ЗАДАНИЯ НА 7-Ю СЕССИЮ МТ431 2013 / МАТЕМАТИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ ЭКОНОМИКИ / ММИЭ / ММИЭ1 / Т_2_Классификация_ММет / Лекция 2_2
.DOC
-
ОГЛАВЛЕНИЕ
Анализ объекта начинают с определения характеристик входных и выходных связей объекта. При этом используют метод “избыточности” информации т.е. принимаются в расчет все связи, характеризующие объект. С помощью методов корреляционного анализа определяются статистические свойства связей. С помощью методов регрессионного анализа определяются значимые и незначимые связи (которые далее не рассматриваются), определяются управляющие воздействия (которые наиболее сильно влияют на поведение объекта). Далее методами теории идентификации определяется динамические и статические свойства объекта.
Формирование целевой функции
Критерий - это количественный показатель, на основе которого можно судить о степени решения частных задач моделирования.
С выходными координатами объекта Yi связывается целевая функция объекта:
L = W3(I1,I2.....Is), ( 4 )
Ii = W4i(Y1,Y2,.....Yn), i=1,s,
Ii - частный (локальный) критерий целевой функции.
Под целевой функцией (эффективностью) объекта разумеется степень его приспособленности к выполнению стоящей перед ним задачи, выраженная в численном виде.
Конкретный вид показателя L зависит от специфики рассматриваемого объекта, его целевой направленности. Многие объекты исследования содержат элементы случайности (связанные с колебаниями спроса и предложения, с движением народонаселения, заболеваемостью, смертностью и т.д.). В этих случаях функционирование объекта является случайным и не может быть точно предсказано и в качестве целевой функции выбирается не просто характеристики отдельной реализации выходных величин объекта, а их усредненное значение (математическое ожидание). Например, если цель исследования - получение максимальной прибыли, то целевую функцию L выбирают в виде средней прибыли. В ряде задач (экономии средств, сокращения временных затрат) показатель эффективности требуется обратить в минимум.
Основной задачей исследования объекта исследования является определение таких значений входных величин Yi (или параметров преобразования (3) при фиксации значений входных величин) которые обеспечивали оптимум целевой функции (4):
L = W3(I1,I2.....Is) opt, ( 5 )
xiXi
при заданных ограничениях (ресурсообеспечения) входных координат объекта:
Rei- Xi Rei+, i= 1, n, ( 6 )
где:
Rei- - нижняя (минимальная) граница изменения входной координаты Xi (минимальная граница i-го ресурса);
Rei+ - верхняя (максимальная) граница изменения входной координаты Xi (максимальная граница i-го ресурса).
Локальные критерии (коэффициенты частных целей) обычно измеряются в разных натуральных единицах, например: I1 - трудоемкость -в часах, I2 - материальные затраты - в тоннах (метрах и т.д.), I3 - финансовые затраты - в рублях. Поэтому фактическое определение целевой функции как свертки таких критериев является некорректной математической задачей. В этом случае используют формальные методы решения “многокритериальных” задач:
1. Метод определяющего критерия:
- Максимально возможно уменьшают число локальных критериев и выбирают определяющий главный критерий (например, себестоимость продукции), IjG и накладывают ограничения на другие Ii(ij):
Ii А (при максимизации), Ii В (при минимизации);
-Осуществляют последовательную оптимизацию по частным критериям в некоторой области изменения управляющих воздействий (метод уступок).
2. Метод свертки частных критериев в один обобщенный:
- осуществляют “нормировку критериев” посредством деления их величин на некоторые эталонные (или средние); s
- вводят вектор приоритетов критериев i>0, i = 1;
i=1
- осуществляют свертку нормированных критериев:
в аддитивном виде (простая сумма с весовыми коэффициентами;
в метрическом виде ( обычно - евклидова метрика);
в минимаксном виде (метод Гермейера).
- проводят оптимизацию значения целевой функции в заданной области допустимых значений (6).
Выбор типа свертки зависит от цели исследования.
Основным математическим аппаратом для создания и анализа моделей социально-экономических процессов является исследование операций.
