.е. все звенья рассматривали как абстрактные абсолютно жесткие тела. В действительности же, все входящие в механизм тела - упругие тела. Они при движении механизма будут как-то деформироваться, в них могут даже возникнуть упругие колебания. Это все, конечно, также будет влиять на движение механизма;мы не учитывали погрешность изготовления звеньев, зазоры в кинематических парах A, B, C и т.д.

Таким образом, важно еще раз подчеркнуть, что, чем выше требования к точности результатов решения задачи, тем больше необходимость учитывать при построении математической модели особенности изучаемого объекта, процесса или системы. Однако, здесь важно во время остановиться, так как сложная математическая модель может превратиться в трудно разрешимуюзадачу.

Наиболее просто строится модель, когда хорошо известны законы, определяющие поведение и свойства объекта, процесса или системы, и имеется большой практический опыт их применения.Более сложная ситуация возникает тогда, когда наши знания об изучаемом объекте, процессе или системе недостаточны. В этом случае при построении математической модели приходится делать дополнительные предположения, которые носят характер гипотез, такая модель называется гипотетической. Выводы, полученные в результате исследования такой гипотетической модели, носят условный характер. Для проверки выводов необходимо сопоставить результаты исследования модели на ЭВМ с результатами натурного эксперимента. Таким образом, вопрос применимости некоторой математической модели к изучению рассматриваемого объекта, процесса или системы не является математическим вопросом и не может быть решен математическими методами.

Основным критерием истинности является эксперимент, практика в самом широком смысле этого слова.

Построение математической модели в прикладных задачах - один из наиболее сложных и ответственных этапов работы. Опыт показывает, что во многих случаях правильно выбрать модель - значит решить проблему более, чем наполовину. Трудность данного этапа состоит в том, что он требует соединения математических и специальных знаний. Поэтому очень важно, чтобы при решении прикладных задач математики обладали специальными знаниями об объекте, а их партнеры, специалисты, - определенной математической культурой, опытом исследования в своей области, знанием ЭВМ и программирования.

3. Обобщенная математическая модель

Математическая модель описывает зависимость между исходными данными и искомыми величинами.Элементами обобщенной математической модели являются (рис. 1):

· множество входных данных (переменные) X,Y; X - совокупность варьируемых переменных; Y - независимые переменные (константы);

· математический оператор L, определяющий операции над этими данными; под которым понимается полная система математических операций, описывающих численные или логические соотношения между множествами входных и выходных данных (переменные);

· множество выходных данных (переменных) G(X,Y); представляет собой совокупность критериальных функций, включающую (при необходимости) целевую функцию.

Математическая модель является математическим аналогом проектируемого объекта. Степень адекватности ее объекту определяется постановкой и корректностью решений задачи проектирования.

Множество варьируемых параметров (переменных) X образует пространство варьируемых параметров R x (пространство поиска), которое является метрическим с размерностью n, равной числу варьируемых параметров.

Множество независимых переменных Y образуют метрическое пространство входных данных R y . В том случае, когда каждый компонент пространства R y задается диапазоном возможных значений, множество независимых переменных отображается некоторым ограниченным подпространством пространства R y .

Множество независимых переменных Y определяет среду функционирования объекта, т.е. внешние условия, в которых будет работать проектируемый объект.Это могут быть:

Технические параметры объекта, не подлежащие изменению в процессе проектирования;

Физические возмущения среды, с которой взаимодействует объект проектирования;

Тактические параметры, которые должен достигать объект проектирования.

Выходные данные рассматриваемой обобщенной модели образуют метрическое пространство критериальных показателей R G .

Схема использования математической модели в системе автоматизированного проектирования показана на рис.2.

4. Требования к математическим моделям

математический модель задача результат

Основными требованиями к МО являются требования адекватности, точности, экономичности.

1. Адекватность - способность отображать заданные свойства объекта с погрешностью не выше заданной.

2. Точность - оценивается степенью совпадения значений параметров действительного объекта и рассчитанных на математических моделях.

3. Универсальность - характеризует полноту отображения в модели свойств реального объекта.

4. Экономичность - обычно характеризуется необходимыми затратами машинной памяти и времени. Иногда оценивается по количеству операций необходимых при одном обращении к модели.Аналогичные требования по точности и экономичности фигурируют при выборе численных методов решения уравнений модели.

Требования универсальности, точности, адекватности с одной стороны и экономичности с другой противоречивы. Это обуславливает работу целого спектра моделей отличающихся теми или иными свойствами.

5. Методы получения математической модели

1. Выбор свойств объекта, которые подлежат отражению в модели. Выбор основан на анализе возможных применений модели и определяет степень универсальности ММ.

