Эксперименты делятся по пели исследования на два основных типа описательные и оптимизационные. Если во втором случае надо найти оптимальные значения факторов, как в задаче выбора варианта АЗС в том случае, когда удается сформулировать единственную реакцию — функцию потерь /, то в первом случае необходимо обрисовать общую картину зависимости интересующих экспериментатора величин от его воздействий. Обратим внимание читателя на тот факт, что при анализе проблемы планирования эксперимента мы постепенно перешли к цели исследования, т. е. к вопросу о том, в каком виде экспериментатор хочет использовать результаты исследования, в чем будет состоять обработка результатов эксперимента. Это не удивительно, поскольку именно метод анализа результатов должен определять план проведения эксперимента. [c.283]
Для обработки результатов в случае стохастических моделей с качественными факторами используются методы дисперсионного анализа, которые пригодны как в случае описательного, так и в случае оптимизационного исследования. Такая универсальность методов дисперсионного анализа основывается на том, что в случае качественных факторов, принимающих конечное число значений, и в описательном и в оптимизационном исследованиях необходимо сравнить все варианты внешних воздействий между собой. В случае задачи о выборе варианта АЗС дисперсионный анализ результатов эксперимента проводится следующим образом. [c.284]
Теперь рассмотрим случай оптимизационного исследования. Пусть существует единственный критерий функционирования системы U (st, s2) скажем, среднее за весь период планирования потребление с в расчете на душу населения. Надо найти с помощью имитационных экспериментов оптимальный вариант управлений sx и s2. Это можно сделать с помощью различных градиентных методов поиска экстремума функции U (s1 s2), причем построение градиента функции U (sb s2) основывается на экспериментальном подсчете значений этой функции в нескольких точках (SL s2). В теории планирования эксперимента разработаны методы разумного выбора таких точек. [c.286]
В том случае, когда модель достаточно сложна, факторов и реакций в эксперименте много, человеку трудно разумным образом выбрать внешние воздействия на систему. В этом случае разумно использовать вспомогательные упрощенные модели, на которых можно ставить и решать оптимизационные задачи с различными критериями, находить оптимальные решения этих задач и полученные решения использовать для построения воздействий на основную модель. В этом случае исследование проводится уже не с одной моделью, а с целой системой моделей. Эта система моделей должна использовать одну и ту же исходную информацию, так что с ней должен быть связан общий банк [c.287]
Модели, предназначенные специально для проведения имитационных экспериментов, часто называют имитационными моделями. Поскольку имитационный эксперимент можно проводить с любой математической моделью, этот термин только подчеркивает сложность таких моделей и невозможность проведения их оптимизационного или теоретического исследования. [c.288]
Основная трудность, с которой приходится сталкиваться при проведении имитационных экспериментов, состоит в необходимости проанализировать огромное число вариантов внешних воздействий для того, чтобы хотя приближенно представить себе возможности изучаемой системы. Пусть, например, в нашей модели рассматривается 10 шагов по времени. Тогда, чтобы задать все управления, необходимо назначить 20 значений величин s t) и s2(t) (t = 0,. .., 9). Пусть для каждого момента времени выделено лишь 10 возможных наборов управлений St(t) и s2(t). Уже в этом простом случае для полного исследования системы необходимо изучить Ю10 вариантов ее развития. Если даже расчет каждого варианта займет лишь одну секунду работы ЭВМ, то в совокупности потребуется 1010 с, т. е. около 100 лет. Конечно, такое исследование невозможно, как невозможно и разобраться в 10 ° вариантах развития системы. Этот недостаток имитации удается преодолеть в имитационных системах па основе использования оптимизационных и многокритериальных методов для предварительного выявления наиболее интересных вариантов воздействия на изучаемую систему. [c.150]
Экспериментальным методом прогнозирования является машинная имитация, или имитация на ЭВМ. Машинная имитация предполагает построение модели изучаемого объекта, системы, события, которая затем преобразуется в программу ЭВМ. В ЭВМ вводят необходимые данные и анализируют их в динамике (статистический анализ), под влиянием ряда факторов (факторный анализ), во взаимодействии с другими данными (системный анализ), в определенных условиях экстремума (оптимизационный анализ). Машинная имитация применяется при прогнозировании сложных процессов, систем и объектов, на предварительном этапе преобразования и эксперимента, при разработке среднесрочных и долгосрочных прогнозов. Статистическая имитация позволяет определить относительное значение отдельных факторов, условий ввода новых параметров, влияющих на конечный результат. Машинная имитация может быть организована в форме игры. [c.264]
Данная модель позволяет решать следующую оптимизационную задачу, используя, например, методы регрессионного анализа. Введем целевую функцию врем задержки платежей с расчетного счета Грс. Основные управляющие параметры - это цена единицы продукции, объем выпускаемой партии, сумма кредита, запрашиваемого в банке. Зафиксировав все остальные параметры (время выпуска партии, число производственных линий, интервал поступления заказа от покупателей, разброс размеров продаваемой партии, стоимость комплектующих изделий и материалов для выпуска партии, стартовый капитал на расчетном счете), можно минимизировать Грс для конкретной рыночной ситуации. Минимум Грс достигается при одном из максимумов среднего размера денежной суммы на расчетном счете. Причем вероятность рискового события - неуплаты долгов по кредитам - близка к минимуму (это можно доказать во время статистического эксперимента с моделью). [c.317]
