Моделирование экономических процессов - Власов М. П
..pdfМоделирование экономических процессов
13.3. Прогнозирование экономических систем на основе марковских моделей
Втеории вероятностного моделирования к наиболее изученным
иисследованным относятся модели, у которых случайный процесс функционирования относится к классу марковских процессов, т. е. марковские модели.
Случайный процесс, протекающий в системе, называется мар ковским, если для любого момента времени вероятностные характе ристики процесса в будущем зависят только от его состояния в дан ный момент и не зависят от того, когда и как система пришла в это состояние. При исследовании экономических и, в частности, произ водственных систем наибольшее применение имеют марковские случайные процессы с дискретными состояниями и непрерывным временем. Процесс называется процессом с дискретными состоя ниями, если все его возможные состояния можно заранее перечис лить, т. е. состояния системы принадлежат к конечному множеству
Z-{*,}•
Процесс называется процессом с непрерывным временем, если смена состояний может произойти в любой случайный момент; при этом считается, что переход системы из одного состояния в другое происходит мгновенно.
В качестве иллюстрации использования теории марковских про цессов построим и решим марковскую модель для следующей про стейшей условной задачи.
Постановка задачи. Предположим, что на рынке вычислитель ного оборудования преобладают дискеты двух марок: А и В. Допус тим, что потребители приобретают новую упаковку дискет прибли зительно один раз в месяц, и сделаем при этом следующие предпо ложения.
1.Если в текущем месяце потребитель пользуется дискетами мар ки А, то с вероятностью 0,6 он будет приобретать их и в следую щем месяце, а с вероятностью 0,4 в следующем месяце он приоб ретет дискеты марки В.
2.Если в текущем месяце потребитель пользуется дискетами мар ки В, то с вероятностью 0,7 он будет приобретать их и в следую-
330
13. Имитационное моделирование
щем месяце, а с вероятностью 0,3 в следующем месяце он приоб ретет дискеты марки А.
В матричной форме эта информация может быть записана сле дующим образом:
0,6 0,4 т, - 0,3 0,7
Матрицу Рг называют при этом одноступенчатой матрицей пе реходов.
Целью решения данной задачи является составление прогноза состояния рынка дискет в обозримом будущем.
Формализация модели. Проанализируем динамику переходов системы из одного состояния в другое в процессе времени, т. е. построим марковские цепи, рассчитывая одновременно соответству ющие вероятности переходов.
Первая итерация. Построение матрицы двухступенчатых пе реходов.
Вероятность того, что потребитель, использующий в данный ме сяц дискеты марки А, будет их использовать и через месяц, равна рА_>А = 0,48 : (0,6 • 0,6 + 0,4 • 0,3). Графически данный расчет можно проиллюстрировать следующим образом (рис. 13.1).
1 -й месяц |
2-й месяц |
3-й месяц |
Рис. 13.1. Двухступенчатый переход
331
Моделирование экономических процессов
Аналогично рассчитываются вероятности:
P ^ s - 0,52(0,6 -0,4 + 0,4-0,7);
Рв_+В = 0,61(0,3 • 0,4 + 0,7 • 0,7); РВ->А - 0,39(0,3 • 0,6 + 0,7 • 0,3).
В результате получаем матрицу двухступенчатых переходов
0,48 0,52 ш> =0,39 0,61'
которая может быть рассчитана по исходным данным при помощи аппарата матричной алгебры:
|
|
0,6 |
0,4 |
0,6 |
0,4 |
0,48 |
0,52 |
р = р |
. р |
= тг = 0,3 |
0,7 |
0,3 |
0,7 |
0,39 |
0,61 |
1 г 1 1 |
11 |
1 |
|
|
|
|
|
Вторая итерация. Построение матрицы трехступенчатых пе реходов.
Построение матрицы трехступенчатых переходов проиллюстри руем (рис. 13.2) на примере расчета вероятности того, что покупа тель, использовав дискеты марки А в первом дискрете времени, ос-
1-й месяц |
2-й месяц |
3-й месяц |
Рис. 13.2. Трехступенчатый переход: Р„_м = (0,48 • 0,6 + 0,52 • 0,3) = 0,444
332
13, Имитационное моделирование
танется их приверженцем и в четвертом дискрете (через три ступе ни) времени.
Остальные элементы матрицы трехступенчатых переходов бу дут равны:
РА-*В т (°<48 ' |
°'4 + °'5 2 |
' °'7) " °'5 5 6 ' |
Рв->В " (°'3 9 |
• °'4 + °'6 1 • °'7) ° °'5 8 3 ' |
|
Рв^А - (0,39 • 0,6 + 0,61 |
• 0,3) = 0,417. |
Естественно, что матрица трехступенчатых переходов (Р3), так же как и матрица Рг, может быть рассчитана с использованием мат ричной алгебры:
Р3=Рг- Рг" тз _ 0,48 |
0,52 |
0,6 |
0,4 |
0,444 |
0,556* |
|
0,417 |
0,583 |
|||||
0,39 |
0,61 |
0,3 |
0,7 |
В общем случае для ступени к перехода соответствующая мат рица может быть рассчитана по следующей формуле:
Прогнозирование рынка товара. Предположим, что в начале наших наблюдений за рынком объем продажи дискет марки А со ставляет 3Д в с е х объемов продаж дискет, а объем продажи дискет марки В — лишь У4, т. е. в векторном виде:
ха=(0,75; 0,25).
