Основные этапы экономико-математического моделирования. Этапы экономико-математического моделирования

Введение……………………………………………………………………….Стр.

1. Основы этапы и цели моделирования……………………… Стр.

1.1. Постановка цели моделирования……………………………………….Стр.

1.2. Идентификация реальных объектов...................................... Стр.

1.3. Выбор вида моделей……………………………………………………Стр.

1.4. Выбор математической схемы………………………………………….Стр.

2. Построение непрерывно-стахостической модели…… Стр.

2.1. Основные понятия теории массового обслуживания………………. Стр.

2.2. Определение потока событий……………………………………………Стр.

2.3. Постановка алгоритмов ……………………………..………………….Стр.

3. Программная реализация модели………………………….… Стр.

3.1. Оптимизация алгоритма………………………………..……………….Стр.

3.2. Листинг программы………..……………………………………………Стр.

Вывод…………………………………………………………………………Стр.

Список используемой литературы……………………………….. Стр.

Приложение…………………………………………………………………..Стр.

Введение

Современное состояние общества характеризуется внедрением достижений научно-технического прогресса во все сферы деятельности. Переживаемый в настоящее время этап развития является этапом информатизации. Информатизация - это процесс создания, развития и все-общего применения информационных средств и технологий, обеспечивающих кардинальное улучшение качества труда и условий жизни в обществе. Информатизация тесно связана с внедрением информационно-вычислительных систем, с повышением уровня автоматизации орга-низационно-экономической, технологической, административно-хозяй-ственной, проектно-конструкторской, научно-исследовательской и других видов деятельности. Создание сложных технических систем, проектирование и управление сложными комплексами, анализ экологической ситуации, особенно в условиях агрессивного техногенного воздействия, исследование социальных проблем коллективов, планирование развития регионов и многие другие направления деятельности требуют организации исследований, которые имеют нетрадиционный характер. По ряду специфических признаков все перечисленные объекты прикладной деятельности обладают свойствами больших систем. Таким образом, в различных сферах деятельности приходится сталкиваться с понятиями больших или сложных систем.

В разных сферах практической деятельности развивались соответствующие методы анализа и синтеза сложных систем. Системность стала не только теоретической категорией, но и аспектом практической деятельности. Ввиду того, что сложные системы стали предметом изучения, проектирования и управления, потребовалось обобщение методов исследования систем. Появилась объективная необходимость в возникновении прикладной науки, устанавливающей связь между абстрактными теориями системности и системной практикой. В последнее время это движение оформилось в науку, которая получила название «системный анализ».

Особенности современного системного анализа вытекают из самой природы сложных систем. Имея в качестве цели ликвидацию проблемы или, как минимум, выяснение ее причин, системный анализ привлекает для этого широкий спектр средств, использует возможности различных наук и практических сфер деятельности. Являясь по существу прикладной диалектикой, системный анализ придает большое значение методологическим аспектам любого системного исследования. С другой стороны, прикладная направленность системного анализа приводит к необходимости использования всех современных средств научных исследований - математики, вычислительной техники, моделирования, натурных наблюдений и экспериментов.

Системный анализ является меж- и наддисциплннарным курсом, обобщающим методологию исследования сложных технических, природных и социальных систем. Для проведения анализа и синтеза сложных систем используется широкий спектр математических методов. Основу математического аппарата данной дисциплины составляют линейное и нелинейное программирование, теория принятия решений, теория игр, имитационное моделирование, теория массового обслуживания, теория статистических выводов и т.п.

Основы цели, проблемы и этапы моделирования

Основная общая цель моделирования заключается в наблюдении за системой, подверженной воздействию внешних или внутренних факторов при достижении системой определенного состоянии, которое может быть как задано, так и неизвестно, из-за отсутствия информации или по каким либо иным причинам. Моделирование позволяет определить сможет ли система функционировать при таких условиях или нет, во время этого перехода. В зависимости от реальной модели и цели расширяются и конкретизируются.

