Моделирование как метод исследования. Модель и метод моделирования в научном исследовании

Реферат выполнил: студент дневного отделения факультета "Экономическая Кибеpнетика" гpуппы 432 Ковалев И.В.

РОССИЙСКАЯ ЭКОHОМИЧЕСКАЯ АКАДЕМИЯ ИМ.Г.В.ПЛЕХАHОВА

Кафедpа Экономической Кибеpнетики

МОСКВА - 1994

1. Моделирование как метод научного познания.

Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Термин "модель" широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. Рассмотрим только такие "модели", которые являются инструментами получения знаний.

Модель - это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале

Под моделирование понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания.

Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.

Процесс моделирования включает три элемента: 1) субъект (исследователь), 2) объект исследования, 3) модель, опосредствующую отношения познающего субъекта и познаваемого объекта.

Пусть имеется или необходимо создать некоторый объект А. Мы конструируем (материально или мысленно) или находим в реальном мире другой объект В - модель объекта А. Этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обуславливаются тем, что модель отражает какие-либо существенные черты объекта-оригинала. Вопрос о необходимости и достаточной мере сходства оригинала и модели требует конкретного анализа. Очевидно, модель утрачивает свой смысл как в случае тождества с оригиналом (тогда она перестает быть оригиналом), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала.

Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от отражения других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько "специализированных" моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.

На втором этапе процесса моделирования модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение "модельных" экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о ее "поведении". Конечным результатом этого этапа является множество знаний о модели R.

На третьем этапе осуществляется перенос знаний с модели на оригинал - формирование множества знаний S об объекте. Этот процесс переноса знаний проводится по определенным правилам. Знания о модели должны быть скорректированы с учетом тех свойств объекта-оригинала, которые не нашли отражения или были изменены при построении модели. Мы можем с достаточным основанием переносить какой-либо результат с модели на оригинал, если этот результат необходимо связан с признаками сходства оригинала и модели. Если же определенный результат модельного исследования связан с отличием модели от оригинала, то этот результат переносить неправомерно.

Четвертый этап - практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им.

Для понимания сущности моделирования важно не упускать из виду, что моделирование - не единственный источник знаний об объекте. Процесс моделирования "погружен" в более общий процесс познания. Это обстоятельство учитывается не только на этапе построения модели, но и на завершающей стадии, когда происходит объединение и обобщение результатов исследования, получаемых на основе многообразных средств познания.

Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.

2. Особенности применения метода математического моделирования в экономике.

Проникновение математики в экономическую науку связано с преодолением значительных трудностей. В этом отчасти была "повинна" математика, развивающаяся на протяжении нескольких веков в основном в связи с потребностями физики и техники. Но главные причины лежат все же в природе экономических процессов, в специфике экономической науки.

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система.

Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Важным качеством любой системы является эмерджентность - наличие таких свойств, которые не присущи ни одному из элементов, входящих в систему. Поэтому при изучении систем недостаточно пользоваться методом их расчленения на элементы с последующим изучением этих элементов в отдельности. Одна из трудностей экономических исследований - в том, что почти не существует экономических объектов, которые можно было бы рассматривать как отдельные (внесистемные) элементы.

Сложность системы определяется количеством входящих в нее элементов, связями между этими элементами, а также взаимоотношениями между системой и средой. Экономика страны обладает всеми признаками очень сложной системы. Она объединяет огромное число элементов, отличается многообразием внутренних связей и связей с другими системами (природная среда, экономика других стран и т.д.). В народном хозяйстве взаимодействуют природные, технологические, социальные процессы, объективные и субъективные факторы.

Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и любой сложности. И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, ее успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать еще неформализованные проблемы, а также ситуации, где математическое моделирование недостаточно эффективно.

3. Особенности экономических наблюдений и измерений.

Уже длительное время главным тормозом практического применения математического моделирования в экономике является наполнение разработанных моделей конкретной и качественной информацией. Точность и полнота первичной информации, реальные возможности ее сбора и обработки во многом определяют выбор типов прикладных моделей. С другой стороны, исследования по моделированию экономики выдвигают новые требования к системе информации.

В зависимости от моделируемых объектов и назначения моделей используемая в них исходная информация имеет существенно различный характер и происхождение. Она может быть разделена на две категории: о прошлом развитии и современном состоянии объектов (экономические наблюдения и их обработка) и о будущем развитии объектов, включающую данные об ожидаемых изменениях их внутренних параметров и внешних условий (прогнозы). Вторая категория информации является результатом самостоятельных исследований, которые также могут выполняться посредством моделирования.

Методы экономических наблюдений и использования результатов этих наблюдений разрабатываются экономической статистикой. Поэтому стоит отметить только специфические проблемы экономических наблюдений, связанные с моделированием экономических процессов.

В экономике многие процессы являются массовыми; они характеризуются закономерностями, которые не обнаруживаются на основании лишь одного или нескольких наблюдений. Поэтому моделирование в экономике должно опираться на массовые наблюдения.

Моделирование (в широком смысле) – основной метод исследований во всех областях знаний, в различных сферах человеческой деятельности .

Моделирование в научных исследованиях стало применяться еще в глубокой древности. Элементы моделирования использовались с самого начала появления точных наук, и не случайно, некоторые математические методы носят имена таких великих ученых, как Нью-тон и Эйлер, а слово «алгоритм» происходит от имени средневекового арабского ученого Аль-Хорезми .

Постепенно моделирование захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Однако методология моделирования долгое время развивалась отдельными науками независимо друг от друга. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ век. В конце 40-х начале 50-х годов ХХ века бурное развитие методов моделирования было обусловлено появлением ЭВМ (компьютеров), которые избавили ученых, исследователей от огромной по объему рутинной вычислительной работы. Компьютеры первого и второго поколений использовались для решения вычислительных задач, для инженерных, научных, финансовых расчетов, для обработки больших объемов данных. Начиная с третьего поколения, область применения ЭВМ включает и решение функциональных задач: это обработка баз данных, управление, проектирование. Современный компьютер – основное средство решения любых задач моделирования.

Приведем основные понятия, связанные с моделированием ,,.

Объект (от лат. objectum – предмет) исследования – все то, на что направлена человеческая деятельность.

Модель (объекта - оригинала) (от лат. modus – «мера», «объем», «образ») – вспомогательный объект, отражающий наиболее существенные для исследования закономерности, суть, свойства, особенности строения и функционирования объекта-оригинала.

Первоначальное значение слова «модель» было связано со строительным искусством, и почти во всех европейских языках оно употреблялось для обозначения образа или прообраза, или вещи, сходной в каком-то отношении с другой вещью.

В настоящее время термин «модель» широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. В этом учебнике рассматриваются только такие модели, которые являются инструментами получения знаний.

Моделирование – метод исследования, основанный на замене исследуемого объекта-оригинала его моделью и на работе с ней (вместо объекта).

Теория моделирования – теория замещения объекта-оригинала его моделью и исследования свойств объекта на его модели.

Как правило, в качестве объект моделирования выступает некоторая система.

Система – совокупность взаимосвязанных элементов, объединенных для реализации общей цели, обособленная от окружающей среды и взаимодействующая с ней как целостное целое и проявляющая при этом основные системные свойства. В выделено 15 основных системных свойств, среди которых: эмергентность (эмерджентность); цельность; структурированность; целостность; подчиненность цели; иерархичность; бесконечность; эргатичность.