Рассчитаем аналогичный вектор х2, компоненты которого пока зывают, какую часть рынка будет контролировать каждая марка дис кет через месяц.
Рассмотрим для этого следующую схему (рис. 13.3). Из рис. 13.3. получаем
х2 - (0,525; 0,475).
* Сумма элементов по каждой строке матрицы должна быть равна еди нице.
333
Моделирование экономических процессов
^ - 0 , 4 5
А: 0,75
В. 0,25
Исходная доля |
|
|
|
Прогноз по сбыту |
||
рынка |
|
|
|
|
товаров |
|
Рис. 13.3. Расчет вектора продаж |
х2 |
|
|
|||
Аналогично выполняются расчеты и для нахождения вектора х3 |
||||||
(рис. 13.4). |
|
|
|
|
|
|
А 0,525 |
|
|
|
. |
0,315 |
|
|
|
0,4575 |
|
|
|
|
|
|
|
|
0,21 — |
|
|
|
|
|
|
|
|
|
В: 0,475 |
|
|
|
. |
0,1425 |
0,5425 |
|
|
|
|
|
|
|
|
В |
|
|
|
0,3325 |
_ |
Рис. 13.4. Расчет вектора продаж |
х3 |
|
|
|||
Как следует из рис. 13.4, |
|
|
|
|
|
|
х3 = (0,4575; 05425). |
|
|
|
|||
Проиллюстрированные выше расчеты легко реализуются в мат |
||||||
ричной форме: |
|
|
|
|
|
|
х2=х1-Р1=(0,75; 0,25)- |
0,6 |
0,4 |
(0,525; 0,475); |
|||
0,3 0,7 |
||||||
х3 =х2Р1=х1Р12 =(0,75; 0,25)- |
0,444 |
0,556 = (0,4575; 0,5425). |
||||
|
0,417 |
0,583 |
|
|
|
334
13. Имитационноемоделирование
В общем случае
Xk=*itf_1-
Кстати, для службы маркетинга векторы ха = (0,75; 0,25), х2 = (0,525; 0,475),
х3 = (0,4575; 0,5425) и т. д.
позволяют увидеть, какая тенденция будет проявляться на рынке дискет во временной динамике.
Для более четкого выявления данной тенденции можно вос пользоваться выводами из важнейшей теоремы теории массового обслуживания, которая носит название первой эргодической те оремы.
Данная теорема доказывает, что если исходная матрица Pj не имеет нулевых элементов, то:
1.Существует единственный вектор х, для которого
хР,= х
(х называется неподвижным вектором для Pj).
2.По мере роста к матрица Ра приближается к матрице Р, в кото рой каждая строка совпадает с х .
3. Для каждого исходного вектора хк |
с увеличением к вектор хк |
|
приближается к х . |
|
|
На основании данной теоремы сразу по исходным данным (по |
||
матрице Ра) может быть рассчитан вектор х . |
||
Для нашей задачи: (а,Ь) 0,6 |
0,4 |
••Ш, |
0,3 |
0,7 |
|
[0,6а + 0,3b; 0,4а + 0,7Ь] = (а, Ь).
0,6а + 0,ЗЬ |
= |
а, |
Г-0,4а + 0,ЗЬ = 0, |
|
0,4 |
+ 0,7Ь |
= |
Ь, |
1 0,4а-0,ЗЬ = 0. |
Откуда 0,4а - 0,ЗЬ |
= 0. |
|
|
|
335
Моделирование экономических процессов
С учетом того, что а + Ъ - 1, решим систему
|0,4а-0,ЗЬ = 0,
{а + Ь = 1,
3 |
, 4 |
|
|
откуда найдем а = - |
и Ь = —. |
|
|
Итак, искомое решение: х = |
3 |
4 |
|
|
|
7'' |
7 |
Этот результат показывает, что независимо от нынешнего состо яния рынка, если матрица переходов останется равной Pv то будет наблюдаться тенденция к тому, чтобы марка дискет А контролирова-
3 |
„ |
4 |
ла - |
рынка, а марка В — |
— . |
13.4. Основные принципы построения имитационной модели
Одним из основных параметров при имитационном моделирова нии является модельное время, которое отображает реальное время функционирования исследуемой системы. В зависимости от способа продвижения модельного времени методы моделирования подраз деляются:
•на методы с приращением временного интервала;
•методы с продвижением времени до особых состояний.
В первом случае модельное время продвигается на некоторую величину At. Далее определяются изменения состояния элементов системы, которые произошли за это время. После этого модельное время снова продвигается на величину At и т. д. до конца периода моделирования Тм. Шаг приращения выбирается, как правило, по стоянным, но в общем случае он может быть и переменным. Этот метод носит название «принцип Д£».