Определение качества функционирования большой системы, выбор оптимальной структуры и алгоритма поведения, построение системы в соответствие с поставленной перед ней целью - главная проблема при проектировании современных больших систем (в том числе и АСУ, САПР, АСНI).

Поэтому, моделирование - один из методов, которые используются при проектировании и исследовании больших систем. Моделирование осуществляется через эксперимент - процедуру организации и наблюдения каких-нибудь явлений, которые осуществляются в условиях, близким к действительным, или имитируют их.

Различают два типа экспериментов:

1. пассивный, когда исследователь наблюдает процесс, не вмешиваясь в него;

2. активный, когда наблюдатель вмешивается и организовывает прохождение процесса.

В основе моделирования лежат информационные процессы:

v создание модели M базируется на информации о реальном объекте;

v при реализации модели получается информация о данном объекте;

v в процессе эксперимента с моделью вводится управляющая информация;

v полученные данные обрабатываются.

Как объект моделирования мы рассматриваем сложные организационно-технические системы, которые относятся к классу больших систем.

Модель М такой системы так же становится частью системы S(M) и может относиться к классу больших систем.

Следует также заметить, что модель большой системы описывается следующими критериями:

1. ЦЕЛЬ ФУНКЦИОНИРОВАНИЯ. Определяет степень целенаправленности поведения модели М. Модели делятся на одноцелевые (для решения одной задачи) и многоцелевые (рассматривают ряд сторон объекта).

2. СЛОЖНОСТЬ. Оценивается числом элементов и связей между ними, иерархию связей, множеством входов и выходов и т.д.

3. ЦЕЛОСТНОСТЬ. Модель М, которая создается, является одной целостной системой S(M), включает в себя большое количество составных частей (экспериментов), которые находятся в сложной взаимосвязи. Характеризуется появлением новых свойств, отсутствующих у элементов (эмерджентность).

4. НЕОПРЕДЕЛЕННОСТЬ. Проявляется в системе: по состоянию системы, возможности достижения поставленной цели, методом решения задач, достоверности исходной информации и т.д. Главная характеристика неопределенности это такая мера информации как энтропия.

5. ПОВЕДЕНЧЕСКАЯ КАЗНЬ. Позволяет оценить эффективность достижения системой S поставленной цели. Применяя к М, позволяет оценить эффективность М и точность, и достоверность результатов.

6. АДАПТИВНОСТЬ. Это свойство высокоорганизованной системы. Благодаря ей S адаптируется к внешним раздражителям в широком диапазоне изменения действий Е. Применяя к модели М важна ее адаптация к внешним условиям, близким к реальным, а также вопрос существования М, и ее живучести и надежности.

7. ОРГАНИЗАЦИОННАЯ СТРУКТУРА СИСТЕМЫ МОДЕЛИРОВАНИЯ. Зависит от сложности модели и степени совершенствования средств моделирования. Одним из главных достижений в области моделирования - это возможность использования имитационных моделей для проведения машинных экспериментов.

Здесь нужны:

v оптимальная организационная структура комплекса технических средств

v информационного

v математического и программного обеспечения системы моделирования S`(М)

v оптимальная организация процесса моделирования (время моделирования и точность результата).

8. УПРАВЛЯЕМОСТЬ МОДЕЛИ. Необходимо обеспечить управление со стороны экспериментаторов при имитации разных условий прохождения процесса. Управляемость S связана со степенью автоматизации моделирования (программные средства и средства диалога).

9. ВОЗМОЖНОСТЬ РАЗВИТИЯ МОДЕЛИ. Современный уровень науки и техники позволяет создавать мощные системы моделирования S(M) для исследования многих сторон функционирования реального объекта. Необходимо предвидеть возможность развития S(M) как по горизонтали, расширяя спектр изучаемых функций, так и по вертикали, расширяя число подсистем.

В целом проблема моделирования сложной системы - это комплекс сложных научно-технических задач.