Свойства систем:

1. Эмерджентность (эмергентность). Это системное свойство, согласно которому результат поведения системы дает эффект, отличный от «сложения» (независимого соединения) любым способом результатов поведения всех входящих в систему «элементов». Иными словами, согласно этой особенности системы ее свойства не сводятся к совокупности свойств частей, из которых она состоит, и не выводятся из них.

2. Свойство цельности, целевости. Система всегда рассматривается как нечто целое, цельное, относительно обособленное от окружающей среды.

3. Свойство структурированности. Система имеет части, целесообразно связанные между собой и средой.

4. Свойство целостности. В отношении к другим объектам или с окружающей средой система выступает как нечто неразделимое на взаимодействующие между собой части.

5. Свойство подчиненности цели. Вся организация системы подчинена некоторой цели или нескольким различным целям.

6. Свойство иерархичности. Система может иметь несколько качественно разных уровней строения, несводимых один к другому.

7. Свойство бесконечности. Невозможность полного познания системы и ее всестороннего представления любым конечным множеством моделей, в частности, описаний, качественных и количественных характеристик и т.д.

8. Свойство эргатичности. Система, имеющая части, может в качестве одной из своих частей включать человека.

По сути, под моделированием понимается процесс построения, изучения и применения моделей объекта (системы). Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Гипотеза – определенное предсказание (предположение), основывающееся на опытных данных, наблюдениях ограниченного объема, догадках. Проверка выдвигаемых гипотез может быть проведена в ходе специально поставленного эксперимента. При формулировании и проверке правильности гипотез большое значение в качестве метода суждения имеет аналогия.

Аналогией называют суждение о каком-либо частном сходстве двух объектов. Современная научная гипотеза создается, как правило, по аналогии с проверенными на практике научными положениями. Таким образом, аналогия связывает гипотезу с экспериментом.

Главная особенность моделирования в том, что это метод опосредованного познания с помощью вспомогательных объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом, и с помощью которого изучает интересующий его объект.

В самом общем случае при построении модели исследователь отбрасывает те характеристики, параметры объекта-оригинала, которые несущественны для изучения объекта. Выбор характеристик объекта-оригинала, которые при этом сохраняются и войдут в модель, определяется целями моделирования. Обычно такой процесс абстрагирования от несущественных параметров объекта называют формализацией. Более точно, формализация – это за-мена реального объекта или процесса его формальным описанием.

Основное требование, предъявляемое к моделям – это их адекватность реальным процессам или объектам, которые замещает модель.

Практически во всех науках о природе, живой и неживой, об обществе, построение и использование моделей – мощное орудие познания. Реальные объекты и процессы бывают столь многогранны и сложны, что лучшим (а иногда и единственным) способом их изучения часто является построение и исследование модели, отображающей лишь какую-то грань реальности и потому многократно более простой, чем эта реальность. Многовековой опыт развития науки доказал на практике плодотворность такого подхода. Более конкретно, необходимость использования метода моделирования определяется тем, что многие объекты (системы) непосредственно исследовать или вовсе невозможно, или же это исследование требует слишком много времени и средств.

Моделирование как метод научного познания. Особенности применения метода математического моделирования в экономике. Особенности экономических наблюдений и измерений.

Моделирование как метод научного познания

Реферат выполнил: студент дневного отделения факультета "Экономическая Кибеpнетика" гpуппы 432 Ковалев И.В.

РОССИЙСКАЯ ЭКОHОМИЧЕСКАЯ АКАДЕМИЯ ИМ.Г.В.ПЛЕХАHОВА

Кафедpа Экономической Кибеpнетики

МОСКВА - 1994

1. Моделирование как метод научного познания.

2. Особенности применения метода математического моделирования в экономике.

3. Особенности экономических наблюдений и измерений.

Другая проблема порождается динамичностью экономических процессов, изменчивостью их параметров и структурных отношений. Вследствие этого экономические процессы приходится постоянно держать под наблюдением, необходимо иметь устойчивый поток новых данных. Поскольку наблюдения за экономическими процессами и обработка эмпирических данных обычно занимают довольно много времени, то при построении математических моделей экономики требуется корректировать исходную информацию с учетом ее запаздывания.

Познание количественных отношений экономических процессов и явлений опирается на экономические измерения. Точность измерений в значительной степени предопределяет и точность конечных результатов количественного анализа посредством моделирования. Поэтому необходимым условием эффектного использования математического моделирования является совершенствование экономических измерителей. Применение математического моделирования заострило проблему измерений и количественных сопоставлений различных аспектов и явлений социально-экономического развития, достоверности и полноты получаемых данных, их защиты от намеренных и технических искажений.

В процессе моделирования возникает взаимодействие "первичных" и "вторичных" экономических измерителей. Любая модель народного хозяйства опирается на определенную систему экономических измерителей (продукции, ресурсов, элементов и т.д.). В то же время одним из важных результатов народнохозяйственного моделирования является получение новых (вторичных) экономических измерителей - экономически обоснованных цен на продукцию различных отраслей, оценок эффективности разнокачественных природных ресурсов, измерителей общественной полезности продукции. Однако эти измерители могут испытывать влияние недостаточно обоснованных первичных измерителей, что вынуждает разрабатывать особую методику корректировки первичных измерителей для хозяйственных моделей.

С точки зрения "интересов" моделирования экономики в настоящее время наиболее актуальными проблемами совершенствования экономических измерителей являются: оценка результатов интеллектуальной деятельности (особенно в сфере научно-технических разработок, индустрии информатики), построение обобщающих показателей социально-экономического развития, измерение эффектов обратных связей (влияние хозяйственных и социальных механизмов на эффективность производства).

4. Случайность и неопределенность в экономическом развитии.

Для методологии планирования экономики важное значение имеет понятие неопределенности экономического развития. В исследованиях по экономическому прогнозированию и планированию различают два типа неопределенности: "истинную", обусловленную свойствами экономических процессов, и "информационную", связанную с неполнотой и неточностью имеющейся информации об этих процессах. Истинную неопределенность нельзя смешивать с объективным существованием различных вариантов экономического развития и возможностью сознательного выбора среди них эффективных вариантов. Речь идет о принципиальной невозможности точного выбора единственного (оптимального) варианта.

В развитии экономики неопределенность вызывается двумя основными причинами. Во-первых, ход планируемых и управляемых процессов, а также внешние воздействия на эти процессы не могут быть точно предсказуемы из-за действия случайных факторов и ограниченности человеческого познания в каждый момент. Особенно характерно это для прогнозирования научно-технического прогресса, потребностей общества, экономического поведения. Во-вторых, общего сударственное планирование и управление не только не всеобъемлющи, но и не всесильны, а наличие множества самостоятельных экономических субъектов с особыми интересами не позволяет точно предвидеть результаты их взаимодействий. Неполнота и неточность информации об объективных процессах и экономическом поведении усиливают истинную неопределенность.

На первых этапах исследований по моделированию экономики применялись в основном модели детерминистского типа. В этих моделях все параметры предполагаются точно известными. Однако детерминистские модели неправильно понимать в механическом духе и отождествлять их с моделями, которые лишены всех "степеней выбора" (возможностей выбора) и имеют единственное допустимое решение. Классическим представителем жестко детерминистских моделей является оптимизационная модель народного хозяйства, применяемая для определения наилучшего варианта экономического развития среди множества допустимых вариантов.