Исследование операций - это область науки, посвященная комплексному анализу целенаправленной деятельности человека и обоснованием оптимальных решений.
Классификация методов исследования операций приведена на рис. 1.
Методы теории исследования операций |
||
Оценочные (вероятностные) |
Оптимизационные (мат. программирование) |
Игровые |
- методы ТСП; - методы ТВ; - методы МС; - методы ТМО |
- аналитические методы; - численные методы; - статистические методы |
- методы теории игр; - методы теории статистических решений |
Рис. 1. Классификационная схема методов исследования операций, где введены следующие обозначения:
ТСП - теория случайных процессов; ТВ - теория вероятностей; МС - математическая статистика; ТМО - теория массового обслуживания.
Рассмотрим более детально состав наиболее часто используемых на практике групп методов исследования операций.
1. Оценочные методы:
1.1. Случайные процессы:
-
Марковские случайные процессы;
Одним из наиболее простых случайных процессов, который достаточно просто моделируется и поэтому имеет наибольшее практическое применение, является так называемый Марковский случайный процесс или процесс без последействия.
Марковским случайным процессом называется такой процесс, значение которого x в будущие моменты времени t > определяется только значением процесса в настоящий момент времени и не зависит от того, каким образом процесс попал в настоящее положение.
Случайный процесс может принимать только дискретные значения, непрерывные или те и другие. Дискретные Марковские случайные процессы – это процессы, которые могут принимать значения из ряда конечного заранее перечисленного набора.
Случайный процесс может принимать свои значения как в дискретные заранее определенные моменты времени, так и в любой момент времени. В первом случае случайные процессы называются процессами с дискретным временем, во втором – с непрерывным.
На рис. 2 дана классификация случайных процессов по вышеперечисленным признакам.
Рис 2. Классификация случайных процессов.
При моделировании процессов с дискретными состояниями очень удобно пользоваться геометрической схемой-графом состояний, где вершинами графа отображаются состояния системы, а нагруженными дугами возможные переходы из одного состояния в другое с соответствующими вероятностями.
К Марковским цепям могут быть сведены многие процессы в различных областях науки и техники. В социологии марковские цепи помогают изучать проблемы изменения социальной или профессиональной структуры населения, проблемы миграции населения …
-
Стационарные случайные процессы с непрерывным временем развития (Эргодические процессы).
Если в Марковской цепи существует предельное распределение вероятностей, соответствующее n и не зависящее от начального состояния системы, то это распределение вероятностей определяет предельный или установившейся режим работы. В этом случае систему называют статистически устойчивой, а Марковский процесс в такой системе – эргодическим.
Переход эргодического марковского процесса от начального состояния к установившемуся режиму называют переходным процессом.
1.2. Теория вероятностей:
1.3. Математическая статистика(методы обработки экспериментальной информации):
1.3.1. Корреляционный анализ;
1.3.2. Регрессионный анализ;
1.3.3. Дисперсионный анализ;
1.3.4. Методы экспертных оценок.
1.3. Теория массового обслуживания:
Задачи массового обслуживания возникают в тех случаях, когда требования на выполняемые работы поступают в случайные моменты времени, а выполнение этих работ, называемое обслуживанием, осуществляется одним или несколькими обслуживающими устройствами (приборами). Длительность выполнения отдельных требований предполагается случайной.
Системой массового обслуживания называется такая система, которая выполняет процесс удовлетворения требований какого-то потока заявок, поступающих в некоторые случайные моменты времени.
Устройство, способное в любой момент времени обслуживать лишь одно требование, называют каналом обслуживания. При наличии нескольких каналов, способных одновременно обслужить ряд требований, говорят о многоканальной системе. Все каналы или часть их могут выполнять один и тот же или разные виды обслуживания.