При создании рассматривают следующие основные этапы:

v определение цели моделирования;

v идентификация реальных объектов;

v выбор вида моделей;

v построение моделей и их машинная реализация

v взаимодействие исследователя с моделью в ходе машинного эксперимента

v проверка правильности полученных в ходе моделирования результатов

v определение главных закономерностей, исследуемых при моделировании

Теперь же перейдем непосредственно к созданию модели по конкретно поставленному заданию.

Постановка цели моделирования

Постановка задачи, построение содержательной модели - творческий процесс, основанный на возможностях и знаниях исследователя, базируется на эвристике.

Изучив задание, можно выделить следующие цели создания модели:

1. Определение производительности второго цикла обработки деталей;

2. При каком условии возможно повышение загрузки второго станка и снижение уровня задела на втором цикле обработки;

Идентификация реальных объектов

На этом этапе осуществляется определение основных элементов реальной системы, и привязка их к образным понятиям модели с дальнейшим конкретизированием и конвертированием в математическое представление на стадии расширения алгоритма программной реализации.

Для начала определим, что это вообще берется за понятие системы. Исходя из поставленной задачи, под системой подразумевается автоматизированный конвейер обработки деталей в машинном цехе, воздействие на систему с внешней среды не осуществляется, а внутреннее производится непосредственно над деталями (первичная и вторичная обработка) и станками (уровень загрузки и производительности).

Далее определим входные и выходные элементы системы, для модели это будет входная и выходная информация. За входные элементы примем детали, а точнее количество этих деталей. За выходные - производительность станков на втором уровне обработки (я не принимаю уровень загрузки сборщика брака, т.к. это можно определить по производительности).

Так же можно сразу разбить систему на две подсистемы (это в дальнейшем упростит программную реализацию): систему первичной обработки деталей и систему вторичной обработки брака. Так как известно, что бракованные детали не могут обрабатываться дважды нет необходимости в дальнейшем дроблении.

Выбор вида моделей

Виды моделей можно классифицировать следующим способом:

детерминированное стохастическое

статическое динамическое

дискретное дискретно-непрерывное непрерывное

мысленное (абстрактное) реальное (материальное)

наглядное, символическое, математическое, натурное физическое

В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на: детерминированные и стохастические; статические и динамические; дискретные, непрерывные и дискретно- непрерывные.

Детерминированное моделирование отображает детерминированные процессы, то есть процессы, в которых предвидится отсутствие всяких случайных влияний.

Стохастическое моделирование отображает вероятностные процессы и случаи. Анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, то есть набор однородных реализаций.

Статическое моделирование описывает поведение объекта в данный момент времени.

Динамическое моделирование отображает поведение объекта во времени.

Дискретное моделирование отображает дискретные процессы, непрерывное моделирование - непрерывные процессы, дискретно-непрерывное моделирование - оба процесса.

В зависимости от формы представления объекта (системы S) выделяют: вымышленные и реальные.

Вымышленное (абстрактное) моделирование - когда невозможно или дорогое материальное создание (модели микромира). Делится на:

v наглядное;

v символическое;

v материальное.

Наглядное моделирование - на базе представления человека об объекте создаются гипотетические модели, аналоги и макеты. Гипотетическое моделирование - выбирается гипотеза о реальном объекте, гипотеза, которая отображает уровень знаний об объекте, когда знаний не хватает для формализации. Аналоговое моделирование использует аналогии разных уровней (полная, неполная, приблизительная). Макетирование - в основе выполненного макета лежит аналогия причинно-наследственных связей.

Символическое моделирование - искусственный процесс создания логического объекта-заместителя реального с помощью системы знаков и символов. Знаковое моделирование - вводятся знаки, условные обозначения отдельных понятий, составляются из знаков слова и предложения; операции объединения, пересечения и дополнения теории множеств дают описание объекта.

Языковое моделирование - в основе лежит словарь однозначных понятий.

