08.08.2019

Построение математической модели с чего начать. Формулировка основных типов задач лп, построение их математических моделей. Вопросы для повторения

Сущность построения математической модели состоит в том, что реальная система упрощается, схематизируется и описывается с помощью математического аппарата. Построение математической модели проходит по следующим этапам 1 .

устанавливается цель исследования для решения проблемы, стоящей перед организацией;

определяются элементы, из которых состоит система;

выделенные элементы группируются на функциональные и обеспечивающие;

определяются все виды связей между элементами;

определяются возможные допустимые значения каждого элемента, исходя из возможностей сервисной организации;

определяются характеристики элементов системы, важных для целей исследования.

Формализация операций происходит по следующим шагам:

определение характеристик системы;

изучается каждая характеристика системы;

выделяются существенные характеристики для целей исследования;

определение управляемых и неуправляемых параметров системы;

определяются ограничения на управляемые параметры системы;

формулируется целевая функция.

Проверка адекватности модели заключается впроверке выполнения следующих условий:

все ли существенные факторы включены в модель;

есть ли в модели несущественные факторы;

правильно ли определены ограничения на значения факторов;

правильно ли определена функциональная связь между переменными;

проверка достоверности модели, с использованием обучающей и контрольной совокупности данных.

Примечание. Требование адекватности модели входит в противоречие с требованием простоты модели.

Использование модели для решения проблем может проходить в такой последовательности:

на основе полученной модели предлагается несколько сценариев решения проблемы;

для каждого сценария решения проблемы вычисляется коэффициент эффективности, равный отношению результат к затратам;

сценарии решения проблем ранжируются по признаку коэффициента эффективности решения проблемы;

результаты расчетов и их анализа оформляются в виде отчета в удобном для визуального восприятия наглядном виде с использованием графических моделей;

передача отчета руководителю предприятия для принятия управленческих решений по решению проблемы, стоящей перед организацией. Предложенный руководителю предприятия отчет по решению проблемы носит рекомендательный характер. Решение руководителя предприятия носит юридическую силу. Поэтому, решение руководителя должно основываться на системном анализе проблемы с использованием разных методов и способов ее решения: на полученном отчете по моделированию, а также иных возможных решений проблемы, полученных из других источников (плановый отдел, отдел развития и прогнозирования).

3. Постановка задачи линейного программирования

Методы линейного программирования являются наиболее разработанными в области решения оптимизационных задач торговли. Эти методы позволяют описать с достаточной точностью широкий круг задач торговой практики (планирование товарооборота, планирование товароснабжения города, прикрепление торговых предприятий к поставщикам, организация рациональных перевозок товаров (транспортная задача)).

Методы линейного программирования требуют наличия системы взаимосвязанных факторов, критерия оценки оптимальности использования ресурсов.

Оптимальным считается план, который обеспечивает экстремум целевой функции (например, максимальный доход или минимум издержек обращения), при условии соблюдения ограничений на используемые ресурсы.

Например поиск оптимальных плановых решений можно свести к получению запланированного эффекта при минимуме затрат или получение максимального эффекта при использовании заданных ограниченных ресурсах.

Линейное программирование - областьматематического программирования, посвященная теории и методам решенияэкстремальных задач, характеризующихсялинейной зависимостьюмеждупеременными.

В самом общем виде задачу Л. п. можно записать так. Даны ограничения типа

или в т. н. канонической форме, к которой можно привести все три указанных случая:

Требуется найти неотрицательные числа x j (j = 1, 2, ...,n ), которые минимизируют (или максимизируют)линейную форму

Неотрицательность искомых чисел записывается так: x j ≥ 0.

Таким образом, представлена общая задача математического программирования с оговорками: как ограничения , так и целевая функция линейные, а искомые переменные неотрицательные .

Обозначения можно трактовать следующим образом:

b i - количество ресурса вида i ;

m - количество видов этих ресурсов;

a ij - норма расхода ресурса вида i на единицу продукции вида j ;

x j - количество продукции вида j , причем количество таких видов - n ;

c j - доход (или другой выигрыш) от единицы этой продукции, а в случае задачи на минимум - затраты на единицу продукции;

нумерация ресурсов разделена на три части:

от 1 до m 1 , в первом случае - “не больше”

от m 1 + 1 до m 2 во втором - “столько же”

от m 2 + 1 до m

в зависимости от того, какие ставятся ограничения на расходование этих ресурсов;, в третьем - “не меньше”;

Z - в случае максимизации, напр., объем продукции или дохода, в случае же минимизации - себестоимость, расход сырья и т. п.

Добавим еще одно обозначение, оно появится несколько ниже:

v i - оптимальная оценка i -го ресурса.

Слово “программирование” объясняется здесь тем, что неизвестные переменные, которые отыскиваются в процессе решения задачи, обычно в совокупности определяют программу (план ) работы некоторого экономического объекта . Слово “линейное” отражает факт линейной зависимости между переменными. При этом, как указано, задача обязательно имеет экстремальный характер, т. е. состоит в отыскании экстремума (максимума или минимума) целевой функции .