В результате накопления опыта использования жестко детерминистских моделей были созданы реальные возможности успешного применения более совершенной методологии моделирования экономических процессов, учитывающих стохастику и неопределенность. Здесь можно выделить два основных направления исследований. Во-первых, усовершенствуется методика использования моделей жестко детерминистского типа: проведение многовариантных расчетов и модельных экспериментов с вариацией конструкции модели и ее исходных данных; изучение устойчивости и надежности получаемых решений, выделение зоны неопределенности; включение в модель резервов, применение приемов, повышающих приспособляемость экономических решений к вероятным и непредвидимым ситуациям. Во-вторых, получают распространение модели, непосредственно отражающие стохастику и неопределенность экономических процессов и использующие соответствующий математический аппарат: теорию вероятностей и математическую статистику, теорию игр и статистических решений, теорию массового обслуживания, стохастическое программирование, теорию случайных процессов.

5. Проверка адекватности моделей.

Сложность экономических процессов и явлений и другие отмеченные выше особенности экономических систем затрудняют не только построение математических моделей, но и проверку их адекватности, истинности получаемых результатов.

В естественных науках достаточным условием истинности результатов моделирования и любых других форм познания является совпадение результатов исследования с наблюдаемыми фактами. Категория "практика" совпадает здесь с категорией "действительность". В экономике и других общественных науках понимаемые таким образом принцип "практика - критерий истины" в большей степени применим к простым дескриптивным моделям, используемым для пассивного описания и объяснения действительности (анализа прошлого развития, краткосрочного прогнозирования неуправляемых экономических процессов и т.п.).

Однако главная задача экономической науки конструктивна: разработка научных методов планирования и управления экономикой. Поэтому распространенный тип математических моделей экономики - это модели управляемых и регулируемых экономических процессов, используемые для преобразования экономической действительности. Такие модели называются нормативными. Если ориентировать нормативные модели только на подтверждение действительности, то они не смогут служить инструментом решения качественно новых социально-экономических задач.

Специфика верификации нормативных моделей экономики состоит в том, что они, как правило, "конкурируют" с другими, уже нашедшими практическое применение методами планирования и управления. При этом далеко не всегда можно поставить чистый эксперимент по верификации модели, устранив влияние других управляющих воздействий на моделируемый объект.

Ситуация еще более усложняется, когда ставится вопрос о верификации моделей долгосрочного прогнозирования и планирования (как дескриптивных, так и нормативных). Ведь нельзя же 10-15 лет и более пассивно ожидать наступления событий, чтобы проверить правильность предпосылок модели.

Несмотря на отмеченные усложняющие обстоятельства, соответствие модели фактам и тенденциям реальной экономической жизни остается важнейшим критерием, определяющим направления совершенствования моделей. Всесторонний анализ выявляемых расхождений между действительностью и моделью, сопоставление результатов по модели с результатами, полученными иными методами, помогают выработать пути коррекции моделей.

Значительная роль в проверке моделей принадлежит логическому анализу, в том числе средствами самого математического моделирования. Такие формализованные приемы верификации моделей, как доказательство существования решения в модели, проверка истинности статистических гипотез о связях между параметрами и переменными модели, сопоставления размерности величин и т.д., позволяют сузить класс потенциально "правильных" моделей.

Внутрення непротиворечивость предпосылок модели проверяется также путем сравнения друг с другом получаемых с ее помощью следствий, а также со следствиями "конкурирующих" моделей.

Оценивая современное состояние проблемы адекватности математических моделей экономике, следует признать, что создание конструктивной комплексной методики верификации моделей, учитывающей как объективные особенности моделируемых объектов, так и особенности их познания, по-прежнему является одной из наиболее актуальных задач экономико-математических исследований.

6. Классификация экономико-математических моделей.

Математические модели экономических процессов и явлений более кратко можно назвать экономико-математическими моделями. Для классификации этих моделей используются разные основания.

По целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые в исследованиях общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).

Экономико-математические модели могут предназначаться для исследования разных сторон народного хозяйства (в частности, его производственно-технологической, социальной, территориальной структур) и его отдельных частей. При классификации моделей по исследуемым экономическим процессам и содержательной проблематике можно выделить модели народного хозяйства в целом и его подсистем - отраслей, регионов и т.д., комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т.д.

Остановимся более подробно на характеристике таких классов экономико-математических моделей, с которыми связаны наибольшие особенности методологии и техники моделирования.

В соответствии с общей классификацией математических моделей они подразделяются на функциональные и структурные, а также включают промежуточные формы (структурно-функциональные). В исследованиях на народнохозяйственном уровне чаще применяются структурные модели, поскольку для планирования и управления большое значение имеют взаимосвязи подсистем. Типичными структурными моделями являются модели межотраслевых связей. Функциональные модели широко применяются в экономическом регулировании, когда на поведение объекта ("выход") воздействуют путем изменения "входа". Примером может служить модель поведения потребителей в условиях товарно-денежных отношений. Один и тот же объект может описываться одновременно и структурой, и функциональной моделью. Так, например, для планирования отдельной отраслевой системы используется структурная модель, а на народнохозяйственном уровне каждая отрасль может быть представлена функциональной моделью.

Выше уже показывались различия между моделями дескриптивными и нормативными. Дискриптивные модели отвечают на вопрос: как это происходит? или как это вероятнее всего может дальше развиваться?, т.е. они только объясняют наблюдаемые факты или дают вероятный прогноз. Нормативные модели отвечают на вопрос: как это должно быть?, т.е. предполагают целенаправленную деятельность. Типичным примером нормативных моделей являются модели оптимального планирования, формализующие тем или иным способом цели экономического развития, возможности и средства их достижения.

Применение дескриптивного подхода в моделировании экономики объясняется необходимостью эмпирического выявления различных зависимостей в экономике, установления статистических закономерностей экономического поведения социальных групп, изучения вероятных путей развития каких-либо процессов при неизменяющихся условиях или протекающих без внешних воздействий. Примерами дескриптивных моделей являются производственные функции и функции покупательского спроса, построенные на основе обработки статистических данных.

Является ли экономико-математическая модель дескриптивной или нормативной, зависит не только от ее математической структуры, но от характера использования этой модели. Например, модель межотраслевого баланса дескриптивна, если она используется для анализа пропорций прошлого периода. Но эта же математическая модель становится нормативной, когда она применяется для расчетов сбалансированных вариантов развития народного хозяйства, удовлетворяющих конечные потребности общества при плановых нормативах производственных затрат.

Многие экономико-математические модели сочетают признаки дескриптивных и нормативных моделей. Типична ситуация, когда нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Например, межотраслевая модель может включать функции покупательского спроса, описывающие поведение потребителей при изменении доходов. Подобные примеры характеризуют тенденцию эффективного сочетания дескриптивного и нормативного подходов к моделированию экономических процессов. Дескриптивный подход широко применяется в имитационном моделировании.

По характеру отражения причинно-следственных связей различают модели жестко детерминистские и модели, учитывающие случайность и неопределенность. Необходимо различать неопределенность, описываемую вероятностными законами, и неопределенность, для описания которой законы теории вероятностей неприменимы. Второй тип неопределенности гораздо более сложен для моделирования.

По способам отражения фактора времени экономико-математические модели делятся на статические и динамические. В статических моделях все зависимости относятся к одному моменту или периоду времени. Динамические модели характеризуют изменения экономических процессов во времени. По длительности рассматриваемого периода времени различаются модели краткосрочного (до года), среднесрочного (до 5 лет), долгосрочного (10-15 и более лет) прогнозирования и планирования. Само время в экономико-математических моделях может изменяться либо непрерывно, либо дискретно.

