Основной путь исследования системы – это построение модели. Моделирование – процесс, посредством которого исследователь стремится понять определенные аспекты реальной жизни. Модель не является точной копией реальности, а представляет собой упрощенный ее вариант. Один и тот же объект в зависимости от целей исследования может иметь разные модели.
Модели должны быть по возможности простыми, однако они должны включать все самые важные части исследуемой системы (оригинала), самые важные функции и самые важные связи, внутрисистемные и внешние. Но таких элементов, выбранных для последующего детального исследования, должно быть ограниченное, небольшое количество, иначе будет трудно вести анализ.
Для того чтобы найти главные части и связи системы, следует сосредоточить внимание на трех важных моментах:
1.Определить главную цель системы, ответив на вопросы о том, зачем существует система и какие главные функции она выполняет.
2.Понять работу системы и определить главные части (подсистемы), участвующие в выполнении главной функции.
3.Установить важные связи между этими частями.
При этом связи и части системы будут действительно важными, если после их исключения из нее система «рассыпается». И наоборот, если мы исключили какую-то часть или связь и ничего не изменилось, то это не главная часть или, соответственно, не важная связь.
Следует отметить, что рецептов построения хорошей модели не существует. Кроме того, следует иметь в виду, что модель, успешно применяемая в одних случаях, в других может оказаться бесполезной. Культура моделирования требует, чтобы для каждой модели был указан перечень условий, при которых данная модель верна. Модель должна быть адекватной, работоспособной, т.е. давать удовлетворительные ответы на поставленные вопросы. Если модель не дает ответ на поставленный вопрос, то она уточняется или заменяется новой.
Например, приведем советы академика Ю.И. Неймарка:
1.Чем проще модель, тем меньше возможность ошибочных выводов.
2.Модель должна быть простой, но не проще, чем это возможно.
3.Пренебрегать можно чем угодно, нужно только знать, как это повлияет на решение.
4.Модель должна быть грубой: малые поправки не должны кардинально менять ее поведение.
5.Модель и расчет не должны быть точнее исходных данных.
Основные принципы построения математической модели
1. Необходимо соизмерять точность и подробность модели, во-первых, с точностью тех исходных данных, которыми располагает исследователь, и, во-вторых, с теми результатами, которые требуется получить.
2. Математическая модель должна отражать существенные черты исследуемого явления и при этом не должна его сильно упрощать.
3. Математическая модель не может быть полностью адекватна реальному явлению, поэтому для его исследования лучше использовать несколько моделей, для построения которых применены разные математические методы. Если при этом получаются сходные результаты, то исследование заканчивается. Если результаты сильно различаются, то следует пересмотреть постановку задачи.
4. Любая сложная система всегда подвергается малым внешним и внутренним воздействиям, следовательно, математическая модель должна быть устойчивой, т.е. сохранять свои свойства и структуру при этих воздействиях.
Классификация математических моделей
По числу критериев эффективности математические модели делятся на однокритериальные и многокритериальные (рис. 1). Многокритериальные математические модели содержат два и более критерия.
По учету неизвестных факторов математические модели делятся на детерминированные, стохастические и модели с элементами неопределенности.
В стохастических моделях неизвестные факторы – это случайные величины, для которых известны функции распределения и различные статистические характеристики (математическое ожидание, дисперсия, среднеквадратическое отклонение и т. п.). Среди стохастических моделей можно выделить:
· модели стохастического программирования, в которых либо в целевую функцию, либо в ограничения входят случайные величины;
· модели теории случайных процессов, предназначенные для изучения процессов, состояние которых в каждый момент времени является случайной величиной;
· модели теории массового обслуживания, в которой изучаются многоканальные системы, занятые обслуживанием требований.
Также к стохастическим моделям можно отнести модели теории полезности, поиска и принятия решении.
Для моделирования ситуаций, зависящих от факторов, для которых невозможно собрать статистические данные, либо значения которых не определены, используются модели с элементами неопределенности. В моделях теории игр задача представляется в виде игры, в которой участвуют несколько игроков, преследующих разные цели, например организацию предприятия в условиях конкуренции.
В имитационных моделях реальный процесс разворачивается в машинном времени, и прослеживаются результаты случайных воздействий на него, например организация производственного процесса.
В детерминированных моделях неизвестные факторы не учитываются. Несмотря на кажущуюся простоту этих моделей, к ним сводятся многие практические задачи, в том числе большинство социально-экономических задач. По виду целевой функции и ограничений детерминированные модели делятся на линейные, нелинейные, динамические и графические.
В линейных моделях целевая функция и ограничения линейны по управляющим переменным.
Для линейных моделей любого вида и достаточно большой размерности известны стандартные методы решения.
Нелинейные модели – это модели, в которых либо целевая функция, либо какое-нибудь из ограничений (либо все ограничения) не линейны по управляющим переменным. Для нелинейных моделей нет единого метода расчета.
В динамических моделях в отличие от статических линейных и нелинейных моделей учитывается фактор времени. Критерий оптимальности в динамических моделях может быть самого общего вида (и даже вообще не быть функцией), однако для него должны выполняться определенные свойства. Расчет динамических моделей сложен, и для каждой конкретной задачи необходимо разрабатывать специальный алгоритм решения,
Графические модели используются тогда, когда задачу удобно представить в виде графической структуры.