2. Сбор исходной информации о выбранных свойствах объекта. Источниками сведений могут быть: опыт и знания инженера, разрабатывающего модель; научно-техническая литература, прежде всего справочная; описания прототипов -- имеющихся ММ для элементов, близких по своим свойствам к исследуемому объекту; результаты экспериментального измерения параметров и т. п.

3. Синтез структуры ММ. Структура ММ -- общий вид математических соотношений модели без конкретизации числовых значений фигурирующих в них параметров. Структура модели может быть представлена также в графической форме, например в виде эквивалентной схемы или графа. Синтез структуры -- наиболее ответственная и наиболее трудно поддающаяся формализации операция.

4. Расчет числовых значений параметров ММ. Эта задача ставится как задача минимизации погрешности модели заданной структуры.

5. Оценка точности и адекватности ММ. Для оценки точности должны использоваться значения, которые не фигурировали при решении задачи.

6. Реализация функциональных ММ на ЭВМ подразумевает выбор численного метода решения уравнений и преобразование уравнений в соответствии с особенностями выбранного метода. Конечная цель преобразований -- получение рабочей программы анализа в виде последовательности элементарных действий (арифметических и логических операций), реализуемых командами ЭВМ. Указанные преобразования исходной ММ в последовательности элементарных действий ЭВМ выполняет автоматически по специальным программам, создаваемым инженером -- разработчиком САПР. Инженер-пользователь САПР должен лишь указать, какие программы из имеющихся он хочет использовать. Процесс преобразований ММ, относящихся к различным иерархическим уровням, иллюстрирует рисунок 3.

Рисунок 3 Процесс преобразования математических моделей ДУЧП -- дифференциальные уравнения с частными производными; ОДУ -- обыкновенные дифференциальные уравнения; АУ -- алгебраические уравнения; ЛАУ -- линейные алгебраические уравнения; 1...12 -- взаимно направленные пути дискретизации переменных в ММ

7. Инженер-пользователь задает исходную информацию об анализируемом объекте и о проектных процедурах, подлежащих выполнению, на удобном для него проблемно-ориентированном языке программного комплекса. Ветви 1 на рисунке 5.1 соответствует постановка задачи, относящейся к микроуровню, как краевой, чаще всего в виде ДУЧП. Численные методы решения ДУЧП основаны на дискретизации переменных и алгебраизации задачи.

Дискретизация заключается в замене непрерывных переменных конечным множеством их значений в заданных для исследования пространственном и временном интервалах; алгебраизация -- в замене производных алгебраическими соотношениями.

6. Использование математических моделей

Вычислительная мощность современных компьютеров в сочетании с предоставлением пользователю всех ресурсов системы, возможностью диалогового режима при решении задачи и анализе результатов позволяют свести к минимуму время решения задачи.

При составлении математической модели от исследователя требуется:

· изучить свойства исследуемого объекта;

· умение отделить главные свойства объекта от второстепенных;

· оценить принятые допущения.

Модель описывает зависимость между исходными данными и искомыми величинами. Последовательность действий, которые надо выполнить, чтобы от исходных данных перейти к искомым величинам, называют алгоритмом.

Алгоритм решения задачи связан с выбором численного метода. В зависимости от формы представления математической модели (алгебраическая или дифференциальная форма) используются различные численные методы.

Размещено на Allbest.ru

Подобные документы

    Основные понятия математического моделирования, характеристика этапов создания моделей задач планирования производства и транспортных задач; аналитический и программный подходы к их решению. Симплекс-метод решения задач линейного программирования.

    курсовая работа , добавлен 11.12.2011

    Применение системы MathCAD при решении прикладных задач технического характера. Основные средства математического моделирования. Решение дифференциальных уравнений. Использование системы MathCad для реализации математических моделей электрических схем.

    курсовая работа , добавлен 17.11.2016

    Сущность понятия "дифференциальное уравнение". Главные этапы математического моделирования. Задачи, приводящие к решению дифференциальных уравнений. Решение задач поиска. Точность маятниковых часов. Решение задачи на определение закона движения шара.

    курсовая работа , добавлен 06.12.2013

    Изучение актуальной задачи математического моделирования в биологии. Исследование модифицированной модели Лотки-Вольтерра типа конкуренция хищника за жертву. Проведение линеаризации исходной системы. Решение системы нелинейных дифференциальных уравнений.

    контрольная работа , добавлен 20.04.2016

    Основные положения теории математического моделирования. Структура математической модели. Линейные и нелинейные деформационные процессы в твердых телах. Методика исследования математической модели сваи сложной конфигурации методом конечных элементов.

    курсовая работа , добавлен 21.01.2014

    Понятие и виды задач математического линейного и нелинейного программирования. Динамическое программирование, решение задачи средствами табличного процессора Excel. Задачи динамического программирования о выборе оптимального распределения инвестиций.

