Стохастическая имитация — вид машинной имитации, отличающийся от детерминированной тем, что включает в модель в том или ином виде случайные возмущения, отражающие вероятностный характер моделируемой системы. [c.12]
Описание этапов имитационного исследования мы будем проводить на примере двух конкретных задач. Первая из них — принятие решения о варианте системы массового обслуживания. Пусть планируется строительство автозаправочной станции, предназначенной для заправки автомобилей бензином. Имеется конечное число вариантов АЗС, которые могут быть построены в интересующем заказчика пункте. Перед ним стоит проблема — выбрать один из этих вариантов. Как читатель знает, анализ систем такого рода обычно относится к исследованию моделей со случайными воздействиями, которые были уже рассмотрены нами. Полученные читателем знания помогут построить модель и оценить преимущества и недостатки имитационного исследования в этом случае. Надо подчеркнуть, что изучение стохастических моделей было первым объектом приложения имитационных исследований к экономическим задачам. Такие исследования относятся к наиболее широко применяемым методам имитации и по настоящее время. [c.239]
Проведение большого числа реализации графа позволяет определить стохастические параметры процесса такие, как математические ожидания и дисперсии длительности Т и стоимости S, математические ожидания раннего времени наступления событий и резервов. Многократная имитация на ЭВМ стохастического альтернативного графа позволяет получить выборки значений случайных параметров Т и S и по этим данным построить для них гистограммы и эмпирические функции распределения. Функция распределения случайной величины (Т) дает возможность не только обоснованно прогнозировать срок окончания всего комплекса операций поданному направлению, но и определять вероятность его завершения к заданному сроку. Гистограмма и выборочная функция распределения стоимости также несут ценную информацию, которая позволяет, в частности, оценить вероятность реализации стратегической альтернативы при заданных затратах. [c.192]
Особенности поведения предприятия, связанные со стохастическим и законами принятия решения в системе оптовой торговли средствами производства, можно исследовать при помощи имитационных моделей с использованием метода машинного моделирования [4]. Имитацию поведения предприятия проведем при заключении данным предприятием договоров с поставщиками и потребителями и при совершении акта продажи своей продукции. При заключении договоров предполагается, что предприятие заявило потребителям количество и номенклатуру продукции, которую ему выгодно выпускать с точки зрения максимума прибыли. С другой стороны, оно сделало заказ поставщикам на ресурсы, необходимые для этого состава и объема выпуска продукции. В процессе формирования договоров случайным является поведение поставщиков и потребителей. Предполагается, что поставщики с некоторым заданным законом распределения вероятностей принимают или не принимают заказы на ресурсы. Аналогично потребители с некоторым заданным законом распределения вероятностей принимают или не принимают заявки на заказ соответствующего вида средств производства. Причем отказ в принятии заказа или заявки на заказ может быть (в большинстве случаев будет именно так) не только полным, но и частичным. Используя способность ЭВМ формировать случайные числа, можно имитировать поведение предприятия при различной реакции внешней среды (потребителей и поставщиков). Экономически вполне оправданно считать, что вероятность величины отказа поставщиков и потребителей распределена по показательному закону. Действительно, с возрастанием величины отказа его вероятность уменьшается, причем это уменьшение происходит явно быстрее, чем по линейному закону. Задавая, кроме того, вероятность той или иной реакции данного предприятия на поведение поставщиков и потребителей при формировании договоров, можно получить приближенную картину его функционирования при разных характеристиках внешней среды и его внутренних характеристиках. Операторная схема и блок-схема моделирующего алгоритма для данной имитационной модели имеют следующий вид [c.90]
Метод Монте-Карло — это численный метод, позволяющий моделировать будущие значения переменной с помощью имитации ее поведения времени. Хотя множество изящных математических приемов было разработано для стохастических процессов переменных, возможно, что простые задачи могут привести к сложным математическим расчетам или возникшие задачи нецелесообразно решать с помощью аналитических методов. Доступные современным аналитикам возрастающие компьютерные [c.409]
Принцип адекватности предполагает, что методы и модели разработки прогнозов рассчитаны, в первую очередь, на выявление и количественное измерение устойчивых тенденций и взаимосвязей в развитии народного хозяйства и создание теоретического аналога реальных экономических процессов с их полной и точной имитацией. Адекватность означает максимальное приближение теоретической модели к устойчивым тенденциям развития, учет вероятностного, стохастического характера реальных процессов и оценку вероятности реализа- [c.134]
Какая имитация называется стохастической [c.14]
