- •1. Виды моделей
- •2. Функции моделирования
- •3. Моделирование и системный подход
- •4. Качественные и количественные методы моделирования
- •5.Этапы построения математических моделей
- •6.Устойчивость моделей и оптимизация.
- •7. Адекватность моделей
- •9.Антагонистические игры с нулевой суммой. Понятие платежной матрицы, примеры ее построения.
- •10.Максиминные и минимаксные стратегии. Верхняя и нижняя оценки игры. Цена игры.
- •11. Седловая точка в матричных антагонистических играх. Равновесие по Нэшу
- •12.Смешанные стратегии в матричных антагонистических играх. Доминирование стратегий в матричных антагонистических играх.
2. Функции моделирования
Функции моделирования (дескриптивная, прогностическая и нормативная) совпадают с функциями научного знания.
Дескриптивная функция заключается в том, что за счет абстрагирования модели позволяют достаточно просто объяснить наблюдаемые на практике явления и процессы (другими словами, они дают ответ на вопрос «почему мир устроен так»). Успешные в этом отношении модели становятся компонентами научных теорий и являются эффективным средством отражения содержания последних.
Прогностическая функция моделирования отражает его возможность предсказывать будущие свойства и состояния моделируемых систем, то есть отвечать на вопрос «что будет?».
Нормативная функция моделирования заключается в получении ответа на вопрос «как должно быть?» – если, помимо состояния системы, заданы критерии оценки ее состояния, то за счет использования оптимизации (см. ниже) возможно не только описать существующую систему, но и построить ее нормативный образ – желательный с точки зрения субъекта, интересы и предпочтения которого отражены используемыми критериями.
Нормативная функция моделирования тесно связана с решением задач управления, то есть, с ответом на вопрос «как добиться желаемого (состояния, свойств системы и т.д.)?».
Взаимные отношения этих функций, очевидно, – иерархические: нельзя достичь цели без описания и прогнозирования реальности. Однако необходимость принятия решений в практической деятельности часто актуализирует нормативную функцию моделирования в условиях весьма ограниченного знания. Это отнюдь не означает его ненаучности, а скорее, характеризует уровень развития науки в соответствующей области.
3. Моделирование и системный подход
Модели, возникающие внутри сложившихся наук, строятся на базе их теоретического и экспериментального аппарата, в то время как исследовательский аппарат «междисциплинарных» количественных моделей сложных систем еще носит во многом эклектичный и конгломеративный характер. Это служит препятствием преемственности моделей и результатов моделирования, что в свою очередь затрудняет создание математизированных теорий сложных (и, в частности, организационных) систем.
Как известно, общей методологией исследования (моделирования) сложных систем является системный подход и сложившийся на его базе системный анализ. Действительно, объект системного анализа – абстрактная система – фактически является моделью, предметом системного анализа является процесс моделирования. Множество непротиворечивых взаимодополняющих друг друга вербальных и формальных, абстрактных и конкретных, общих и частных определений системы можно отнести и к моделям. Не случайно некоторые теоретики системного анализа не делают различий между моделями и системами, рассматривая последние в качестве модели реальности «Система – математическая абстракция, которая служит моделью динамического явления».
Приведем несколько фундаментальных принципов системного
подхода: всеобщая полнота описания системы принципиально невозможна; любое описание является упрощенным образом реальности, однако, даже самые сильные упрощения могут принести плодотворные результаты, если они отвечают цели исследования; корректность и продуктивность описания системы определяется степенью достижения цели исследования –
получением частичного конкретного знания; допустимы различные (в том числе и несопоставимые) субъективные модели одной и той же объективной системы; личность исследователя включается в модель системы и, таким образом, в процессе исследования возникает новая система, включающая в себя наряду с изучаемой системой также ее исследователя с его научным аппаратом и субъективными качествами .
Фактически данные принципы являются методологической базой моделирования. Ряд теоретиков системного подхода, подчеркивающие неустранимую субъективность моделирования, включают в определение системы цели и личность исследователя. Действительно, в процессе моделирования задействованы как бы четыре «участника»: «субъект» – инициатор моделирования и/или пользователь его результатов; «объект-оригинал» – предмет моделирования, то есть та система, которую хочет создать и/или использовать в дальнейшем «субъект»; «модель» – образ, отображение; «среда», в которой находятся и с которой взаимодействуют все участники. Естественно, все они явно или неявно включаются в
«тело» модели.
Боулдинг с целью выделения уровней изучения любой системы классифицирует последние по уровням сложности, каждый из которых привносит новые системные свойства, неразличимые на предыдущих уровнях:
¨ простая структура (элементный состав и межэлементные связи);
¨ простой механизм (функционирование);
¨ динамическая система – замкнутая, открытая (изменение во времени, взаимодействие со средой);
¨ управляемая система (целенаправленность);
¨ кибернетическая система (множественность целей, самоуправление);
¨ живая система (гомеостазис, самоорганизация, эволюция);
¨ организм (взаимодействие самоуправляемых подсистем);
¨ животное (подсознание, поведение);
¨ человек (сознание);
¨ организация (коллективный труд);
¨ социум (создание искусственных систем – социальных институтов, науки, культуры, религии и т.п.).
Перечень уровней не является фиксированным: он может дополняться и дробиться на подуровни в зависимости от целей моделирования. При этом система, определяемая предельной сложностью своего описания, может быть (в зависимости от целей исследования) корректно описана также на любом из предшествующих уровней.
В соответствии с этим подходом можно построить «базовую» метамодель любой системы в виде открытого кортежа ее «базовых» признаков и свойств, упорядоченных в соответствии с эмпирически обоснованным нарастанием системной (модельной) сложности:
Ингерентность прагматических моделей состоит еще и в том, что в них должны быть предусмотрены не только «стыковочные узлы» со средой («интерфейсы»), но, и, что не менее важно, в самой среде должны быть созданы предпосылки, обеспечивающие функционирование будущей системы. То есть не только модель должна приспосабливаться к среде, но и среду необходимо приспосабливать к будущей системе.
Второе требование – простота модели. Простота модели – ее
неизбежное свойство: в модели невозможно зафиксировать все многообразие реальных ситуаций. Простота прагматической модели неизбежна из-за необходимости оперирования с ней, использования ее как рабочего инструмента, который должен быть обозрим и понятен, доступен каждому, кто будет участвовать в реализации модели.
Методы (виды) моделирования систем классифицируются по целому ряду оснований . Среди них можно, например, выделить – методы качественные и количественные;
– методы, использующие средства естественного языка, и методы, использующие специальные языки;
– методы содержательные и формальные.
Все эти (как и другие, не указанные здесь) классификации не точны, поскольку большое число методов обладают признаками нескольких классов.