
- •Понятие модели. Математические предпосылки создания имитационной модели. Имитационная модель как источник ответа на вопрос «что будет, если…».
- •Цели моделирования. Классификация моделей.
- •Современные парадигмы моделирования.
- •Этапы создания экономической имитационной модели.
- •Внутренние и внешние переменные и параметры модели. Выбор показателей и критериев эффективности системы.
- •Представление модели в виде «черного ящика». Причинно – следс твенные диаграммы (диаграммы влияния).
- •Детерминированные и вероятностные, дискретные и непрерывные модели.
- •Имитационные и оптимизационные модели экономических систем.
- •Разновидности моделирующих алгоритмов.
- •Проверка адекватности (достоверности) модели.
- •Метод Монте-Карло. Бросание жребия. Реализация случайного опыта. Статистика модельных данных.
- •Моделирование случайных событий. Датчики случайных чисел.
- •Процессы массового обслуживания в экономических системах. Формула Поллачека-Хинчина.
- •Поток событий. Обслуживание заявок. Имитация обслуживания посредством временных задержек.
- •Типовые системы имитационного моделирования.
- •Основные понятия имитирующей системы: граф, узел, транзакт, событие, ресурс, пространство.
- •Имитация основных процессов: генераторы, очереди, узлы обслуживания, терминаторы, ресурсы, структурные узлы.
- •Планирование компьютерного эксперимента. Масштаб времени.
- •Проведение модельных экспериментов, представление и интерпретация результатов моделирования.
- •Структурный анализ процессов на объекте экономики. Функциональная модель и ее диаграммы.
- •Прогнозы. Методы прогнозирования. Прогнозирование с помощью временных рядов и тренда.
- •Риски в экономических системах. Формирование оптимального инвестиционного портфеля по Марковицу.
- •Технология разработки имитационных моделей в среде ms Excel.
- •Система имитационного моделирования Extend lt.
- •Экспоненциальная и логистическая модели роста.
- •Модели системной динамики.
- •Динамические модели процессов микро – и макроэкономики. Динамическое моделирование экономических систем и процессов
- •Моделирование фондов и потоков в среде Vensim ple.
- •Имитация работы с неперемещаемыми и перемещаемыми материальными ресурсами.
- •Имитация работы с информационными ресурсами.
- •Имитационное решение задач минимизации затрат и других видов оптимизации.
- •Динамическая паутинообразная модель рыночного равновесия.
- •Имитационное моделирование процесса обслуживания клиентов банка.
Планирование компьютерного эксперимента. Масштаб времени.
План эксперимента в моделях типа «что будет, если…» должен содержать комбинации входных переменных, для которых будет проводиться моделирование, и последовательность их перебора. Задача заключается в составлении оптимального плана эксперимента, реализация которого позволит при небольшом числе машинных испытаний получить достоверные результатные данные.
В оптимизационных моделях план эксперимента должен обеспечивать поиск оптимума целевой функции при минимальном числе машинных испытаний. Современные системы моделирования, например, Anylogic, имеют встроенный оптимизатор, обеспечивающий решение задачи поиска с помощью эффективного алгоритма оптимизации.
В вероятностных моделях план эксперимента либо сама модель должны дополнительно включать статистическую обработку множественных реализаций случайного опыта, вычисление статистик моделируемых величин, оценку точности и степени доверия полученным результатам.
План эксперимента должен также предусматривать эксперименты по анализу чувствительности модели к изменениям ее входных переменных.
Модельное время – это виртуальное время, в котором автоматически упорядочиваются все события, причем не обязательно пропорционально реальному времени, где развивается моделируемый процесс.
Масштаб времени – это число, которое задает длительность одной единицы модельного времени, выраженную в секундах реального времени. Можно выделить три разновидности масштаба времени:
Реальный масштаб времени, когда длительность единицы модельного времени точно равна длительности единицы реального времени в моделируемом объекте (обычно используется в АСУ технологическими процессами);
Максимально ускоренный масштаб времени, когда время моделирования определяется чисто процессорным временем выполнения и достигается максимальное быстродействие модели;
Пропорционально ускоренный/замедленный масштаб времени, когда время моделирования пропорционально увеличивается или замедляется. Степень ускорения/замедления характеризуется масштабом, например, масштаб 1:1000 означает, что модельные процессы протекают в 1000 раз быстрее реальных процессов.
Проведение модельных экспериментов, представление и интерпретация результатов моделирования.
В ходе машинного эксперимента изучается поведение исследуемой модели М процесса функционирования системы S на заданном интервале времени. Поэтому критерий оценки является в общем случае векторной случайной функцией, заданной на этом же интервале.
Прежде чем приступить к последнему, третьему, этапу моделирования системы, необходимо для его успешного проведения иметь четкий план действий, сводящийся к выполнению следующих основных подэтапов.
3.1. Планирование машинного эксперимента с моделью системы. Планирование машинного эксперимента призвано дать в итоге максимальный объем необходимой информации об объекте моделирования при минимальных затратах машинных ресурсов. При этом различают стратегическое и тактическое планирование машинного эксперимента. При стратегическом планировании эксперимента ставится задача построения оптимального плана эксперимента для достижения цели, поставленной перед моделированием. Тактическое планирование машинного эксперимента преследует частные цели оптимальной реализации каждого конкретного эксперимента из множества необходимых, заданных при стратегическом планировании.
3.2. Определение требований к вычислительным средствам. Необходимо сформулировать требования по времени использования вычислительных средств, т. е. составить график работы на одной или нескольких ЭВМ, а также указать те внешние устройства ЭВМ, которые потребуются при моделировании.
3.3. Проведение рабочих расчетов. После составления программы модели и плана проведения машинного эксперимента с моделью системы S можно приступить к рабочим расчетам на ЭВМ, которые обычно включают в себя: а) подготовку наборов исходных данных для ввода в ЭВМ; б) проверку исходных данных, подготовленных для ввода; в) проведение расчетов на ЭВМ; г) получение выходных данных, т. е. результатов моделирования.
3.4. Анализ результатов моделирования системы. Чтобы эффективно проанализировать выходные данные, полученные в результате расчетов на ЭВМ, необходимо знать, что делать с результатами рабочих расчетов и как их интерпретировать.
3.5. Представление результатов моделирования. Целесообразно в каждом конкретном случае выбрать наиболее подходящую форму, так как это существенно влияет на эффективность их дальнейшего употребления заказчиком.
3.6. Интерпретация результатов моделирования. Основное содержание этого подэтапа — переход от информации, полученной в результате машинного эксперимента с моделью к информации применительно к объекту моделирования, на основании которой и будут делаться выводы относительно характеристик процесса функционирования исследуемой системы S.
3.7. Подведение итогов моделирования и выдача рекомендаций. При подведении итогов моделирования должны быть отмечены главные особенности, полученные в соответствии с планом эксперимента над моделью результатов, проведена проверка гипотез и предположений и сделаны выводы на основании этих результатов.
3.8. Составление технической документации по третьему этапу. Эта документация должна включать в себя: а) план проведения машинного эксперимента; б) наборы исходных данных для моделирования; в) результаты моделирования системы; г) анализ и оценку результатов моделирования; д) выводы по полученным результатам моделирования; указание путей дальнейшего совершенствования машинной модели и возможных областей ее приложения.