Модели экономических процессов чрезвычайно разнообразны по форме математических зависимостей. Особенно важно выделить класс линейных моделей, наиболее удобных для анализа и вычислений и получивших вследствие этого большое распространение. Различия между линейными и нелинейными моделями существенны не только с математической точки зрения, но и в теоретико-экономическом отношении, поскольку многие зависимости в экономике носят принципиально нелинейный характер: эффективность использования ресурсов при увеличении производства, изменение спроса и потребления населения при увеличении производства, изменение спроса и потребления населения при росте доходов и т.п. Теория "линейной экономики" существенно отличается от теории "нелинейной экономики". От того, предполагаются ли множества производственных возможностей подсистем (отраслей, предприятий) выпуклыми или же невыпуклыми, существенно зависят выводы о возможности сочетания централизованного планирования и хозяйственной самостоятельности экономических подсистем.

По соотношению экзогенных и эндогенных переменных, включаемых в модель, они могут разделяться на открытые и закрытые. Полностью открытых моделей не существует; модель должна содержать хотя бы одну эндогенную переменную. Полностью закрытые экономико-математические модели, т.е. не включающие экзогенных переменных, исключительно редки; их построение требует полного абстрагирования от "среды", т.е. серьезного огрубления реальных экономических систем, всегда имеющих внешние связи. Подавляющее большинство экономико-математических моделей занимает промежуточное положение и различаются по степени открытости (закрытости).

Для моделей народнохозяйственного уровня важно деление на агрегированные и детализированные.

В зависимости от того, включают ли народнохозяйственные модели пространственные факторы и условия или не включают, различают модели пространственные и точечные.

Таким образом, общая классификация экономико-математических моделей включает более десяти основных признаков. С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей (особенно смешанных типов) и новых признаков их классификации осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

7. Этапы экономико-математического моделирования.

Основные этапы процесса моделирования уже рассматривались выше. В различных отраслях знаний, в том числе и в экономике, они приобретают свои специфические черты. Проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования.

1. Постановка экономической проблемы и ее качественный анализ. Главное здесь - четко сформулировать сущность проблемы, принимаемые допущения и те вопросы, на которые требуется получить ответы. Этот этап включает выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных; изучение структуры объекта и основных зависимостей, связывающих его элементы; формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта.

2. Построение математической модели. Это - этап формализации экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.). Обычно сначала определяется основная конструкция (тип) математической модели, а затем уточняются детали этой конструкции (конкретный перечень переменных и параметров, форма связей). Таким образом, построение модели подразделяется в свою очередь на несколько стадий.

Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше "работает" и дает лучшие результаты. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности и неопределенности и т.д. Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

Одна из важных особенностей математических моделей - потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой экономической задачей, не нужно стремиться "изобретать" модель; вначале необходимо попытаться применить для решения этой задачи уже известные модели.

В процессе построения модели осуществляется взаимосопоставление двух систем научных знаний - экономических и математических. Естественно стремиться к тому, чтобы получить модель, принадлежащую хорошо изученному классу математических задач. Часто это удается сделать путем некоторого упрощения исходных предпосылок модели, не искажающих существенных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация экономической проблемы приводит к неизвестной ранее математической структуре. Потребности экономической науки и практики в середине ХХ в. способствовали развитию математического программирования, теории игр, функционального анализа, вычислительной математики. Вполне вероятно, что в будущем развитие экономической науки станет важным стимулом для создания новых разделов математики.

3. Математический анализ модели. Целью этого этапа является выяснение общих свойств модели. Здесь применяются чисто чисто математические приемы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели (теорема существования). Если удастся доказать, что математическая задача не имеет решения, то необходимость в последующей работе по первоначальному варианту модели отпадает; следует скорректировать либо постановку экономической задачи, либо способы ее математической формализации. При аналитическом исследовании модели выясняются такие вопросы, как, например, единственно ли решение, какие переменные (неизвестные) могут входить в решение, каковы будут соотношения между ними, в каких пределах и в зависимости от каких исходных условий они изменяются, каковы тенденции их изменения и т.д. Аналитической исследование модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.

Знание общих свойств модели имеет столь важное значение, часто ради доказательства подобных свойств исследователи сознательно идут на идеализацию первоначальной модели. И все же модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию. В тех случаях, когда аналитическими методами не удается выяснить общих свойств модели, а упрощения модели приводят к недопустимым результатам, переходят к численным методам исследования.

4. Подготовка исходной информации. Моделирование предъявляет жесткие требования к системе информации. В то же время реальные возможности получения информации ограничивают выбор моделей, предназначаемых для практического использования. При этом принимается во внимание не только принципиальная возможность подготовки информации (за определенные сроки), но и затраты на подготовку соответствующих информационных массивов. Эти затраты не должны превышать эффект от использования дополнительной информации.

В процессе подготовки информации широко используются методы теории вероятностей, теоретической и математической статистики. При системном экономико-математическом моделировании исходная информация, используемая в одних моделях, является результатом функционирования других моделей.

5. Численное решение. Этот этап включает разработку алгоритмов для численного решения задачи, составления программ на ЭВМ и непосредственное проведение расчетов. Трудности этого этапа обусловлены прежде всего большой размерностью эконномических задач, необходимостью обработки значительных массивов информации.

Обычно расчеты по экономико-математической модели носят многовариантный характер. Благодаря высокому быстродействию современных ЭВМ удается проводить многочисленные "модельные" эксперименты, изучая "поведение" модели при различных изменениях некоторых условий. Исследование, проводимое численными методами, может существенно дополнить результаты аналитического исследования, а для многих моделей оно является единственно осуществимым. Класс экономических задач, которые можно решать численными методами, значительно шире, чем класс задач, доступных аналитическому исследованию.

6. Анализ численных результатов и их применение. На этом заключительном этапе цикла встает вопрос о правильности и полноте результатов моделирования, о степени практической применимости последних.

Математические методы проверки могут выявлять некорректные построения модели и тем самым сужать класс потенциально правильных моделей. Неформальный анализ теоретических выводов и численных результатов, получаемых посредством модели, сопоставление их с имеющимися знаниями и фактами действительности также позволяют обнаруживать недостатки постановки экономической задачи, сконструированной математической модели, ее информационного и математического обеспечения.

Взаимосвязи этапов. На рис.1 изображены связи между этапами одного цикла экономико-математического моделирования.

Обратим внимание на возвратные связи этапов, возникающие вследствие того, что в процессе исследования обнаруживаются недостатки предшествующих этапов моделирования.

Уже на этапе построения модели может выясниться, что постановка задачи противоречива или приводит к слишком сложной математической модели. В соответствии с этим исходная постановка задачи корректируется. Далее математический анализ модели (этап 3) может показать, что небольшая модификация постановки задачи или ее формализации дает интересный аналитический результат.

Наиболее часто необходимость возврата к предшествующим этапам моделирования возникает при подготовке исходной инфориации (этап 4). Может обнаружиться, что необходимая информация отсутствует или же затраты на ее подготовку слишком велики. Тогда приходится возвращаться к постановке задачи и ее формализации, изменяя их так, чтобы приспособиться к имеющейся информации.

Поскольку экономико-математические задачи могут быть сложны по своей структуре, иметь большую размерность, то часто случается, что известные алгоритмы и программы для ЭВМ не позволяют решить задачу в первоначальном виде. Если невозможно в короткий срок разработать новые алгоритмы и программы, исходную постановку задачи и модель упрощают: снимают и объединяют условия, уменьшают число факторов, нелинейные соотношения заменяют линейными, усиливают детерминизм модели и т.д.