Математическое моделирование - замена реального объекта математическим. Делится на аналитическое, имитационное и комбинированное.

Аналитическое моделирование - процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегро-дифференциальных, конечно-разностных и т.п.) или логических условий. Аналитическая модель может быть исследована следующими методами:

v аналитическими, когда хотят получить в общем виде явные зависимости для искомых характеристик;

v численным, когда, не умея решить уравнение в общем виде, получают числовые результаты при конкретных исходных данных;

v качественный, когда не умея решить уравнение, находят некоторые свойства решений (например, стойкость и др.).

Аналитический метод связывает явной зависимостью исходные данные с искомыми результатами. Это возможно для сравнительно простых систем.

Численные методы позволяют исследовать более широкий класс систем. Они эффективны при использовании ЭВМ. Для построения аналитических моделей существует мощный математический аппарат - алгебра, функциональный анализ, разностные уравнения, теория вероятности, математическая статистика, теория массового обслуживания и т.д.

Имитационное моделирование используется, когда для описания СС недостаточно аналитического моделирования. В имитационной модели поведение компонент сложной системы (СС) описывается набором алгоритмов, которые затем реализуют ситуации, которые возникают в реальной системе. Алгоритмы, которые модулируют по исходным данным (сходное состояние СС) и фактическим значением параметров СС позволяют отобразить явления в S и получить информацию о возможном поведении СС. На основе этой информации исследователь может принять соответствующее решение. Имитационная модель (ИМ) СС рекомендуется в следующих случаях:

1) нет законченной постановки задачи исследования и идет процесс познания объекта моделирования. ИМ - способ изучения явления.

2) математические средства аналитического моделирования сложные и громоздкие и ИМ дает наиболее простой способ.

3) кроме оценки влияния параметров СС необходимо наблюдать поведение компонент СС некоторый период.

4) ИМ - единственный способ исследования СС, то есть невозможны наблюдения в реальных условиях за объектом.

5) необходимо контролировать протекание процессов в СС, уменьшая и ускоряя скорость их протекания в ходе имитации.

6) при подготовке специалистов и освоении новой техники.

7) изучение новых ситуаций в СС, проверка новых стратегий и принятие решений перед проведением экспериментов на реальной S.

8) предвиденье узких мест и трудностей в поведении СС при введении новых компонент.

ИМ - наиболее распространенный метод анализа и синтеза СС.

Натурное моделирование - исследование на реальном объекте и обработке результатов экспериментов на основе теории подобия. Научный эксперимент, комплексные исследования, производственный эксперимент (исследуется широкая автоматизация, вмешательство в управление реальным процессом, создание критических ситуаций).

Физическое моделирование - на установках, которые сохраняют природу явлений при физическом подобии.

Кибернетическое моделирование - нет непосредственно физического подобия. Отображается S как "черный ящик" рядом входов и выходов.

Из всего вышесказанного и условий задания можно определить следующий вид модели:

v В зависимости изучаемых процессов: стохастическая - неизвестно сколько будет находиться деталей в накопителе при повторной обработке (известно, что если больше 3-х - активизируется второй станок); динамическое - необходимо узнать как система будет функционировать не в конкретный момент времени а на всем промежутки обработки 500-а деталей; непрерывное - из задания следует, что рассматривается автоматизированный конвейер.

v В зависимости от формы представления: вымышленное (абстрактное) - слишком дорого для студента материальное создание; к данной моделе применимы почти все варианты абстрактного моделирования (математическое, символьное т.д.) так, что нет смысла перечислять все.

Выбор математической схемы

Математическая схема - это участок при переходе от содержательного к формальному описанию процесса функционирования системы с учетом действия внешней среды.

То есть имеет место связка: "описательная модель - математическая схема - математическая (аналитическая и (или) имитационная) модель".

Каждая конкретная система S характеризуется набором свойств, то есть величин, отображающих поведение моделируемого объекта (реальной S) и учитывающих условия ее функционирования во взаимодействии с внешней средой (системой) Е.