Следует с самого начала предупредить: предпосылка линейности, когда в реальной экономике подавляющее большинство зависимостей носит более сложный нелинейный характер, есть огрубление, упрощение действительности. В некоторых случаях оно достаточно реалистично, в других же выводы, получаемые с помощью решения задач Л. п., оказываются весьма несовершенными.

Уточним постановку задачи линейного программирования на примере планирования выпуска собственной продукции сервисной организацией.

Дано :

ресурсы: персонал, техника и оборудование, сырье и материалы, финансы, информация, время, технология изготовления, земля и другие ресурсы.

(А и В - обозначим численные значения ресурсов 2-х видов соответственно);

выпускается продукция разных видов, с одинаковыми единицами измерения, выраженных в руб. или в штуках.

(Х 1 и Х 2 - обозначим численные значения выпускаемой продукции 2-х);

имеются нормы затрат ресурса на выпуск единицы продукции;

(а1 и а2 - численные значения норм затрат ресурса А на выпуск изделий 1-го и 2-го видов соответственно,

в1 и в2 - численные значения норм затрат ресурса В на выпуск изделий 1-го и 2-го видов соответственно)

имеются нормы прибыли от реализации единицы выпускаемой продукции.

(с1 и с2 - нормы прибыли, равные прибыли, получаемой от реализации единицы соответствующей продукции Х1 и Х2)

имеется целевая функция, отражающая прибыль предприятия от продажи, выпускаемой продукции;

(Ф = с1Х1 + с2Х2 - прибыль)

Необходимо : определить такие значения выпускаемой продукции Х 1 и Х 2 , при которых используемые ресурсы не превысили значений А и В, а целевая функция получила максимальное значение

Приведем постановку задачи в математическом (формализованном виде):

Целевая функция:

Ограничения:

Необходимо найти такие значения Х 1 и Х 2 , при которых целевая функция станет максимальной и будут соблюдены все ограничения на ресурсы и численные значения Х 1 и Х 2 .

Решение.

С помощью программы "поиск решения", имеющейся в Ехсеl, задача решается в следующей последовательности:

выделяются ячейки, где будут расположены искомые значения Х 1 и Х 2 ;

вводятся в отдельные ячейки (выбор ячеек может быть произвольным):

нормы затрат ресурсов а 1 , а 2 , в 1 , в 2 ;

размеры ресурсов А и В;

нормы прибыли с 1 и с 2 ;

формулы ограничений:

а 1 Х 1 + а 2 Х 2 ; в 1 Х 1 + в 2 Х 2 ;

формула целевой функции:

с 1 Х 1 + с 2 Х 2 ;

обращаемся к программе "поиск решения", вводятся характеристики программы в соответствующие поля, получают решение: численные значения Х 1 и Х 2 ;

проводится анализ решения на соблюдение ограничений и условия целевой функции. Делается вывод о степени использования выделенных ресурсов;

если ресурсы использовались не полностью, то можно изменить нормы затрат. Если в решении задачи некоторые товары не выпускаются, то надо ввести дополнительные ограничения на минимум выпуска продукции.

Аннотация: В лекции описан процесс построения математической модели. Приведен словесный алгоритм процесса.

Для использования ЭВМ при решении прикладных задач прежде всего прикладная задача должна быть "переведена" на формальный математический язык, т.е. для реального объекта, процесса или системы должна быть построена его математическая модель .

Математические модели в количественной форме, с помощью логико-математических конструкций, описывают основные свойства объекта, процесса или системы, его параметры, внутренние и внешние связи .

Для построения математической модели необходимо:

тщательно проанализировать реальный объект или процесс;
выделить его наиболее существенные черты и свойства;
определить переменные, т.е. параметры, значения которых влияют на основные черты и свойства объекта;
описать зависимость основных свойств объекта, процесса или системы от значения переменных с помощью логико-математических соотношений (уравнения, равенства, неравенства, логико-математические конструкций);
выделить внутренние связи объекта, процесса или системы с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций;
определить внешние связи и описать их с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций.

Математическое моделирование , кроме исследования объекта, процесса или системы и составления их математического описания, также включает:

построение алгоритма, моделирующего поведение объекта, процесса или системы;
проверка адекватности модели и объекта, процесса или системы на основе вычислительного и натурного эксперимента;
корректировка модели;
использование модели.

Математическое описание исследуемых процессов и систем зависит от:

природы реального процесса или системы и составляется на основе законов физики, химии, механики, термодинамики, гидродинамики, электротехники, теории пластичности , теории упругости и т.д.
требуемой достоверности и точности изучения и исследования реальных процессов и систем.

На этапе выбора математической модели устанавливаются: линейность и нелинейность объекта, процесса или системы, динамичность или статичность, стационарность или нестационарность, а также степень детерминированности исследуемого объекта или процесса. При математическом моделировании сознательно отвлекаются от конкретной физической природы объектов, процессов или систем и, в основном, сосредотачиваются на изучении количественных зависимостей между величинами, описывающими эти процессы.

Математическая модель никогда не бывает полностью тождественна рассматриваемому объекту, процессу или системе. Основанная на упрощении, идеализации , она является приближенным описанием объекта. Поэтому результаты, полученные при анализе модели, носят приближенный характер. Их точность определяется степенью адекватности (соответствия) модели и объекта.