    курсовая работа , добавлен 21.05.2010

    Общая характеристика факультативных занятий по математике, основные формы и методы проведения. Составление календарно-тематического плана факультативного курса

ВВЕДЕНИЕ

Невозможно представить себе современную науку без широкого применения математического моделирования. Сущность этой методологии состоит в замене исходного объекта его «образом» - математической моделью - и дальнейшем изучении модели с помощью реализуемых на компьютерах вычислительно-логических алгоритмов. Этот «третий метод» познания, конструирования, проектирования сочетает в себе многие достоинства как теории, так и эксперимента. Работа не с самим объектом (явлением, процессом), а с его моделью дает возможность безболезненно, относительно быстро и без существенных затрат исследовать его свойства и поведение в любых мыслимых ситуациях (преимущества теории). В то же время вычислительные (компьютерные, симуляционные, имитационные) эксперименты с моделями объектов позволяют, опираясь на мощь современных вычислительных методов и технических инструментов информатики, подробно и глубоко изучать объекты в достаточной полноте, недоступной чисто теоретическим подходам (преимущества эксперимента). Неудивительно, что методология математического моделирования бурно развивается, охватывая все новые сферы - от разработки технических систем и управления ими до анализа сложнейших экономических и социальных процессов.

Элементы математического моделирования использовались с самого начала появления точных наук, и не случайно, что некоторые методы вычислений носят имена таких корифеев науки, как Ньютон и Эйлер, а слово «алгоритм» происходит от имени средневекового арабского ученого Аль-Хорезми. Второе «рождение» этой методологии пришлось на конец 40-х-начало 50-х годов XX века и было обусловлено по крайней мере двумя причинами. Первая из них - появление ЭВМ (компьютеров), хотя и скромных по нынешним меркам, но тем не менее избавивших ученых от огромной по объему рутинной вычислительной работы. Вторая - беспрецедентный социальный заказ - выполнение национальных программ СССР и США по созданию ракетно-ядерного щита, которые не могли быть реализованы традиционными методами. Математическое моделирование справилось с этой задачей: ядерные взрывы и полеты ракет и спутников были предварительно «осуществлены» в недрах ЭВМ с помощью математических моделей и лишь затем претворены на практике. Этот успех во многом определил дальнейшие достижения методологии, без применения которой в развитых странах ни один крупномасштабный технологический, экологический или экономический проект теперь всерьез не рассматривается (сказанное справедливо и по отношению к некоторым социально-политическим проектам).

Сейчас математическое моделирование вступает в третий принципиально важный этап своего развития, «встраиваясь» в структуры так называемого информационного общества. Впечатляющий прогресс средств переработки, передачи и хранения информации отвечает мировым тенденциям к усложнению и взаимному проникновению различных сфер человеческой деятельности. Без владения информационными «ресурсами» нельзя и думать о решении все более укрупняющихся и все более разнообразных проблем, стоящих перед мировым сообществом. Однако информация как таковая зачастую мало что дает для анализа и прогноза, для принятия решений и контроля за их исполнением. Нужны надежные способы переработки информационного «сырья» в готовый «продукт», т. е. в точное знание. История методологии математического моделирования убеждает: она может и должна быть интеллектуальным ядром информационных технологий, всего процесса информатизации общества.

Технические, экологические, экономические и иные системы, изучаемые современной наукой, больше не поддаются исследованию (в нужной полноте и точности) обычными теоретическими методами. Прямой натурный эксперимент над ними долог, дорог, часто либо опасен, либо попросту невозможен, так как многие из этих систем существуют в «единственном экземпляре». Цена ошибок и просчетов в обращении с ними недопустимо высока. Поэтому математическое (шире - информационное) моделирование является неизбежной составляющей научно-технического прогресса.

Рассматривая вопрос шире, напомним, что моделирование присутствует почти во всех видах творческой активности людей различных «специальностей» - исследователей и предпринимателей, политиков и военачальников. Привнесение в эти сферы точного знания помогает ограничить интуитивное умозрительное «моделирование», расширяет поле приложений рациональных методов. Конечно же, математическое моделирование плодотворно лишь при выполнении хорошо известных профессиональных требований: четкая формулировка основных понятий и предположений, апостериорный анализ адекватности используемых моделей, гарантированная точность вычислительных алгоритмов и т. д. Если же говорить о моделировании систем с участием «человеческого фактора», т. е. трудно формализуемых объектов, то к этим требованиям необходимо добавить аккуратное разграничение математических и житейских терминов (звучащих одинаково, но имеющих разный смысл), осторожное применение уже готового математического аппарата к изучению явлений и процессов (предпочтителен путь «от задачи к методу», а не наоборот) и ряд других.