При построении ММ системы решаются вопросы о полноте и упрощении. Полнота модели реализуется выбором границы " система S - среда Е ". Упрощение модели - выделение основных свойств S и отбрасывание второстепенных свойств (зависит от цели моделирования).

МАТЕМАТИЧЕСКИЕ СХЕМЫ ОБЩЕГО ВИДА

Модель S можно представить множеством величин, описывающих процесс функционирования реальной системы S.

Эти величины создают в общем случае четыре подмножества:

1) совокупность входных влияний на систему;;

2) совокупность влияний внешней среды;

3) совокупность внутренних параметров системы

4) совокупность выходных характеристик системы.

В этих подмножествах выделяются управляемые и неуправляемые переменные.

При моделировании S входные влияния, влияние внешней среды Е и внутренние параметры системы являются независимыми (экзогенными) переменными в векторной форме:

Выходные характеристики системы - зависимые (эндогенные) переменные.

Процесс функционирования описывается оператором Fs, который пре-

образовывает экзогенные переменные в эндогенные:

Совокупность зависимых выходных характеристик системы от времени (1) называется выходной траекторией (t), (2): называется законом функционирования системы S и обозначается Fs.

В общем случае закон функционирования системы Fs может быть задан в виде функции, функционала, логических условий, алгоритма, таблицы, словесного правила соответствия.

Таким образом, математическая модель объекта (реальной системы) - это конечное подмножество переменных вместе с математическими связями между ними и характеристиками.

ТИПОВЫЕ МАТЕМАТИЧЕСКИЕ СХЕМЫ

В практике моделирования объектов в области системотехники и системного анализа рациональней использовать типовые математические схемы:

v дифференциальные уравнения

v конечные автоматы

v вероятностные автоматы

v СМО (системы массового обслуживания).

ММ на основе этих схем:

1) детерминированные модели, когда при исследовании случайные факторы не учитываются, и системы функционируют в непрерывном времени, основанные на использовании дифференциальных, интегральных, интегро-дифференциальных и других уравнений.

2) детерминированные модели, которые функционируют в дискретном времени - конечные автоматы и конечно-разностные схемы.

3) стохастические модели (при учете случайных факторов) в дискретном времени - вероятностные автоматы.

4) стохастические модели в непрерывном времени - СМО.

Для больших информационно-управляющих систем (Ех, АСУ) типовые схемы недостаточны. Поэтому используют:

5) агрегативные модели (А-системы), которые описывают широкий круг объектов исследования с отображением системного характера этих объектов. При агрегативном описании сложная система разделяется на конечное число частей (подсистем), сохраняя при этом связи между взаимодействующими частями.

Итак, 5 подходов при построении ММ сложных систем:

1) непрерывно-детерминированный (D-схемы);

2) дискретно-детерминированный (R- схемы);

3) дискретно-стохастический (P- схемы);

4) непрерывно-стохастический (Q- схемы);

5) обобщенный или универсальный (А-схемы).

На основе сделанного выбора вида модели (непрерывно-стохастической) необходимо выбрать схему модели, исходя из определения схем (не вижу смысла описывать все схемы, а выбранная схема будет описана в следующей главе) для моей модели подходит Q-схема.

Аннотация

Данная курсовая работа должна показать уровень усвоения материала в области системного анализа и навыки при создании моделей систем.

Следует сразу заметить, что в этой курсовой работе не будет рассматриваться моделирование простых систем, т.к. их разработка довольно проста, а основные принципы одинаковы как для сложных систем, так и для простых. Так же не будут рассматривать начальные и основные понятия системного анализа, т.к. постановка задание подразумевает уклон на непосредственно моделирование системы, а не на разъяснения что такое система.

При анализе различных экономических явлений принято придерживаться принципа «бритвы Оккама», названного так в честь У. Оккама. В соответствии с этим принципом необходимо «сбривать» подробности, усложняющие понимание теории и не являющиеся необходимыми для объяснения рассматриваемых закономерностей.