Обычно начинается с построения и анализа простейшей, наиболее грубой математической модели рассматриваемого объекта, процесса или системы. В дальнейшем, в случае необходимости, модель уточняется, делается ее соответствие объекту более полным.

Возьмем простой пример. Нужно определить площадь поверхности письменного стола. Обычно для этого измеряют его длину и ширину, а затем перемножают полученные числа. Такая элементарная процедура фактически обозначает следующее: реальный объект (поверхность стола) заменяется абстрактной математической моделью – прямоугольником. Прямоугольнику приписываются размеры, полученные в результате измерения длины и ширины поверхности стола, и площадь такого прямоугольника приближенно принимается за искомую площадь стола.

Однако модель прямоугольника для письменного стола – это простейшая, наиболее грубая модель. При более серьезном подходе к задаче прежде, чем воспользоваться для определения площади стола моделью прямоугольника, эту модель нужно проверить. Проверки можно осуществить следующим образом: измерить длины противоположных сторон стола, а также длины его диагоналей и сравнить их между собой. Если, с требуемой степенью точности, длины противоположных сторон и длины диагоналей попарно равны между собой, то поверхность стола действительно можно рассматривать как прямоугольник . В противном случае модель прямоугольника придется отвергнуть и заменить моделью четырехугольника общего вида. При более высоком требовании к точности может возникнуть необходимость пойти в уточнении модели еще дальше, например, учесть закругления углов стола.

С помощью этого простого примера было показано, что математическая модель не определяется однозначно исследуемым объектом, процессом или системой. Для одного и того же стола мы можем принять либо модель прямоугольника, либо более сложную модель четырехугольника общего вида, либо четырехугольника с закругленными углами. Выбор той или иной модели определяется требованием точности. С повышением точности модель приходится усложнять, учитывая новые и новые особенности изучаемого объекта, процесса или системы.

Рассмотрим другой пример: исследование движения кривошипно-шатунного механизма (Рис. 2.1) .

Рис. 2.1.

Для кинематического анализа этого механизма, прежде всего, необходимо построить его кинематическую модель. Для этого:

Заменяем механизм его кинематической схемой, где все звенья заменены жесткими связями ;
Пользуясь этой схемой, мы выводим уравнение движения механизма;
Дифференцируя последнее, получаем уравнения скоростей и ускорения, которые представляют собой дифференциальные уравнения 1-го и 2-го порядка.

Запишем эти уравнения:

где С 0 – крайнее правое положение ползуна С:

r – радиус кривошипа AB;

l – длина шатуна BC;

– угол поворота кривошипа;

Полученные трансцендентные уравнения представляют математическую модель движения плоского аксиального кривошипно-шатунного механизма, основанную на следующих упрощающих предположениях:

нас не интересовали конструктивные формы и расположение масс, входящих в механизм тел, и все тела механизма мы заменили отрезками прямых. На самом деле, все звенья механизма имеют массу и довольно сложную форму. Например, шатун – это сложное сборное соединение, форма и размеры которого, конечно, будут влиять на движение механизма;
при движения рассматриваемого механизма мы также не учитывали упругость входящих в механизм тел, т.е. все звенья рассматривали как абстрактные абсолютно жесткие тела. В действительности же, все входящие в механизм тела – упругие тела. Они при движении механизма будут как-то деформироваться, в них могут даже возникнуть упругие колебания. Это все, конечно, также будет влиять на движение механизма;
мы не учитывали погрешность изготовления звеньев, зазоры в кинематических парах A, B, C и т.д.

Таким образом, важно еще раз подчеркнуть, что, чем выше требования к точности результатов решения задачи, тем больше необходимость учитывать при построении математической модели особенности изучаемого объекта, процесса или системы. Однако, здесь важно во время остановиться, так как сложная математическая модель может превратиться в трудно разрешимую задачу.

Наиболее просто строится модель, когда хорошо известны законы, определяющие поведение и свойства объекта, процесса или системы, и имеется большой практический опыт их применения.

Более сложная ситуация возникает тогда, когда наши знания об изучаемом объекте, процессе или системе недостаточны. В этом случае при построении математической модели приходится делать дополнительные предположения, которые носят характер гипотез, такая модель называется гипотетической. Выводы, полученные в результате исследования такой гипотетической модели, носят условный характер. Для проверки выводов необходимо сопоставить результаты исследования модели на ЭВМ с результатами натурного эксперимента. Таким образом, вопрос применимости некоторой математической модели к изучению рассматриваемого объекта, процесса или системы не является математическим вопросом и не может быть решен математическими методами.

Основным критерием истинности является эксперимент, практика в самом широком смысле этого слова.

Построение математической модели в прикладных задачах – один из наиболее сложных и ответственных этапов работы. Опыт показывает, что во многих случаях правильно выбрать модель – значит решить проблему более, чем наполовину. Трудность данного этапа состоит в том, что он требует соединения математических и специальных знаний. Поэтому очень важно, чтобы при решении прикладных задач математики обладали специальными знаниями об объекте, а их партнеры, специалисты, – определенной математической культурой, опытом исследования в своей области, знанием ЭВМ и программирования.