Недостатки, которые не удается исправить на промежуточных этапах моделирования, устраняются в последующих циклах. Но результаты каждого цикла имеют и вполне самостоятельное значение. Начав исследование с построения простой модели, можно быстро получить полезные результаты, а затем перейти к созданию более совершенной модели, дополняемой новыми условиями, включающей уточненные математические зависимости.

По мере развития и усложнения экономико-математического моделирования его отдельные этапы обособляются в специализированные области исследований, усиливаются различия между теоретико-аналитическими и прикладными моделями, происходит дефференциация моделей по уровням абстракции и идеализации.

Теория математического анализа моделей экономики развилась в особую ветвь современной математики - математическую экономику. Модели, изучаемые в рамках математической экономики, теряют непосредственную связь с экономической реальностью; они имеют дело с исключительно идеализированными экономическими объектами и ситуациями. При построении таких моделей главным принципом является не столько приближение к реальности, сколько получение возможно большего числа аналитических результатов посредством математических доказательств. Ценность этих моделей для экономической теории и практики состоит в том, что они служат теоретической базой для моделей прикладного типа.

Довольно самостоятельными областями исследований становятся подготовка и обработка экономической информации и разработка математического обеспечения экономических задач (создание баз данных и банков информации, программ автоматизированного построения моделей и программного сервиса для экономистов-пользователей). На этапе практического использования моделей ведущую роль должны играть специалисты в соответствующей области экономического анализа, планирования, управления. Главным участком работы экономистов-математиков остается постановка и формализация экономических задач и синтез процесса экономико-математического моделирования.

8. Роль прикладных экономико-математических исследований.

Можно выделить по крайней мере четыре аспекта применения математических методов в решении практических проблем.

1. Совершенствование системы экономической информации. Математические методы позволяют упорядочить систему экономической информации, выявлять недостатки в имеющейся информации и вырабатывать требования для подготовки новой информации или ее корректировки. Разработка и применение экономико-математических моделей указывают пути совершенствования экономической информации, ориентированной на решение определенной системы задач планирования и управления. Прогресс в информационном обеспечении планирования и управления опирается на бурно развивающиеся технические и программные средства информатики.

2. Интенсификация и повышение точности экономических расчетов. Формализация экономических задач и применение ЭВМ многократно ускоряют типовые, массовые расчеты, повышают точность и сокращают трудоемкость, позволяют проводить многовариантные экономические обоснования сложных мероприятий, недоступные при господстве "ручной" технологии.

3. Углубление количественного анализа экономических проблем. Благодаря применению метода моделирования значительно усиливаются возможности конкретного количественного анализа; изучение многих факторов, оказывающих влияние на экономические процессы, количественная оценка последствий изменения условий развития экономических объектов и т.п.

4. Решение принципиально новых экономических задач. Посредством математического моделирования удается решать такие экономические задачи, которые иными средствами решить практически невозможно, например: нахождение оптимального варианта народнохозяйственного плана, имитация народнохозяйственных мероприятий, автоматизация контроля за функционированием сложных экономических объектов.

Сфера практического применения метода моделирования ограничивается возможностями и эффективностью формализации экономических проблем и ситуаций, а также состоянием информационного, математического, технического обеспечения используемых моделей. Стремление во что бы то ни стало применить математическую модель может не дать хороших результатов из-за отсутствия хотя бы некоторых необходимых условий.

В соответствии с современными научными представлениями системы разработки и принятия хозяйственных решений должны сочетать формальные и неформальные методы, взаимоусиливающие и взаимодополняющие друг друга. Формальные методы являются прежде всего средством научно обоснованной подготовки материала для действий человека в процессах управления. Это позволяет продуктивно использовать опыт и интуицию человека, его способности решать плохо формализуемые задачи.

Тема 1. Моделирование как метод познания

План:

1. Модель, моделирование

2. Классификация моделей. Материальные и информационные модели

1.Модель, моделирование

У американского писателя-фантаста Рея Брэдбери есть рассказ «И грянул гром». В нем повествуется о фирме, организующей путешествия на 60 миллионов лет в прошлое. Все посетители прошлого должны передвигаться только по специально проложенной тропе, ибо один неосторожный шаг уже способен нарушить последующую Историю. Устами одного из служащих фирмы это описано так:

«Допустим, мы случайно убили здесь мышь. Это значит, что всех будущих потомков этой мыши не будет... Вы уничтожите не одну, а миллион мышей... А как с лисами, для питания которых нужны были именно эти мыши? Не хватит десяти мышей - умрет одна лиса. Десятью лисами меньше - подохнет от голода лев... И вот итог: через 59 миллионов лет пещерный человек, один из дюжины, населяющей весь мир, выходит на охоту за кабаном или саблезубым тигром. Но вы, раздавив одну мышь, раздавили всех тигров в этих местах. И пещерный человек умирает от голода... Это смерть миллиарда его потомков. Может быть, Рим не появится на своих семи холмах...»

Напрасно один из героев рассказа умолял вернуть его на 60 миллионов лет назад, чтобы оживить случайно раздавленную им бабочку. Он оказался уже совсем в иной Истории и погиб.

Это, конечно, всего лишь фантастика, сказка, смоделированная автором ситуация, но в ней намек всем нам, как осторожны должны мы быть в нашем общении с природой. Как часто наши решения оказываются непродуманными: то мы вдруг решаем уничтожить всех волков, якобы приносящих только вред, то заселяем весь материк кроликами (так случилось в Австралии) и потом не знаем, как от них избавиться. Каждый раз хочется вернуться в тот роковой миг и сделать более правильный, как нам кажется, шаг. Но это, увы, невозможно - нет такой машины времени, которая перенесла бы нас в прошлое.

Есть, однако, «машина времени», позволяющая заглянуть в будущее, проанализировать, смоделировать процесс, ситуацию, - это наука.

Рассмотрим пример из жизни. В 1870 г. английское Адмиралтейство спустило на воду новый броненосец «Кэптен». Корабль вышел в море и перевернулся. Погиб корабль, погибли 523 человека.

Это было совершенно неожиданно для всех. Для всех, кроме одного человека. Им был английский ученый-кораблестроитель В. Рид, который предварительно провел исследования на модели броненосца и установил, что корабль опрокинется даже при небольшом волнении. Но ученому, проделывающему какие-то «несерьезные» опыты с «игрушкой», не поверили лорды из Адмиралтейства. И случилось непоправимое.

С различными моделями мы сталкиваемся еще в раннем детстве: игрушечный автомобиль, самолет или кораблик для многих были любимыми игрушками, равно как и плюшевый медвежонок или кукла. Дети часто моделируют (играют в кубики, обыкновенная палка им заменяет коня и т. д.).

В развитии ребенка, в процессе познания им окружающего мира такие игрушки, являющиеся, по существу, моделями реальных объектов, играют важную роль. В подростковом возрасте для многих увлечение авиамоделированием, судомоделированием, собственноручным созданием игрушек, похожих на реальные объекты, оказывает влияние на выбор жизненного пути. Модели и моделирование используются человечеством давно. По сути, именно модели и модельные отношения обусловили появление разговорных языков, письменности, графики. Наскальные изображения наших предков, затем картины и книги - это модельные, информационные формы передачи знаний об окружающем мире последующим поколениям.

Попробуем разобраться в том, что такое модель.

Казалось бы, что общего между игрушечным корабликом и рисунком на экране компьютера, изображающим сложную математическую абстракцию? И все же общее есть: и в том, и в другом случае мы имеем образ реального объекта, представляющий собой «заместитель» некоторого оригинала, воспроизводящий оригинал с той или иной степенью достоверности или детализации. Другими словами: модель является представлением объекта в некоторой форме, отличной от формы его реального существования.