Оптимизировать предварительный вариант решения Оптимизационные модели Натурные макеты и эксперименты, математические модели [c.133]
Если при проведении имитационного эксперимента по принципу А что будет, если... , не предъявляется особых требований к формированию каких-либо ограничений на переменные, то при создании оптимизационной имитационной модели перед разработкой математической модели необходимо предварительная разработка концептуальной модели, что позволяет значительно сократить затраты машинного времени. [c.100]
Перейдем теперь к принципиальным трудностям проведения прикладного имитационного исследования со сложными моделями. В таких моделях число управлений может достигать нескольких сотен. Поскольку при проведении имитационного эксперимента управления необходимо задавать заранее в каждый момент времени, в течение которого изучается поведение анализируемого объекта, ьтот вопрос не является тривиальным. Для его решения разумно пользоваться вспомогательными упрощенными моделями изучаемого объекта. Эти модели должны быть достаточно просты для того, чтобы их можно было проанализировать с помощью стандартных оптимизационных методов. Набор таких вспомогательных моделей часто называют блоком Советчик . Задавая различные разумные критерии функционирования объекта исследования, экспериментатор на основе анализа моделей из этого блока с помощью методов оптимизации может получить оптимальные [c.290]
Итак, методы многокритериальной оптимизации позволяют тем или иным образом преодолеть трудности, связанные с неединственностью критерия. При этом, однако, приходится решать задачу, значительно более сложную, чем задача оптимизации. Поэтому задачи многокритериального выбора удается решить в случае относительно простых моделей. Что же следует делать, если модели сложны Ведь достаточно адекватная математическая модель некоторой экономической системы может оказаться настолько сложна, что и обычную оптимизационную задачу решить не удается. В этом случае для исследования экономических систем применяются имитационные эксперименты. [c.61]
Распространение имитационных методов позволило построить и изучить близкие к реальности весьма сложные модели различных экономических объектов. В то же время имитация имеет существенный недостаток для достаточно полного изучения возможностей системы необходимо просмотреть огромное число вариантов управления, что часто оказывается практически неосуществимым даже с помощью ЭВМ. Поэтому в имитационном эксперименте разумно исследовать лишь наиболее интересные варианты управления. Для выбора этих интересных вариантов имеет смысл использовать оптимизационные и многокритериальные методы, примененные к упрощенным моделям. При этбм исследование выходит за рамки имитационного эксперимента — в нем начинает использоваться совокупность различных методов и моделей, объединенных в так называемую имитационную систему. Имитационным системам полностью посвящена гл. 6. [c.62]
Так, к оптимизационным точным методам можно отнести методы теории оптимальных процессов, некоторые методы математического программирования и методы исследования операций. К оптимизационным приближенным методам относятся отдельные методы математического программирования, методы исследования операций, методы экономической кибернетики, методы математической теории планирования экстремальных экспериментов, эвристические методы. К неоптимизационным точным методам относятся методы элементарной математики и классические методы математического анализа, эконометрические методы. К неоптимизационным приближенным методам относятся метод статистических испытаний и другие методы математической статистики. [c.98]
ВЕРИФИКАЦИЯ МОДЕЛИ [model verifi ation] — проверка ее истинности, адекватности. В отношении к дескриптивным моделям В.м. сводится к сопоставлению результатов расчетов по модели с соответствующими данными действительности — фактами и закономерностями экономического развития. В отношении нормативных (в том числе оптимизационных) моделей положение сложнее в условиях действующего экономического механизма моделируемый объект подвергается различным управляющий воздействиям, не предусмотренным моделью надо ставить специальный экономический эксперимент с учетом требований чистоты, т. е. устранения влияния этих воздействий, что представляет собой трудную, во многом еще не решенную задачу. [c.44]
Учебное пособие начинается с описания теоретических основ имитационного моделирования. Далее рассмотрена одна из современных концепций построения моделирующей системы. Приведены языковые средства описания моделей. Описана техника создания, отладки и эксплуатации моделей с использованием ASE-техноло-гии конструирования моделей без программирования - с помощью диалогового графического конструктора. Имеется специальная глава, посвященная имитационному моделированию в геопростран- стве с привязкой к территориям экономических регионов. Рассмотрены вопросы планирования оптимизационных экспериментов - нахождения рациональных параметров процессов с помощью имитационных моделей. Последняя глава содержит набор отлаженных имитационных моделей различного назначения, которые могут быть хорошим подспорьем для различных категорий читателей. Преподавателям они помогут разработать лабораторные работы и задания. Студентам вузов, а также аспирантам и специалистам, самостоятельно изучающим этот вид компьютерного моделирования, они [c.3]