1. Математическое моделирование

и процесс создания математической модели.

Математическое моделирование представляет собой метод исследования объектов и процессов реального мира с помощью их приближенных описаний на языке математики - математических моделей.

Процесс создания математической модели условно можно разбить на ряд основных этапов:

1) построение математической модели;

2) постановка, исследование и решение соответствующих вычислительных задач;

3) проверка качества модели на практике и модификация модели.

Рассмотрим основное содержание этих этапов.

Построение математической модели. Математической моделью называется аналитическое выражение, которое находится в результате анализа некой физической системы или явления, включающей в себя несколько неизвестных параметров этой системы или явления, подлежащих определению на основе данных эксперимента. С помощью наблюдений и экспериментов, практики выявляются основные "характеристики" явления, которым сопоставляются некоторые величины. Как правило, эти величины принимают числовые значения, т. е. являются переменными, векторами, матрицами, функциями и т. д.

Установленным внутренним связям между "характеристиками" явления придается форма равенств, неравенств, уравнений и логических структур, связывающих величины, включенные в математическую модель. Таким образом, математическая модель становится записью на языке математики законов природы.

Подчеркнем, что математическая модель неизбежно представляет собой компромисс между бесконечной сложностью изучаемого явления и желаемой простотой его описания.

Математические модели часто разделяют на статические и динамические. Статическая модель описывает явление или ситуацию в предположении их завершенности, неизменности (т. е. в статике). Динамическая модель описывает, как протекает явление или изменяется ситуация от одного состояния к другому (т. е. в динамике). При использовании динамических моделей, как правило, задают начальное состояние системы, а затем исследуют изменение этого состояния во времени. В динамических моделях искомое решение часто является функцией времени у=у(t), переменная t в таких моделях, как правило, бывает выделенной и играет особую роль.

Постановка, исследование и решение вычислительных задач. Для того чтобы найти интересующие исследователя значения величин или выяснить характер из зависимости от других входящих в математическую модель величин, ставят, а затем решают математические задачи.

Выявим основные типы решаемых задач. Для этого все величины, включенные в математическую модель, условно разобьем на три группы:

1) исходные (входные) данные х,

2) параметры модели a,

3) искомое решение (выходные данные) у.

1). Наиболее часто решают так называемые прямые задачи, постановка которых выглядит следующим образом: по данному значению входного данного х при фиксированных значениях параметров a требуется найти решение у. Процесс решения прямой задачи можно рассматривать как математическое моделирование причинно-следственной связи, присущей явлению. Тогда входное данное х характеризует "причины" явления, которые задаются и варьируются в процессе исследования, а искомое решение у - "следствие".

Для того чтобы математическое описание было применимо не к единичному явлению, а к широкому кругу близких по природе явлений, в действительности строят не единичную математическую модель, а некоторое параметрическое семейство моделей. Выбор конкретной модели из этого семейства осуществляется фиксацией значений параметров модели a. Например, в роли таких параметров могут выступать некоторые из коэффициентов, входящих в уравнения.

2). Большую роль играет решение так называемых обратных задач, состоящих в определении входного данного х по данному значению у (параметры модели a, как и в прямой задаче, фиксированы). Решение обратной задачи - это в определенном смысле попытка выяснить, какие "причины" x привели к известному "следствию" у. Как правило, обратные задачи оказываются сложнее для решения, чем прямые.

3). Помимо двух рассмотренных типов задач следует упомянуть еще один тип - задачи идентификации. В широком смысле задача идентификации модели - это задача выбора среди множества всевозможных моделей той, которая наилучшим образом описывает изучаемое явление. В такой постановке эта задача выглядит как практически неразрешимая проблема. Чаще задачу идентификации понимают в узком смысле, как задачу выбора из заданного параметрического семейства моделей конкретной математической модели (с помощью выбора ее параметров a), с тем чтобы оптимальным в смысле некоторого критерия образом согласовать следствия из модели с результатами наблюдений.

Указанные три типа задач (прямые, обратные и задачи идентификации) будем называть вычислительными задачами. Для удобства изложения в дальнейшем независимо от типа решаемой задачи будем называть набор подлежащих определению величин искомым решением и обозначать через у, а набор величин - входным данным и обозначать через х.

Как правило, решение вычислительной задачи не удается выразить через входные данные в виде конечной формулы. Однако это совсем не означает, что решение такой задачи не может быть найдено. Существуют специальные методы, которые называют численными (или вычислительными). Они позволяют свести получение численного значения решения к последовательности арифметических операций над численными значениями входных данных. Однако для решения задач численные методы применялись довольно редко, так как их использование предполагает выполнение гигантского объема вычислений. Поэтому в большинстве случаев до появления ЭВМ приходилось избегать использования сложных математических моделей и исследовать явления в простейших ситуациях, когда возможно найти аналитическое решение. Несовершенство вычислительного аппарата становилось фактором, .сдерживающим широкое использование математических моделей в науке и технике.

Появление ЭВМ кардинально изменило ситуацию. Класс математических моделей, допускающих подробное исследование, резко расширился. Решение многих, еще недавно недоступных, вычислительных задач стало обыденной реальностью.