Практически во всех науках о природе (живой и неживой) и обществе построение и использование моделей являются мощным орудием познания. Реальные объекты и процессы бывают столь многогранны и сложны, что лучшим способом их изучения является такой: построить модель, отображающую лишь какую-то грань реальности и потому несравнимо более простую, чем эта реальность, и исследовать сначала эту модель. Многовековой опыт развития науки доказал на практике плодотворность такого подхода. Модель - неоценимый и бесспорный помощник инженеров и ученых.

Приведем несколько примеров, поясняющих, что такое модель.

Архитектор готовится построить здание невиданного доселе типа. Но прежде чем воздвигнуть его, он сооружает это здание из кубиков на столе, чтобы посмотреть, как оно будет выглядеть. Это модель здания.

Для того чтобы объяснить, как функционирует система кровообращения, лектор демонстрирует плакат со схемой, на которой стрелочками изображены направления движения крови. Это модель функционирования системы кровообращения.

На стене висит картина, изображающая яблоневый сад в цвету. Это модель яблоневого сада.

Литературный жанр, такой, как басня или притча, имеет непосредственное отношение к понятию модели, поскольку смысл этого жанра состоит в переносе отношений между людьми на отношения между животными.

Попытаемся понять, какова роль моделей в приведенных примерах.

Конечно, архитектор мог бы построить здание без предварительных экспериментов с кубиками. Но он не уверен, что здание будет выглядеть достаточно хорошо. Если оно окажется некрасивым, то многие годы будет немым укором своему создателю. Лучше уж поэкспериментировать с кубиками.

Разумеется, лектор мог бы воспользоваться для демонстрации подробным анатомическим атласом. Но подобная степень детализации ему совершенно не нужна при изучении системы кровообращения. Более того, она мешает изучению, так как не дает сосредоточиться на главном. Гораздо эффективнее воспользоваться плакатом.

Естественно, гуляя в благоухающем яблоневом саду, можно получить богатейшие эмоциональные впечатления. Но если мы живем на Крайнем Севере и у нас нет возможности увидеть яблоневый сад в цвету, можно посмотреть на картину и представить этот сад.

Во всех перечисленных примерах имеет место сопоставление некоторого объекта с другим, его заменяющим: реальное здание - постройка из кубиков; система кровообращения - схема на плакате; яблоневый сад - картина, его изображающая.

Итак, дадим следующее определение модели:

Модель - это такой материальный или мысленно представляемый объект, который в процессе изучения замещает объект-оригинал, сохраняя некоторые важные для данного исследования типичные черты этого оригинала.

Или можно сказать другими словами: модель - это упрощенное представление о реальном объекте, процессе или явлении.

Модель позволяет научиться правильно управлять объектом посредством апробации различных вариантов управления на модели этого объекта. Экспериментировать в этих целях с реальным объектом в лучшем случае бывает неудобно, а как правило, просто вредно или вообще невозможно в силу ряда причин (большой продолжительности эксперимента во времени, риска привести объект в нежелательное и необратимое состояние и т. п.)

Итак, сделаем выводы: модель необходима, для того чтобы:

Понять, как устроен конкретный объект - каковы его структура, основные свойства, законы развития и взаимодействия с окружающим миром;

Научиться управлять объектом или процессом и определять наилучшие способы управления при заданных целях и критериях (оптимизация);

Прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект.

Никакая модель не может заменить само явление, но при решении задачи, когда нас интересуют определенное свойство изучаемого процесса или явления, модель оказывается полезным, а подчас и единственным инструментом исследования, познания.

Моделированием называется как процесс построения модели, так и процесс изучения строения и свойств оригинала с помощью построенной модели.

Технология моделирования требует от исследователя умения определять проблемы и ставить задачи, прогнозировать результаты исследования, проводить разумные оценки, выделять главные и второстепенные факторы для построения моделей, выбирать аналогии и математические формулировки, решать задачи с использованием компьютерных систем, проводить анализ компьютерных экспериментов.

Навыки моделирования очень важны для человека в его повседневной деятельности. Они помогают разумно планировать распорядок дня, учебу, труд, выбирать оптимальные варианты при наличии выбора, удачно разрешать различные жизненные проблемы.

Материальным (предметным, физическим) принято называть моделирование, при котором реальному объекту сопоставляется его увеличенная или уменьшенная копия, допускающая исследование (как правило, в лабораторных условиях) с помощью последующего перенесения свойств изучаемых процессов и явлений с модели на объект на основе теории подобия.

Примеры: в астрономии - планетарий, в архитектуре - макеты зданий, в самолетостроении - модели летательных аппаратов.

От материального моделирования принципиально отличается идеальное моделирование, которое основано не на материальной аналогии объекта и модели, а на идеальной, мыслительной.

Предисловие....................................................................................... 5

1...... МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ 3

1.1... Моделирование как метод познания. 3

1.2... Классификация моделей. 6

1.3... Компьютерное моделирование. 8

1.4... Информационные модели. 9

1.5... Примеры информационных моделей. 10

1.6... Базы данных. 11

1.7... Искусственный интеллект. 13

1.8... Вопросы и тестовые задания для самоконтроля. 14

2...... МОДЕЛИРОВАНИЕ И ПРИНЯТИЕ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ 16

2.1... Принятие и реализация управленческих решений. 16

2.2... Процесс моделирования. 16

2.3... Роль менеджера в моделировании. 17

2.4... Этапы моделирования при принятии управленческих решений. 20

3...... СРЕДСТВА АНАЛИЗА «ЧТО ЕСЛИ». 21

3.1... Общие сведения о средствах анализа. 21

3.2... Использование сценариев для анализа нескольких различных переменных 21

3.2.1 Общие сведения о сценариях. 21

3.2.2 Создание сценария. 22

3.2.3 Просмотр сценария. 23

3.2.4 Создание итогового отчета по сценариям. 23

3.3... Использование средства подбора параметров для поиска способов получения необходимого результата. 24

3.4... Использование таблиц данных для изучения влияния одной или двух переменных на формулу. 24

3.4.1 Общие сведения о таблицах данных. 24

3.4.2 Таблицы данных с одной переменной. 26

3.4.3 Создание таблицы данных с двумя переменными. 27

3.5... Подготовка прогнозов и сложных бизнес-моделей. 28

4...... ПОСТАНОВКА ЗАДАЧИ ОПТИМИЗАЦИИ И ИСПОЛЬЗОВАНИЕ НАДСТРОЙКИ «ПОИСК РЕШЕНИЯ». 29

4.1... Пример вычисления с помощью «Поиска решения». 29

4.2... Формализация моделей линейного программирования. 30

4.3... Представление модели линейного программирования в электронных таблицах 35

4.4... Использование надстройки Поиск решения. 36

4.5... Графический метод решения задачи линейного программирования с двумя переменными. 39

5...... АППРОКСИМАЦИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ.. 40

5.1... Теоретические основы.. 40

5.2... Линейная регрессия. 44

5.3... Примеры использования функций ЛИНЕЙН и ТЕНДЕНЦИЯ.. 46

5.3.1 Функция ТЕНДЕНЦИЯ.. 46

5.3.2 Простая линейная регрессия. 48

5.3.3 Множественная линейная регрессия. 49

6...... ВЕРОЯТНОСТНЫЕ МОДЕЛИ.. 51

6.1... Модели принятия решений в условиях определённости, риска и неопределённости 51

