Автор работы: Пользователь скрыл имя, 18 Декабря 2012 в 09:16, реферат
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.
Используя данный алгоритм можно решить любую оптимизационную задачу, в том числе и многокритериальную, т.е. ту в которой преследуется не одна, а несколько целей, в том числе противоречивых.
Приведем пример. Теория массового обслуживания – проблема образования очередей. Нужно уравновесить два фактора – затраты на содержание обслуживающих устройств и затраты на пребывание в очереди. Построив формальное описание модели производят расчеты, используя аналитические и вычислительные методы. Если модель хороша, то ответы найденные с ее помощью адекватны моделирующей системе, если плоха, то подлежит улучшению и замене. Критерием адекватности служит практика.
Оптимизационные
модели, в том числе
В связи с перечисленными трудностями, возникающими при изучении сложных систем, практика потребовала более гибкий метод, и он появился – имитационное моделирование "Simujation modeling".
Обычно под имитационной моделью понимается комплекс программ для ЭВМ, описывающий функционирование отдельных блоков систем и правил взаимодействия между ними. Использование случайных величин делает необходимым многократное проведение экспериментов с имитационной системой (на ЭВМ) и последующий статистический анализ полученных результатов. Весьма распространенным примером использования имитационных моделей является решение задачи массового обслуживания методом МОНТЕ–КАРЛО.
Таким образом, работа с имитационной системой представляет собой эксперимент, осуществляемый на ЭВМ. В чем же заключаются преимущества?
–Большая близость к реальной системе, чем у математических моделей;
–Блочный принцип дает возможность верифицировать каждый блок до его включения в общую систему;
–Использование зависимостей более сложного характера, не описываемых простыми математическими соотношениями.
Перечисленные достоинства определяют недостатки
–построить имитационную модель дольше, труднее и дороже;
–для работы с имитационной системой необходимо наличие подходящей по классу ЭВМ;
–взаимодействие пользователя и имитационной модели (интерфейс) должно быть не слишком сложным, удобным и хорошо известным;
–построение имитационной модели требует более глубокого изучения реального процесса, нежели математическое моделирование.
Встает вопрос: может ли имитационное моделирование заменить методы оптимизации? Нет, но удобно дополняет их. Имитационная модель – это программа, реализующая некоторый алгоритм, для оптимизации управления которым прежде решается оптимизационная задача.
Итак, ни ЭВМ, ни математическая модель, ни алгоритм для ее исследования порознь не могут решить достаточно сложную задачу. Но вместе они представляют ту силу, которая позволяет познавать окружающий мир, управлять им в интересах человека.
1.2.1
|
1.2.2 Классификация по области использования (Макарова Н.А.)
Учебные-наглядные пособия, тре |
1.2.3 Классификация по способу представления Макарова Н.А.)Материальные модели-иначе можн |
1.2.4 Классификация моделей, приведенная в книге "Земля Информатика" (Гейн А.Г.))"...вот нехитрая на первый
взгляд задача: сколько потребуется
времени, чтобы пересечь |
1.2.5 Классификация моделей
|
Содержание
1. Основные понятия. Классификация. Методы
2. Моделирование ситуаций
3. Процесс подготовки и принятия решений
4. Примеры применения количественных методов выработки решений
Решение – один из необходимых моментов волевого действия и способов его выполнения. Волевое действие предполагает предварительное осознание цели и средств действия, мысленное обсуждение оснований, говорящих за или против его выполнения и т. п. Этот процесс заканчивается принятием решения.
Решение не есть доказательство математической теоремы или получение ответа математической задачи, ибо здесь нет волевого момента – ответ однозначен (в этом смысле выражение «решить арифметическую задачу» неточно). С другой стороны, решение не есть и чистый волевой акт: волевым усилием завершается обоснованный выбор, расчет. Как правило, решение предполагает выбор с участием воли одного из нескольких возможных вариантов действий.
Нас будут интересовать так называемые управленческие решения. Под управленческими решениями понимаются такие, которые принимаются и реализуются в процессе управления (в отличие, например, от инженерных, конструкторских или технологических решений).
Управленческие решения классифицируются по ряду признаков (рис. 1).
Рис. 1. Классификация решений
В зависимости от того, в какой руководящей инстанции принимается решение, оно бывает высшего, среднего или низшего уровня.
По решаемым
задачам различают
Решения по принципам их выработки делятся на алгоритмические и эвристические. Алгоритмические решения – такие, выполнение которых производится по определенным правилам – алгоритмам. Эти решения допускают строгую формализацию. Эвристические решения – такие, которые выполняются неформальным, творческим путем, без каких-либо строгих правил.
По методам
обоснования решения бывают аналитические,
статистические, математического
Средством, инструментом для выработки решений является исследование операций. Под исследованием операций понимают комплекс научных математических методов, применяемых для обоснования наилучших, правильных решений в любой области человеческой деятельности. Под операцией при этом понимается любое целенаправленное действие.
Исследование
операций широко применяет такие
разделы современной
Термин «исследование операций» появился в годы Второй мировой войны применительно к операциям военного характера. В послевоенные годы исследование операций получило широчайшее распространение не только в военной, но и в мирной области человеческой деятельности. С его помощью сегодня вырабатываются решения в промышленности, на транспорте, в городском хозяйстве и т. п.
Методы исследования операций не представляют собой единого универсального аппарата, пригодного для выработки решений на все случаи жизни. Исследование операций – это набор различных математических методов, объединенных общей задачей обоснования наилучших решений. Каждый из этих методов имеет свою область применения.
Методы исследования операций могут быть отнесены к четырем основным группам: аналитические, статистические, математического программирования, теоретико-игровые.
Аналитические методы характерны тем, что устанавливаются аналитические, формульные зависимости между условиями решаемой задачи и ее результатами. К этим методам относятся теория вероятностей, теория марковских процессов, теория массового обслуживания, динамика средних.
Теория вероятностей – наука о закономерностях в случайных явлениях. С ее помощью вырабатываются решения, зависящие от условий случайного характера.
Теория марковских случайных процессов разработана для описания операций, развивающихся случайным образом во времени.
Теория массового обслуживания рассматривает массовые повторяющиеся процессы.
Метод динамики средних применяется в тех случаях, когда можно составить зависимости между условиями операции и ее результатом исходя из средних характеристик указанных условий.
Статистические методы основаны на сборе, обработке и анализе статистических материалов, полученных как в результате фактически действий, так и выработанных искусственно путем статистического моделирования на ЭВМ. К этим методам относятся последовательный анализ и метод статистических испытаний.
Информация о работе Моделирование как метод научного познания