Моделирование осуществляется в несколько этапов:

1. Определение цели, задач и предмета моделирования. Под предметом моделирования принято понимать экономические объекты, представляющие интерес для исследователя. Фиксируются, словесно и качественно описываются взаимосвязи между экономическими объектами, составляющими предмет моделирования.
2. Построение математической модели, т.е. установление соответствия математической модели конкретной реальной системе, и последующее исследование математической модели с целью выявления характеристик реальной системы. В рамках математического моделирования вводятся символические обозначения для рассматриваемых характеристик экономического объекта, после чего происходит формализация предмета моделирования при помощи переменных, функций, уравнений, неравенства и т.д.
3. Разработка различных условий, в которых будет проверяться модель.
4. Осуществление процесса моделирования, оценка полученных результатов.
5. Повторение разделов 3-4 до тех пор, пока разработчики не будут удовлетворены результатами.

Виды экономико-математического моделирования

Таким образом, экономико-математическое моделирование не предполагает в качестве модели саму исследуемую систему либо другую систему с той же или подобной физической природой. Это связано с тем, что физическое моделирование в отношении экономических процессов обычно экономически неоправданно (слишком дорогостоящее), трудноосуществимо или в принципе невозможно.

Экономические модели подразделяются на равновесные и неравновесные, оптимизационные и неоптимизационные, теоретические и прикладные, микроэкономические и макроэкономические, детерминированные и статистические.

Экономико-математическое моделирование включает:

аналитическое моделирование;
компьютерное моделирование.

Аналитическое моделирование предполагает, что рассматриваемые процессы функционирования элементов системы представляются в виде математических соотношений (алгебраических, интегральнодифференциальных и пр.) или логических условий.

В последнее время широко применяется компьютерное моделирование, которое позволяет не только лучше понять основные концепции экономической теории, но и смоделировать при помощи компьютера различные варианты экономической политики, направленной на решение конкретных задач в экономике страны.

В частности, компьютерные модели общего развития позволяют учитывать разнообразные взаимосвязи микро- и макроэкономических переменных, соединить распределение дохода и богатства на макроуровне с оптимизационным микроэкономическим поведением. Компьютерные модели открытой экономики позволяют учесть множественные последствия различных сочетаний денежно-кредитной политики, налогово-бюджетной политики и политики обменного курса в условиях открытой экономики с разной степенью мобильности капитала.

Компьютерный метод используется и в том случае, если необходимо смоделировать различные процессы в рамках переходной экономики и моделируемый объект описывается в сложной системе нелинейных (интегрально-дифференциальных или алгебраических) уравнений.

Кроме того, компьютерное моделирование может быть использовано в целях обучения и популяризации экономической науки, особенно с появлением Интернета. Интернет позволяет получить доступ к данным пользователей по всему миру, а сами сведения периодически обновляются. Помимо этого Интернет дает возможность изучения экономики с применением современных информационных технологий, таких как гипертекст, интерактивные компьютерные программы, живое общение с помощью видеоконференций, мультимедийные приложения.

Компьютерное моделирование предполагает создание математической модели в виде программы для компьютеров, позволяющей осуществлять вычислительные эксперименты.

В зависимости от математического аппарата принято выделять:

имитационное динамическое моделирование;
статистическое моделирование;
численное моделирование.

Основы имитационного (имитация от лат. imitatio - подражание чему-либо, кому-либо, воспроизведение) динамического (динамика от гр. dynamikos - относящийся к силе, сильный) моделирования были разработаны Дж. Форрестером в 1950-х гг. Имитационное моделирование предполагает имитацию на компьютере элементарных явлений, составляющих процесс, при этом сохраняются последовательность их протекания во времени и логическая структура.