6.2... Моделирование киоска. 52

7...... ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ. 56

7.1... Понятие имитационного моделирования. 56

7.2... Имитационное моделирование на примере киоска. 58

8...... ОСНОВНЫЕ ПОНЯТИЯ БАЗ ДАННЫХ.. 62

8.1... Задачи, решаемые с помощью баз данных. 62

8.2... Классификация БД.. 64

8.3... Реляционная модель данных. 65

8.4... Свойства полей базы данных. 67

8.5... Типы данных. 68

8.6... Безопасность и объекты баз данных. 69

8.7... Вопросы и тестовые задания для самоконтроля. 72

9...... МОДЕЛИ БИЗНЕС-ПРОЦЕССОВ. MЕТОДОЛОГИЯ IDEF. 73

9.1... Понятие бизнес-процесса. 74

9.2... Понятие о стандарте моделирования бизнес-процессов IDEF. 75

9.3... Моделирование бизнес-процессов нотации IDEF0 в Visio. 78

9.3.1 Создание диаграммы бизнес-процесса. 78

ЗАКЛЮЧЕНИЕ. 88

БИБЛИОГРАФИЧЕСКИЙ СПИСОК.. 90

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ

Моделирование как метод познания

В повседневной жизни, на производстве, в научно-исследовательской, инженерной или любой другой деятельности человек постоянно сталкивается с решением задач. Все задачи по своему назначению можно разделить на две категории: вычислительные задачи, целью которых является определение некоторой величины, и функциональные задачи, предназначенные для создания некого аппарата, выполняющего определённые действия – функции.

Например, проектирование нового здания требует решения задачи расчёта прочности его фундамента, несущих опорных конструкций, расчёта финансовых затрат на строительство, определение оптимального числа работников и т.д. Для повышения производительности труда строителей создано немало машин функционального назначения (решены функциональные задачи), такие как экскаватор, бульдозер, подъёмный кран и др.

Компьютеры первого и второго поколения использовались в основном для решения вычислительных задач: проведения инженерных, научных, финансовых расчётов. Начиная с третьего поколения, область применения ЭВМ включает и решение функциональных задач: это ведение баз данных, управление, проектирование. Современный компьютер может использоваться для решения практически любых задач.

Человеческая деятельность и, в частности, решение задач неразрывно связаны с построением, изучением и использованием моделей различных объектов, процессов и явлений. В своей деятельности – в практической сфере, художественной, научной – человек всегда создаёт некий слепок, заменитель того объекта, процесса или явления, с которым ему приходится иметь дело. Это может быть картина, чертёж, скульптура, макет, математическая формула, словесное описание и др.

Объектом (от лат. objectum – предмет) называется всё то, что противостоит субъекту в его практической и познавательной деятельности, всё то, на что направлена эта деятельность. Под объектами понимаются предметы и явления, как доступные, так и недоступные чувственному восприятию человека, но имеющие видимое влияние на другие объекты (например, гравитация, инфразвук или электромагнитные волны). Объективная реальность, существующая независимо от нас, является объектом для человека в любой его деятельности и взаимодействует с ним. Поэтому объект всегда должен рассматриваться во взаимодействии с другими объектами, с учётом их взаимовлияния.

Деятельность человека обычно идёт по двум направлениям: исследование свойств объекта с целью их использования (или нейтрализации); создание новых объектов, имеющих полезные свойства. Первое направление относится к научным исследованиям и большую роль при их проведении имеет гипотеза , т.е. предсказание свойств объекта при недостаточной его изученности. Второе направление относится к инженерному проектированию. При этом важную роль играет понятие аналогии – суждении о каком-либо сходстве известного и проектируемого объекта. Аналогия может быть полной или частичной. Это понятие относительно и определяется уровнем абстрагирования и целью построения аналогии.

Моделью (от лат. modulus – образец) какого-либо объекта, процесса или явления называется заменитель (образ, аналог, представитель), используемый в качестве оригинала. Модель даёт нам представление реального объекта или явления в некоторой форме, отличной от формы его реального существования. Например, в разговоре мы замещаем реальные объекты их наименованиями, словами. И от замещающего имени в этом случае требуется самое основное – обозначить необходимый объект. Таким образом, мы с детства сталкиваемся с понятием «модель» (самая первая модель в нашей жизни – соска).

Модель – это мощное орудие познания. К созданию моделей прибегают, когда исследуемый объект либо очень велик (модель солнечной системы), либо очень мал (модель атома), когда процесс протекает очень быстро (модель двигателя внутреннего сгорания) или очень медленно (геологические модели), исследование объекта может привести к его разрушению (учебная граната) или создание модели очень дорого (архитектурный макет города) и т.д.

Каждый объект имеет большое количество различных свойств. В процессе построения модели выделяются главные, наиболее существенные , свойства, те, которые интересуют исследователя. В этом главная особенность и главное назначение моделей. Таким образом, под моделью понимается некоторый объект, замещающий реальный исследуемый объект с сохранением наиболее существенных его свойств.

Не бывает просто модели, «модель» – это термин, требующий уточняющего слова или словосочетания, например: модель атома, модель Вселенной. В каком-то смысле моделью можно считать картину художника или театральный спектакль (это модели, отражающие ту или иную сторону духовного мира человека).

Исследование объектов, процессов или явлений путём построения и изучения их моделей для определения или уточнения характеристик оригинала называется моделированием . Моделирование может быть определено как представление объекта моделью для получения информации об этом объекте путём проведения экспериментов с его моделью. Теория замещения объектов-оригиналов объектом-моделью называется теорией моделирования. Всё многообразие способов моделирования, рассматриваемого теорией моделирования, можно условно разделить на две группы: аналитическое и имитационное моделирование.

Аналитическое моделирование заключается в построении модели, основанной на описании поведения объекта или системы объектов в виде аналитических выражений – формул. При таком моделировании объект описывается системой линейных или нелинейных алгебраических или дифференциальных уравнений, решение которых может дать представление о свойствах объекта. К полученной аналитической модели, с учётом вида и сложности формул применяются аналитические или приближённые численные методы. Реализация численных методов обычно возлагается на вычислительные машины, обладающие большими вычислительными мощностями. Тем не менее, применение аналитического моделирования ограничено сложностью получения и анализа выражений для больших систем.

Имитационное моделирование предполагает построение модели с характеристиками, адекватными оригиналу, на основе какого-либо его физического или информационного принципа. Это означает, что внешние воздействия на модель и объект вызывают идентичные изменения свойств оригинала и модели. При таком моделировании отсутствует общая аналитическая модель большой размерности, а объект представлен системой, состоящей из элементов, взаимодействующих между собой и с внешним миром. Задавая внешние воздействия, можно получить характеристики системы и провести их анализ. В последнее время имитационное моделирование всё больше ассоциируется с моделированием объектов на компьютере, что позволяет в интерактивном режиме исследовать модели самых разных по природе объектов.

Если результаты моделирования подтверждаются и могут служить основой для прогнозирования поведения исследуемых объектов, то говорят, что модель адекватна объекту. Степень адекватности зависит от цели и критериев моделирования.

Основные цели моделирования:

7. Понять, как устроен конкретный объект, какова его структура, основные свойства, законы развития и взаимодействия с окружающим миром (понимание).

8. Научиться управлять объектом (процессом) и определить наилучшие способы управления при заданных целях и критериях (управление).

9. Прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект (прогнозирование).

Практически любой объект моделирования может быть представлен совокупностью элементов и связей между ними, т.е. являться системой, взаимодействующей с внешней средой. Система (от греч. system – целое) есть целенаправленное множество взаимосвязанных элементов любой природы. Внешняя среда представляет собой множество существующих вне системы элементов любой природы, оказывающих влияние на систему или находящихся под её воздействием. При системном подходе к моделированию, прежде всего, чётко определяется цель моделирования. Создание модели полного аналога оригинала дело трудоёмкое и дорогое, поэтому модель создаётся под определённую цель.