Проверка качества модели на практике и модификация модели . На этом этапе выясняют пригодность математической модели для описания исследуемого явления. Теоретические выводы и конкретные результаты, вытекающие из гипотетической математической модели, сопоставляют с экспериментальными данными. Если они противоречат друг другу, то выбранная модель непригодна и ее следует пересмотреть, вернувшись к первому этапу. Если же результаты совпадают с допустимой для описания данного явления точностью, то модель можно признать пригодной. Конечно, необходимо дополнительное исследование с целью установления степени достоверности модели и границ ее применимости.

Вопросы для повторения:

1. Что такое математическая модель?

2. Основные этапы построения математической модели?

3. Основные типы решаемых задач?

2. Основные этапы решения инженерной

задачи с применением ЭВМ

Решение инженерной задачи с использованием ЭВМ можно разбить на ряд последовательных этапов. Выделим следующие этапы:

1) постановка проблемы;

2) выбор или построение математической модели;

3) постановка вычислительной задачи;

4) предварительный (предмашинный) анализ свойств вычислительной задачи;

5) выбор или построение численного метода;

6) алгоритмизация и программирование;

7) отладка программы;

8) счет по программе;

9) обработка и интерпретация результатов;

10) использование результатов и коррекция математической модели.

Постановка проблемы . Первоначально прикладная задача бывает сформулирована в самом общем виде:

Исследовать некоторое явление,

Спроектировать устройство, обладающее заданными свойствами,

Дать прогноз поведения некоторого объекта в определенных условиях и т. д.

На данной стадии происходит конкретизация постановки задачи. Первостепенное внимание при этом уделяется выяснению цели исследования.

Этот очень важный и ответственный этап завершается конкретной формулировкой проблемы на языке, принятом в данной предметной области. Знание возможностей, которые дает применение ЭВМ, может оказать существенное влияние на окончательную формулировку проблемы.

Выбор или построение математической модели. Для последующего анализа исследуемого явления или объекта необходимо дать его формализованное описание на языке математики, т. е. построить математическую модель. Часто имеется возможность выбора модели среди известных и принятых для описания соответствующих процессов, но нередко требуется и существенная модификация известной модели, а иногда возникает необходимость в построении принципиально новой модели.

Постановка вычислительной задачи. На основе принятой математической модели формулируют вычислительную задачу (или ряд таких задач). Анализируя результаты ее решения, исследователь предполагает получить ответы на интересующие его вопросы.

Предварительный анализ свойств вычислительной задачи. На этом этапе проводят предварительное (предмашинное) исследование свойств вычислительной задачи, выяснению вопросов существования и единственности решения, а также исследованию устойчивости решения задачи к погрешностям входных данных.

Выбор или построение численного метода. Для решения вычислительной задачи на ЭВМ требуется использование численных методов.

Часто решение инженерной задачи сводится к последовательному решению стандартных вычислительных задач, для которых разработаны эффективные численные методы. В этой ситуации происходит либо выбор среди известных методов, либо их адаптация к особенностям решаемой задачи. Однако если возникающая вычислительная задача является новой, то не исключено, что для ее решения не существует готовых методов.

Для решения одной и той же вычислительной задачи обычно может быть использовано несколько методов. Необходимо знать особенности этих методов, критерии, по которым оценивается их качество, чтобы выбрать метод, позволяющий решить проблему наиболее эффективным образом. Здесь выбор далеко не однозначен. Он существенно зависит от требований, предъявляемых к решению, от имеющихся в наличии ресурсов, от доступной для использования вычислительной техники и т. д.

Алгоритмизация и программирование. Как правило, выбранный на предыдущем этапе численный метод содержит только принципиальную схему решения задачи, не включающую многие детали, без которых невозможна реализация метода на ЭВМ. Необходима подробная детализация всех этапов вычислений, для того чтобы получить реализуемый на ЭВМ алгоритм. Составление программы сводится к переводу этого алгоритма на выбранный язык программирования.

Существуют библиотеки из которых пользователи из готовых модулей свои программы, либо, в крайнем случае, приходится программу писать с «нуля».

Отладка программы. На этом этапе с помощью ЭВМ выявляют и исправляют ошибки в программе.

После устранения ошибок программирования необходимо провести тщательное тестирование программы - проверку правильности ее работы на специально отобранных тестовых задачах, имеющих известные решения.

Счет по программе. На этом этапе происходит решение задачи на ЭВМ по составленной программе в автоматическом режиме. Этот процесс, в ходе которого входные данные с помощью ЭВМ преобразуются в результат, называют вычислительным процессом. Как правило, счет повторяется многократно с различными входными данными для получения достаточно полной картины зависимости от них решения задачи.

Обработка и интерпретация результатов . Полученные в результате расчетов на ЭВМ выходные данные, как правило, представляют собой большие массивы чисел, которые потом представляются в удобной для восприятия форме.

Использование результатов и коррекция математическое модели. Завершающий этап состоит в использовании результатов расчетов в практической деятельности, иначе говоря, во внедрении результатов.