Характерной особенностью задач массового обслуживания является возникновение несоответствия между скоростью поступления требований и скоростью обслуживания, в результате чего или оказываются простаивающими обслуживающие приборы или образуется очередь на обслуживание. С подобными ситуациями приходится сталкиваться постоянно: люди стоят в очередях у касс и прилавках, подлежащее ремонту оборудование скапливается в ожидании ремонтных бригад, самолеты ждут, когда освободится ВПП. Принципиальный интерес представляют следующие характеристики эффективности СМО:
-
длина очереди в различные моменты времени;
-
общая продолжительность нахождения требования в системе обслуживания;
-
доля времени, в течение которого обслуживающие приборы не были заняты;
-
абсолютная пропускная способность – среднее число заявок, обслуживаемых СМО в единицу времени;
-
относительная пропускная способность – средняя доля заявок , обслуживаемых системой;
-
среднее число заявок в единицу времени, получающих отказ;
-
среднее время ожидания в очереди и др.
Для получения математической модели СМО необходимо иметь:
-
описание входящего потока требований;
-
описание способа, каким выполняется обслуживание;
-
описание дисциплины очереди, т.е. указание того каким образом заявки поступают из очереди на обслуживание (FIFO, LIFO, обслуживание с приоритетом, распределение заявок по строго закрепленным приборам).
СМО могут быть двух основных видов: СМО с отказами (заявка, поступившая в момент, когда все каналы заняты, получает отказ и уходит не обслуженной) и СМО с ожиданием (в случае занятости всех каналов заявка становится в очередь и ждет освобождения канала).
В СМО с ожиданием обслуживание м.б. упорядоченным (например, в порядке поступления) и неупорядоченным (случайным или с приоритетом). Каждая из этих СМО подразделяется на СМО с ограниченной длиной очереди и СМО с неограниченной длиной очереди. СМО с очередью могут подразделяться на СМО с неограниченным ожиданием в очереди и СМО с ограниченным ожиданием в очереди.
По структуре СМО классифицируют:
а) по составу:
-
однородные;
-
неоднородные;
б) по числу приборов:
-
одноканальные;
-
многоканальные;
в) по числу фаз обслуживания:
-
однофазные;
-
многофазные.
Потоком требований (событий) называется временная последовательность однородных событий, появляющихся в общем случае в случайные моменты времени.
Случайные потоки классифицируются по наличию у них следующих свойств:
-
Стационарность (вероятность попадания того или иного числа событий в интервал зависит от величины интервала и не зависит от того где этот интервал находится на временной оси).
-
Отсутствие последействия, что означает независимость появления событий между собой.
-
Ординарность (невозможность появления более одного события одновременно).
Поток, обладающий всеми этими свойствами, называется простейшим (Пуассоновским). Он характеризуется своей интенсивностью - .
Рассмотрим в качестве примера СМО с отказами:
Входной поток простейший с интенсивностью .
N – каналов с интенсивностью обслуживания (среднее время обслуживания 1/).
Дисциплина обслуживания FIFO.
Г раф состояния:
2 n
Обозначим =/, тогда вероятность, что в системе i–заявок (i занятых каналов)
Характеристики:
Вероятность отказа .
Среднее число занятых каналов
Пропускная способность
2. Аналитические методы:
2.1. Метод Лагранжа (классический метод);
2.2. Метод Куна-Таккера;
2.3. Метод штрафных функций;
2.4. Метод максимума Понтрягина.
3. Численные методы:
3.1. Градиентные методы;
3.2. Итеративные методы;
3.3. Метод динамического программирования.
4. Статистические методы:
4.1. Методы случайного поиска;
4.2. Стохастическое программирование;
4.3. Эвристические методы.
5. Теория игр:
5.1. Игры с противоположными интересами;
5.2. Игры с непротивоположными интересами:
5.2.1. Парные игры;
5.2.3. Корреляционные игры.
-
Теория статистических решений:
6.1. Бейесовые стратегии;
6.2. Метод минимального риска;
6.3. Последовательный анализ;
6.4. Метод максимального правдоподобия.
1. Учебное пособие: «Основы системного анализа и исследование операций» (под ред. Берзина Е.А.) - Тверь: ТГТУ, 1996.
Дополнительная:
1. Шеннон Р. Имитационное моделирование систем: искусство и наука. - М.: Мир, 1978.
2. Литвинов В.И. и др. Методы построения имитационных систем. - К.: Наукова думка, 1991.
3. Колесников Г.С. и др. Имитационное моделирование систем. Учебное пособие. М.: 1990.