Решая проблемы информационного общества, было бы наивно уповать только на мощь компьютеров и иных средств информатики. Постоянное совершенствование триады математического моделирования и ее внедрение в современные информационно-моделирующие системы - методологический императив. Лишь его выполнение дает возможность получать так нужную нам высокотехнологичную, конкурентоспособную и разнообразную материальную и интеллектуальную продукцию.

Выбранная мною тема является актуальной в современной математике и ее приложениях. В современном научном подходе в исследовании естественных, технических и социально-экономических объектов возрастает значение математического моделирования происходящих в них процессов. Натурное изучение поведения объектов и систем в таких режимах и условиях невозможно либо затруднительно, что вынуждает применять методы математического моделирования.

Цель данной курсовой работы это - научиться использовать методы математического моделирования для исследования различных природных социальных процессов.

Задачи поставленные для достижения цели:

n Изучить теоретические вопросы математического моделирования, классификация моделей.

ОСНОВНЫЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

Моделирование - метод научного исследования явлений, процессов, объектов, устройств или систем (обобщенно – объектов исследований), основанный на построении и изучении моделей с целью получения новых знаний, совершенствования характеристик объектов исследований или управления ими.

Модель - материальный объект или образ (мысленный или условный: гипотеза, идея, абстракция, изображение, описание, схема, формула, чертеж, план, карта, блок-схема алгоритма, ноты и т.п.), которые упрощенно отображают самые существенные свойства объекта исследования.

Любая модель всегда проще реального объекта и отображает лишь часть его самых существенных черт, основных элементов и связей. По этой причине для одного объекта исследования существует множество различных моделей. Вид модели зависит от выбранной цели моделирования.

В основе термина «модель» лежит латинское слово modulus - мера, образец. Модель – это заместитель реального объекта исследования. Модель всегда проще исследуемого объекта. При изучении сложных явлений, процессов, объектов не удается учесть полную совокупность всех элементов и связей, определяющих их свойства.

Но все элементы и связи в создаваемой модели и не следует учитывать. Нужно лишь выделить наиболее характерные, доминирующие составляющие, которые в подавляющей степени определяют основные свойства объекта исследования. В результате объект исследования заменяется некоторым упрощенным подобием, но обладающим характерными, главными свойствами, аналогичными свойствам объекта исследования. Появившийся вследствие проведенной подмены новый объект (или абстракция) принято называть моделью объекта исследования.

Для составления математических моделей можно использовать любые математические средства - дифференциальное и интегральное исчисления, регрессионный анализ, теорию вероятностей, математическую статистику и т. д. Математическая модель представляет собой совокупность формул, уравнений, неравенств, логических условий и т.д. Использованные в математическом моделировании математические соотношения определяют процесс изменения состояния объекта исследования в зависимости от его параметров, входных сигналов, начальных условий и времени. По существу, вся математика создана для формирования математических моделей.

О большом значении математики для всех других наук (в том числе и моделирования) говорит следующий факт. Великий английский физик И.Ньютон (1643-1727 г.г.) в середине 17-го века познакомился с работами Рене Декарта и Пьера Гассенди. В этих работах утверждалось, что все строение мира может быть описано математическими формулами. Под влиянием этих трудов И.Ньютон стал усиленно изучать математику. Сделанный им вклад в физику и математику широко известен.

Математическое моделирование - метод изучения объекта исследования, основанный на создании его математической модели и использовании её для получения новых знаний, совершенствования объекта исследования или управления объектом.

Для математического моделирования характерно то, что процессы функционирования объекта записывают в виде математических соотношений (алгебраические, интегральные), записывают в виде логических условий.

Дифференциальные уравнения являются одним из основных средств составления математических моделей, наиболее широко применяемых при решении математических задач. При исследовании физических процессов, решении различных прикладных задач, как правило, не удается непосредственно найти законы, которые связывают величины, характеризующие исследуемые явления. Обычно легче устанавливаются зависимости между теми же величинами и их производными или дифференциалами. Соотношения такого рода и называются дифференциальными уравнениями. Возможности и правила составления дифференциальных уравнений определяются знаниями законов той области науки, с которой связана природа изучаемой задачи. Так, например, в механике могут использоваться законы Ньютона, в теории скоростей химических реакций – закон действия масс и т.д. Однако на практике часто встречаются случаи, когда законы, которые могли бы позволить составить дифференциальное уравнение, неизвестны. Тогда прибегают к различным упрощающим предположениям, касающимся протекания процесса при малых изменениях параметров-переменных. К дифференциальным уравнениям в таком случае приводит предельный переход. Вопрос соответствия математической модели и реального явления решается на основе анализа результатов, опытов и сравнения их с поведением решения полученного дифференциального уравнения