Во втором случае в текущий момент модельного времени t сна чала анализируются будущие особые состояния системы (иногда их называют события), которые изменяют динамику функционирова-
336
13. Имитационное моделирование
ния исследуемой системы. В общем случае в качестве особых состо яний можно выделить:
•поступление заявок на обслуживание;
•начало обслуживания заявки;
•освобождение канала после обслуживания заявки;
•завершение моделирования.
Всамом общем случае в системе могут быть выделены события
идругих типов, например, возникновение отказа (поломки) канала обслуживания в процессе обслуживания заявки, а также заверше ние восстановления устройства после отказа.
После анализа событий выбирается наиболее раннее и модель ное время продвигается до момента наступления этого события. При этом считается, что состояние системы не изменяется между двумя соседними событиями. Затем определяется реакция системы на выбранное событие, в частности определяется характер и мо мент наступления нового особого состояния (события), и т. д. Про цедура повторяется до завершения периода моделирования Гм. Данный принцип называют «принципом особых состояний». Мо дель в этом случае работает, «перепрыгивая» от одного события к другому, значительно экономя машинное время моделирования. Очевидно, что между реальным временем и временем работы мо дели в процессе имитации функционирования исследуемой систе мы нет ничего общего. Поскольку имитационный эксперимент вы полняется на ЭВМ, как правило, с очень высоким быстродействием, время работы модели весьма незначительно (минуты). Такое отра жение в ЭВМ реального процесса называют «сжатием времени», преимущества которого становятся очевидными, если попытаться получить эту же информацию, используя реальную моделируемую систему.
Время окончания работы моделируемого алгоритма либо зада ется, как правило, с помощью ограничения, накладываемого непо средственно на продолжительность имитируемого периода, на так называемую глубину моделирования, либо выход из алгоритма осу ществляется по достижении требуемой точности статистических оценок рассчитываемых характеристик моделируемой системы.
Степень детализации элементов моделируемой системы в ус ловиях многократной реализации модели требует своего опти-
337
Моделирование экономических процессов
мального решения: с одной стороны, желательно до минимума сократить объем вычислений, с другой — не потерять при этом требуемой точности расчетов. Например, в имитационной моде ли вычислительной системы, где установлена группа однотип ных вычислительных машин, данную группу вычислительных ма шин желательно рассматривать как отдельный объект. Но при этом мы должны сделать допущение, что данная группа вычисли тельных машин загружается из одной очереди заявок на обслу живание (обработку данных), что может не соответствовать ре альной системе. Насколько допустимы последствия подобных «огрублений» имитационной модели (конечно, с учетом соответ ствующих упрощений), должны решать вместе исследователь и пользователь модели.
С учетом вышесказанного обобщенный (укрупненный) алго ритм имитационного моделирования системы массового обслужи вания будет следующим:
1.Определяется событие с минимальным текущим временем — наиболее раннее событие.
2.Модельному времени присваивается значение времени наступ ления наиболее раннего события.
3.Определяется тип события.
4.В зависимости от типа события предпринимаются действия, на правленные на загрузку устройств и продвижение заявок в со ответствии с технологией их обработки, вычисляются моменты наступления будущих событий. Все эти действия называют ре акцией имитационной модели на событие.
5.Перечисленные действия повторяются до истечения периода
моделирования Гм (до достижения заданной глубины моде лирования).
6.По результатам работы имитационной модели рассчитываются необходимые характеристики исследуемой системы массового обслуживания.
Рассмотрев основные принципы построения имитационной мо дели абстрактной системы массового обслуживания, приведем не сколько примеров, иллюстрирующих возможность представления реальных систем информационно-вычислительного обслуживания в виде СМО.
338
13, Имитационное моделирование
Пример 1
Если в вычислительном центре имеется несколько вычислитель ных систем, каждая из которых может обслуживать любые заявки, например, несколько печатающих устройств при безразличном от ношении пользователя к тому, какое из них используется для выво да результатов по его заданию, или многопультовое средство подго товки данных, то каждая из этих систем может быть представлена в виде многоканальной однофазной СМО с общим потоком заявок (рис. 13.5).
X
|
Каналы |
|
обслуживания |
Очередь |
|
заявок |
т |
|
Рис. 13.5. Однофазная многоканальная СМО
Пример 2
Рассмотрим пример несколько более сложной СМО. Предполо жим, что анализируется часть вычислительной системы, состоящая из устройств, изображенных на рис. 13.6.
Здесь к процессору с оперативной памятью подсоединены через селекторный канал (СК) и устройства управления (УУ) два накопи теля на магнитных лентах и три накопителя на магнитных дисках. На устройствах внешней памяти располагаются наборы данных — файлы.
Поток запросов от пользователей на решение задач представля ется неограниченным источником заявок.
Процесс решения одной задачи заключается в выполнении слу чайной последовательности этапов счета (обработки данных в про-
339