Очень часто анализ результатов, проведенный на этапе их обработки и интерпретации, указывает на несовершенство используемой математической модели и необходимость ее коррекции. В таком случае математическую модель модифицируют (при этом она, как правило, усложняется) и начинают новый цикл решения задачи.

Вопросы для повторения:

1. Основные этапы решение инженерной задачи с использованием ЭВМ?

3. Вычислительный эксперимент

Создание математических моделей и решение инженерных задач с применением ЭВМ требует выполнения большого объема работ. Нетрудно заметить аналогию с соответствующими работами, проводимыми при организации натурных экспериментов: составление программы экспериментов, создание экспериментальной установки, выполнение контрольных экспериментов, проведение серийных опытов) обработка экспериментальных данных и их интерпретация и т. д. Однако вычислительный эксперимент проводится не над реальным объектом, а над его математической моделью, и роль экспериментальной установки играет оснащенная специально разработанной программой ЭВМ. В связи с этим естественно рассматривать проведение больших комплексных расчетов при решении инженерных и научно-технических задач как вычислительный эксперимент, а описанную в предыдущем параграфе последовательность этапов решения как один его цикл.

Отметим некоторые достоинства вычислительного эксперимента по сравнению с натуральным:

1. Вычислительный эксперимент, как правило, дешевле физического.

2. В этот эксперимент можно легко и безопасно вмешиваться.

3. Его можно повторить еще раз (если в этом есть необходимость) и прервать в любой момент.

4. В ходе этого эксперимента можно смоделировать условия, которые нельзя создать в лаборатории.

Заметим, что в ряде случаев проведение натурного эксперимента затруднено (а иногда и невозможно), так как изучаются быстропротекающие процессы, исследуются труднодоступные или вообще пока недоступные объекты. Часто проведение полномасштабного натурного эксперимента сопряжено с губительными или непредсказуемыми последствиями (ядерная война, поворот сибирских рек) или с опасностью для жизни или здоровья людей. Нередко требуется исследование и прогнозирование результатов катастрофических явлений (авария ядерного реактора АЭС , глобальное потепление климата, землетрясение). В этих случаях вычислительный эксперимент может стать основным средством исследования. Заметим, что с его помощью оказывается возможным прогнозировать свойства новых, еще не созданных конструкций и материалов на стадии их проектирования.

Существенным недостатком вычислительного эксперимента является то, что применимость его результатов ограничена рамками принятой математической модели.

Создание нового изделия или технологического процесса предполагает выбор среди большого числа альтернативных вариантов, а также оптимизацию по ряду параметров. Поэтому в ходе вычислительного эксперимента расчёты проводятся многократно с разными значениями входных параметров. Для получения нужных результатов с требуемой точностью и в приемлемые сроки необходимо, чтобы на расчет каждого варианта тратилось минимальное время.

Разработка программного обеспечения вычислительного эксперимента в конкретной области инженерной деятельности приводит к созданию крупного программного комплекса. Он состоит из связанных между собой прикладных программ и системных средств, включающих средства, предоставляемые пользователю для управления ходом вычислительного эксперимента, обработки и представления его результатов. Такой комплекс программ иногда называют проблемно-ориентированным пакетом прикладных программ.

Вопросы для повторения:

1. Достоинства вычислительного эксперимента по сравнению с натуральным?

2. Недостатки вычислительного эксперимента?

4. Простейшие методы решения задач

4.1. Поиск корня функции.

Метод деления отрезка по полам (метод Вилли).

Делим отрезок пополам (АС =СВ ). Выбираем половину, в которой функция пересекает ось 0х , затем обозначаем С за В , т. е. С=В и снова делим пополам. Выбор половины осуществляется произведением ¦(А )´¦(В ). Если произведение больше 0, то корня нет.

Метод хорд (секущих).

(В-А )/2£E n ³log 2((В-А )/2)

(y-y 0)(x-x 1)=(y-y 1)(x-x 0)

y =0; y 0(x-x 1)=y 1(x-x 0)

2.2.1 С точки зрения математический подхода “Задача – это модель и алгоритм ее применения в рамках некоторой математической теории” Для применения математических методов исследования требуется построить математическую модель задачи. Математическая модель задачи – это специальная логическая конструкция, целенаправленно описывающая в терминах математической теории объективный процесс или явление, лежащие в основе конкретной задачи. Процесс решения такой модели является своеобразным аналогом мыслительного процесса специалиста, принимающего решение.

Модель есть образ реального исследуемого объекта или явления, созданный при помощи определенного набора средств. Модели значительно облегчают понимание объектов (явлений), позволяют прогнозировать их поведение в интересующих нас условиях, применять унифицированные методы анализа. В модели концентрируются наиболее важные, с точки зрения рассматриваемой проблемы, признаки (свойства) изучаемого объекта (явления). Целью моделирования является создание достаточно точного, полного, лаконичного и удобного для восприятия и анализа описания.

Элементами математической модели являются переменные, параметры, связи (математические) и информация.

Общая квалификация математических моделей, как правило, производится по следующим признакам:

Поведению моделей во времени;

Видам входной информации,

Параметров, выражений, конструкций, составляющих математическую модель;

Структуре математической модели;

Типу используемого математического аппарата.