Ещё раз отметим, что любая модель не является копией объекта, а отражает лишь наиболее важные, существенные черты и свойства, пренебрегая остальными характеристиками объекта, которые несущественны в рамках поставленной задачи. Например, моделью человека в биологии может являться система, стремящаяся к самосохранению; в химии – объект, состоящий из различных веществ; в механике – точка, обладающая массой. Один и тот же реальный объект может быть описан разными моделями (в разных аспектах и с разными целями). А одна и та же модель может рассматриваться как модель совершенно разных реальных объектов (от песчинки до планеты).

Никакая модель не может полностью заменить сам объект. Но при решении конкретных задач, когда нас интересуют определённые свойства изучаемого объекта, модель оказывается полезным, простым, а подчас и единственным инструментом исследования.

Классификация моделей

В зависимости от характера изучаемых процессов в системе и цели моделирования существует множество типов моделей и способов их классификации, например, по цели использования, наличию случайных воздействий, отношению ко времени, возможности реализации, области применения и др. (табл. 13).

Таблица 13

Классификация видов моделей

По способу отражения свойств объекта (по возможности реализации) модели классифицируются на предметные (реальные, материальные) и абстрактные (мысленные, информационные – в широком смысле). В узком смысле под информационными понимаются абстрактные модели, реализующие информационные процессы (возникновение, передачу, обработку и использование информации) на компьютере.

Предметные модели представлены реальными объектами, воспроизводящими геометрические, физические и другие свойства моделируемых систем в материальной форме (глобус, манекен, макет, муляж, каркас и др.). Реальные модели делят на натурные (проведение исследования на реальном объекте и последующая обработка результатов эксперимента с применением теории подобия) и физические (проведение исследования на установках с аналогичными изучаемому процессами, которые сохраняют природу явления и обладают физическим подобием).

Абстрактные модели позволяют представлять системы, которые трудно или невозможно моделировать реально, в образной или знаковой форме. Образные или наглядные модели (рисунки, фотографии) представляют собой наглядные зрительные образы, зафиксированные на материальном носителе информации (бумага, плёнка). Знаковые или символьные модели представляют основные свойства и отношения моделируемого объекта с использованием различных языков (знаковых систем), например, географические карты. Вербальные модели – текстовые – используют для описания объектов средства естественного языка. Например, правила дорожного движения, инструкция к прибору.

Математические модели – широкий класс знаковых моделей, использующих математические методы представления (формулы, зависимости) и получения исследуемых характеристик реального объекта. Назовём некоторые разновидности математических моделей. Дескриптивные (описательные) – констатируют фактическое положение дел, без возможности влияния на моделируемый объект. Оптимизационные – дают возможность подбирать управляющие параметры. Игровые – изучают методы принятия решений в условиях неполной информации. Имитационные – подражают реальному процессу.

По цели использования модели классифицируются на научный эксперимент , в котором осуществляется исследование модели с применением различных средств получения данных об объекте, возможности влияния на ход процесса с целью получения новых данных об объекте или явлении; комплексные испытания и производственный эксперимент , использующие натурное испытание физического объекта для получения высокой достоверности о его характеристиках; оптимизационные , связанные с нахождением оптимальных показателей системы (например, нахождение минимальных затрат или определение максимальной прибыли).

По наличию случайных воздействий на систему модели делятся на детерминированные (в системах отсутствуют случайные воздействия) и стохастические (в системах присутствуют вероятностные воздействия). Эти же модели некоторые авторы классифицируют по способу оценки параметров системы: в детерминированных системах параметры модели оцениваются одним показателем для конкретных значений их исходных данных; в стохастических системах наличие вероятностных характеристик исходных данных позволяет оценивать параметры системы несколькими показателями.

По отношению ко времени модели разделяют на статические , описывающие систему в определённый момент времени, и динамические , рассматривающие поведение системы во времени. В свою очередь, динамические модели подразделяют на дискретные , в которых все события происходят по интервалам времени, и непрерывные , где все события происходят непрерывно во времени.

По области применения модели подразделяют на универсальные , предназначенные для использования многими системами, и специализированные , созданные для исследования конкретной системы.

Компьютерное моделирование

Информатика имеет самое непосредственное отношение к информационным и математическим моделям, поскольку они – основа применения компьютера при решении задач различной природы. Обобщённую схему компьютерного моделирования можно представить следующим образом (рис. 8.1).

Рис. 8.1. Схема компьютерного моделирования

Основные этапы компьютерного решения задач будут подробно рассмотрены при изучении раздела «Основы алгоритмизации».

Информационные модели

Информационные модели во многих случаях опираются на математические модели, так как при решении задач математическая модель исследуемого объекта, процесса или явления неизбежно преобразуется в информационную для её реализации на компьютере. Определим основные понятия информационной модели.

Информационным объектом называется описание реального объекта, процесса или явления в виде совокупности его характеристик (информационных элементов), называемых реквизитами . Информационный объект определённой структуры (реквизитного состава) образует тип (класс), которому присваивают уникальное имя . Информационный объект с конкретными характеристиками называют экземпляром . Каждый экземпляр идентифицируется заданием ключевого реквизита (ключа). Одни и те же реквизиты в различных информационных объектах могут быть как ключевыми, так и описательными. Информационный объект может иметь несколько ключей.

Пример . Информационный объект СТУДЕНТ имеет реквизитный состав: номер (номер зачётной книжки – ключевой реквизит), фамилия, имя, отчество, дата рождения, код места обучения . Информационный объект ЛИЧНОЕ ДЕЛО: номер студента, домашний адрес, номер аттестата о среднем образовании, семейное положение, дети. Информационный объект МЕСТО ОБУЧЕНИЯ включает реквизиты: код (ключевой реквизит), наименование вуза, факультет, группа. Информационный объект ПРЕПОДАВАТЕЛЬ: код (ключевой реквизит), кафедра, фамилия, имя, отчество, учёная степень, учёное звание, должность.

Отношения , существующие между реальными объектами, определяются в информационных моделях как связи . Существует три вида связей: один к одному (1:1), один ко многим (1:М) и многие ко многим (М:М).

Связь один-к-одному определяет соответствие одному экземпляру информационного объекта X не более одного экземпляра информационного объекта Y, и наоборот.

Пример . Информационные объекты СТУДЕНТ и ЛИЧНОЕ ДЕЛО будут связаны отношением один к одному. Каждый студент имеет определённые уникальные данные в личном деле.

При связи один-ко-многим одному экземпляру информационного объекта X может соответствовать любое количество экземпляров информационного объекта Y, но каждый экземпляр объекта Y связан не более чем с одним экземпляром объекта X.

Пример . Между информационными объектами МЕСТО ОБУЧЕНИЯ и СТУДЕНТ необходимо установить связь один ко многим. Одно и то же место обучения может многократно повторяться для различных студентов.

Связь многие-ко-многим предполагает соответствие одному экземпляру информационного объекта X любого количества экземпляров объекта Y, и наоборот.

Пример . Информационные объекты СТУДЕНТ и ПРЕПОДАВАТЕЛЬ имеют связь многие ко многим. Каждый студент обучается у множества преподавателей, а каждый преподаватель учит множество студентов.

Информационные объекты могут образовывать следующие структуры: очередь – последовательная обработка; цикл; дерево; граф – общий случай.