Каждый из четырех подходов к динамическому инвестированию имеет в себе нечто привлекательное. Решающие правила гораздо проще для реализации, а соответствующие оптимизационные задачи не заставляют нас прибегать к крупномасштабным процедурам линейного и нелинейного программирования. Они могут быть без труда протестированы на выбранных сценариях (путем имитации) и обеспечивают приемлемые доверительные интервалы для рекомендаций. Они интуитивно ясны для большинства профессиональных инвесторов. Однако они способны привести к невыпуклым моделям оптимизации, которые требуют интенсивных расчетов для нахождения глобально-оптимального решения. Кроме того, правила, естественно, могут привести к субоптимальному поведению. Стохастическое программирование дает основу для построения моделей общего назначения, которые могут принимать во внимание особенности реального мира, такие как ограничения на оборотные средства опера- [c.20]
СТОХАСТИЧЕСКАЯ ИМИТАЦИЯ [sto hasti simulation] — вид машинной имитации, отличающийся от детерминированной тем, что включает в модель (в том или ином виде) случайные возмущения, отражающие вероятностный характер моделируемой системы (см. также Статистическое моделирование, Стохастическая модель). [c.347]
И.м. является динамической моделью в том смысле, что в ней присутствует время — когда проигрывается серия вариантов развития исследуемого объекта. С другой стороны, И.м., как правило, является адаптивной моделью (см. Адаптация), ибо совершенствуется, уточняется в процессе использования. Она может быть детерминированной, но чаще—вероятностной (т.е. содержащей стохастические элементы) часто она содержит наряду с машинными также блоки, где решения принимаются человеком. См. Валидация модели, Верификация модели, Машинная имитация. [c.120]
Хотя метод Монте-Карло, описанный в предыдущем пункте, и оказался пригодным к решению больших задач отображения алгоритмов на мультитранспьютерные ВС, его слабым местом является достаточно медленная сходимость. Попытки увеличить скорость сходимости за счет увеличения начальной температуры приводят к ухудшению стационарного решения. В силу этого был разработан новый стохастический алгоритм наискорейшего спуска. В этом методе, так же как и в методе Монте-Карло, используется процедура имитации отжига, чтобы гарантировать сходимость метода. Общая схема метода такова. 1. Полагаем начальную температуру равной Q = а. [c.155]
Разработан ряд стохастических методов решения поставленной оптимизационной задачи распараллеливания вычислений. В первом методе — стохастическом методе попарной оптимизации подграфов — поиск оптимального решения осуществляется за счет взаимного (стохастического) переноса вершин между различными парами подграфов графа алгоритма. Второй метод — метод Монте-Карло случайного блуждания вершин графа алгоритма по подграфам — основан на отождествлении вершин графа алгоритма с некоторыми частицами, совершающими случайные блуждания по областям-подграфам в потенциальном силовом поле, роль потенциала которого играет минимизируемый функционал. Наиболее вероятное состояние подобной системы частиц соответствует минимуму потенциала —-и, следовательно, является искомым решением. Поиск такого состояния осуществляется методом Монте-Карло с использованием специальной процедуры имитации отжига . Третий метод — стохастический метод наискорейшего спуска — основан на использовании дискретного аналога градиента минимизируемого функционала. Все разработанные методы реализованы программно и являются частью системы программ PARALLAX. Проведено тестирование созданных программ и сравнение их работы на простейших примерах. [c.166]
Событийные методы имитации ориентированы на очень сильную детализацию рассматриваемых явлений и основаны только на стохастических зависимостях. Потоковые имитационные системы отображают изучаемые объекты более укрупненно, обладают как детерминированными, так и стохастическими свойствами, например управления запасами, массового обслуживания и т.п., реализованными в системах ИМИТАК, СЛАМП. [c.338]
Метод имитации находит всё более широкое применение для исследования экономич. процессов ц явлений, т. к. в наибольшей степени отвечает их природе как систем сложных (многоаспектных) динамич. и стохастических. Различные стороны сложного экономич. процесса или явления могут быть отражены в целом комплексе моделей, причём средства моделирования систем не ограничены — модели могут быть представлены в виде математич. уравнений машинных программ, инструкций поведения для экспериментатора и др. Это позволяет учитывать взаимодействие таких разнообразных и непосредственно не сравнимых аспектов экономич. систем, как демограф, факторы, закономерности формирования потребительского спроса, структура обществ, произ-ва и производств, связи, объём и структура капиталовложений, система ценообразования и финансово-кредитная система, структура и характер деятельности органов управления. В основе концепции имитации лежит положение, что для социально-экономич. систем наиболее адекватным и эффективным методом изучения является исследование поведения и состояния составляющих их микроэлементов. Так, общие демографич. закономерности складываются из совокупного поведения отдельных семей различных типов оптимальная производств, структура предприятия проектируется на основе изучения вероятностных закономерностей маршрутов деталей, последовательности и времени обработки каждой из них. Т. о. синте-тич. макромодели экономич. процессов и явлений складываются из аналитич. микромоделей, составляющих их компонент. [c.538]