Согласно данной классификации математические модели бывают динамическими (время играет роль независимой переменной, и поведение системы меняется во времени); статическими (независящими от времени); квазистатическими или дискретно-событийными (поведение системы меняется от одного статического состояния к другому согласно внешним воздействиям). Если эти элементы модели достаточно точно установлены и поведение системы можно точно определить, то модель - детерминированная, в противном случае - стохастическая . Если информация и параметры являются непрерывными величинами, а математические связи устойчивы, то модель непрерывная , в противном случае - дискретная . Если параметры модели фиксированы и не изменяются в процессе моделирования согласно поведению объекта моделирования, то это модель с фиксированными параметрами , в противном случае - модель с изменяющимися во времени или в пространстве параметрами . Математическая модель может быть сложной, комплексной , иерархической , если можно найти элементарные подсистемы, составляющие её. Это очень важный вопрос, поскольку его решение позволяет значительно упростить моделирование, например, оперативное управление распределенными системами, особенно если модель можно представить в виде древовидной или сетевой структуры. По типу используемого математического аппарата будем говорить об аналитических, вероятностно-статистических и нечетких моделях.

Основные требования, предъявляемые к модели:

Адекватность (достоверность);

Полнота;

Неизбыточность;

Приемлемая трудоемкость.

Адекватность и полнота означают, что модель должна обладать всеми существенными (с точки зрения решаемой задачи) признаками объекта моделирования и с достаточной степенью точности не отличаться от него по этим признакам. Сюда же, в частности, относится проблема адекватности критерия оптимальности целям функционирования моделируемой системы. Относительно требования неизбыточности модель не должна быть «засорена» множеством мелких, второстепенных факторов, которые лишь усложняют математический анализ и делает результаты исследования трудно обозримыми. Приемлемая трудоемкость означает, что затраты на создание модели должны соответствовать установленным ограничениям на ресурсы и эффект от использования модели должен превышать затраты на ее построение. При этом при оценке издержек на моделирование следует учитывать затраты времени и усилий всех участников, задействованных как непосредственно в построении модели, так и сборе необходимой информации, расходы и время на обучение, стоимость обработки и хранения информации. Указанные требования к модели противоречивы. Например, с одной стороны, она должна быть достаточно полной, а с другой - достаточно простой и малозатратной. То есть создание математических моделей –это во многом творчество, требующее наличие соответствующих математических и прикладных знаний, опыта и квалификации.

2.2.2 Применительно к проблеме принятия решения можно говорить о модели ЗПР, модели среды принятия решения(описательной модели проблемной ситуации), модели процесса принятия решения, модели компьютерной системы принятия решения (системы поддержки принятия решений).

При определении модели конкретной ЗПР следует оценить ее относительно классификационных признаков, выделенных нами в рамках рассмотренной ранее системы классификации ЗПР и по результатам такой оценки определить модель ЗПР в виде кортежа соответствующих характеристик. Например, общая формальная модель ЗПР для индивидуального ЛПР может быть представлена в виде кортежа

;

а для группы ЛПР в виде кортежа

< So, T, R, S, G, B, A, К, F(f), L, A* >,

где So – проблемная ситуация; T –время для принятия решения; R – имеющиеся для принятия решения ресурсы; S = (S 1 , …, S n) – множество допустимых ситуаций, определяющих предметную область и тем самым уточняющих проблемную ситуацию So; G=(G 1 ,…,G k) – множество целей, преследуемых при принятии решения; B=(B 1 ,…,B L) – множество ограничений; A=(A 1 ,…,A m) – множество альтернативных вариантов решения; f – функция предпочтения ЛПР; K – критерии выбора; F(f) – функция группового предпочтения; L – принцип согласования индивидуальных предпочтений для формирования группового предпочтения; A* – оптимальное решение.

Поясним наличие в модели критериев выбора K и функции предпочтения. Опыт показывает, что в терминах критериев выбора чаще всего не удается выразить всю гамму «пристрастий», «вкусов» и предпочтений конкретного ЛПР. С помощью множества частных критериев, как правило возникающих при рассмотрения реальных ЗПР, лишь намечаются определенные цели, которые нередко оказываются весьма противоречивыми. Эти цели одновременно, как правило, достигнуты быть не могут, и поэтому требуется определенная дополнительная информация для осуществления компромисса. Иначе говоря, если ограничиться лишь множеством возможных решений и векторным критерием, то ЗПР оказывается «недоопределенной». Эта «недоопределенность» сказывается затем в слабой логической обоснованности выбора эффективного решения на основе векторного критерия. Для того чтобы осуществить обоснованный выбор, следует помимо векторного критерия располагать какими-то дополнительными сведениями о предпочтениях ЛПР. С этой целью необходимо включить в многокритериальную задачу функцию, описывающую отношения существующих предпочтений.

Для обозначения предпочтения решения А’ перед решением A” часто используется запись А’A”.Следует отметить, что не всякие два возможных решения А’ и A” связаны соотношением А’A” либо соотношениемA”А’. Могут существовать такие пары решений, что ЛПР не в состоянии отдать предпочтение какому-то одному из них.На практике способность ЛПР определить отношение предпочтения для любой пары допустимых альтернатив встречаются крайне редко (например, из-за невозможности абсолютно полно и точно определить последствия принимаемых решений).