Статистическое моделирование позволяет получить статистические данные о процессах в моделируемом явлении. Это статистические данные по какому-либо экономическому показателю, полученные для аналогичных объектов или для различных регионов (перекрестные данные) , а также ряды динамики - последовательность упорядоченных во времени количественных статистических величин, характеризующих развитие изучаемого экономического явления или процесса.

В рамках численного моделирования предполагается численное решение некоторых математических уравнений при заданных значениях параметров и при заданных начальных условиях.

Этапы экономико-математического моделирования

Процесс моделирования, в том числе и экономико-математического, включает в себя три структурных элемента: объект исследования; субъект (исследователь); модель, опосредующую отношения между познающим субъектом и познаваемым объектом.

Рассмотрим общую схему процесса моделирования, состоящую из 4 этапов.

1. Этап построения модели предполагает наличие определенных сведений об объекте-оригинале. Познавательные возможности модели определяются тем, что модель отображает лишь некоторые существенные черты исходного объекта, поэтому любая модель замещает оригинал в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько моделей, отражающих определенные стороны исследуемого объекта или характеризующих его с разной степенью детализации.

2. Реализация модели . На данном этапе осуществляется изучение поведения модели в результате изменения условия, в которых она реализуется.

3. Перенос полученного решения на оригинал.

4. Практическая проверка полученных с помощью модели знаний и их использование как для построения обобщающей теории реального объекта, так и для его целенаправленного преобразования или управления им.

Моделирование представляет собой циклический процесс, то есть за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а первоначально построенная модель постепенно совершенствуется.

Экономико-математическое моделирование обладает рядом существенных особенностей, связанных как с объектом моделирования, так и с применяемыми аппаратом и средствами моделирования. Процесс экономико-математического моделирования состоит из 6 этапов.

1. Постановка экономической проблемы и ее качественный анализ. На этом этапе требуется сформулировать сущность проблемы, принимаемые предпосылки и допущения. Необходимо выделить важнейшие черты и свойства моделируемого объекта, изучить его структуру и взаимосвязь его элементов, хотя бы предварительно сформулировать гипотезы, объясняющие поведение и развитие объекта.

2.Построение математической модели. Это этап формализации экономической проблемы, то есть выражения ее в виде конкретных математических зависимостей (функций, уравнений, неравенств и др.). Необходимо определить тип экономико-математической модели, изучить возможности ее применения в данной задаче, уточнить конкретный перечень переменных и параметров и форм связей.

3. Математический анализ модели. На этом этапе чисто математическими приемами исследования выявляются общие свойства модели и ее решений. В частности, важным моментом является доказательство существования решения сформулированной задачи. При аналитическом исследовании выясняется, единственно ли решение, какие переменные могут входить в решение, в каких пределах они изменяются, каковы тенденции их изменения и т.д.

4. Подготовка исходной информации. В экономических задачах это наиболее трудоемкий этап моделирования, так как дело не сводится к пассивному сбору данных. Математическое моделирование предъявляет жесткие требования к системе информации; при этом надо принимать во внимание не только принципиальную возможность подготовки информации требуемого качества, но и затраты на подготовку информационных массивов. В процессе подготовки информации используются методы теории вероятностей, теоретической и математической статистики для организации выборочных обследований, оценки достоверности данных и т.д. При системном экономико-математическом моделировании результаты функционирования одних моделей служат исходной информацией для других.

5. Численное решение. Численное решение существенно дополняет результаты аналитического исследования, а для многих моделей является единственно возможным.

6. Анализ численных результатов и их применение. На этом этапе прежде всего решается важнейший вопрос о правильности и полноте результатов моделирования и применимости их как в практической деятельности так и в целях усовершенствования модели. Поэтому в первую очередь должна быть проведена проверка адекватности модели по тем свойствам, которые выбраны в качестве существенных.

Перечисленные этапы экономико-математического моделирования находятся в тесной взаимосвязи, в частности, могут иметь место возвратные связи этапов.

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 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 экономических 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. 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 информации (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 дифференциация 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.