При определении отношения предпочтения следует обеспечить выполнение двух следующих условий:

Отношение предпочтения является строгим в том смысле, что ни для какого допустимого решения А’ невозможно выполнение условия вида А’A’ - поскольку ни одно решение не может быть лучше самого себя;

Если А’A” и А”A’’’, то А’A’’’(свойство транзитивности).

Часто (например, при принятии решений в условиях управления иерархическими распределенными средами) возникает потребность в моделировании процесса принятия решения. Процесс принятия решений схематически представляется в виде так называемого дерева решений. Построение такого дерева базируются на декомпозиции процесса принятия решения - выделении самостоятельных функциональных подпроцессови более частных задач, а также установления взаимосвязи между ними, в результате чего общий процесс принятия решений представляется в виде решения последовательности взаимосвязанных иерархических локальных ЗПР. Основными принципами декомпозиции являются относительная самостоятельность каждого из подпроцессов (т.е. наличие конкретного объекта управления); наличие соответствующего набора функций и ЗПР с четко выраженными локальными целями принятия решения, согласующимися с общими целями принятия решения для системы в целом; оптимизация состава включенных в подпроцесс элементов. Этот вопрос будет рассмотрен позднее, при рассмотрении проблемы принятия решения в рамках проблемы оперативного менеджмента качества.

2.2.3 Основными этапами общего процесса моделирования являются:

1) анализ поставленной задачи;

2)анализ объекта моделирования и его среды с точки зрения поставленной задачи;

3) построение(синтез) модели;

4) проверка построенной модели на достоверность;

5) применение модели;

6)обновление модели(по мере необходимости).

1) Перед построении модели сначала необходимо определить главное назначением модели - какие выходные данные нужно получить, используя модель, чтобы помочь ЛПР разрешить стоящую перед ним проблему.

Затем следует определить, какая информация требуется для построения модели и какие нужны сведения на выходе. Кроме того, следует оценить расходы на создание модели и реакцию людей, которые должны будут ее использовать. Модель, затраты на построение и использование которой превышает получаемые от нее выгоды, никому не нужна, а слишком сложная модель может быть не понятна пользователям и не будет применяться на практике.

2) В основу модели кладется описание объекта, формируемое (в соответствии с решаемой задачи и доступной информации) на основе выделения составляющих объект элементов, выявления связи между ними, определения существенные для рассматриваемой задачи характеристик и параметров. На этом же этапе формируются, подлежащие последующей проверке гипотезы о закономерностях, присущих изучаемому объекту, о характере влияния на объект изменения тех или иных параметров и связей между элементами, изучаются взаимосвязи, определяющие возможные последствия принимаемых решений, а также устраняется нечеткие, неоднозначные высказывания или определения, которые заменяются, быть может, и приближенными, но четкими, не допускающими различных толкований высказываниями

3) Сущность математического моделирования состоит в подборе математических схем, адекватно описывающих процессы, происходящие в действительности.

При построении математической модели явление каким-то образом упрощается, схематизируется; из бесчисленного множества факторов, влияющих на явление, выделяется сравнительно небольшое количество важнейших, и полученная схема описывается с помощью того или другого математического аппарата. Общих способов построения математических моделей не существует. В каждом конкретном случае модель строится, исходя из поставленной задачи, доступных исходных данных, требуемой точности решения, личных предпочтений аналитика, создающего модель.

При построении математической модели выполняются следующие виды деятельности:

–анализ всех элементов системы, влияющих на эффективность принимаемых решений и оценка степени влияния каждого из них на функционирование организации при различных вариантах решений;

– исключение из перечня элементов, не влияющих (или несущественно влияющих)на выбор вариантов решений;

– предварительная группировка некоторых взаимосвязанных элементов для упрощения модели (например, расходы по аренде, содержанию помещений и другие объединить в условно-постоянные расходы);

– определение перечня элементов после уточнения их постоянного или переменного характера влияния на систему (в составе переменных элементов устанавливаются, в свою очередь, подэлементы системы, влияющие на их величину; например, транспортные расходы зависят от объема перемещенных товаров, расстояния, стоимости горючего и др.);

– закрепление за каждым подэлементом определенного символа и составление соответствующих математических конструкций.

Математическая модель обычно строится с ориентацией на предполагаемый метод решения задачи. С другой стороны, в процессе проведения математического исследования или интерпретации решения может понадобиться уточнить или даже существенно изменить математическую модель.

Как уже отмечалось выше, математические модели, применяемые в настоящее время в задачах принятия решений, можно грубо подразделить на три класса: аналитические, статистические и основанные на нечеткой формализации.

Для первых характерно установление формульных, аналитических зависимостей между параметрами задачи, записанных в любом виде: алгебраические уравнения, обыкновенные дифференциальные уравнения, уравнения с частными производными и т. д. Обычно с помощью аналитических моделей удается с удовлетворительной точностью описать какие-то сугубо технические процессы, в основу которых положены известные физические законы.

Использование статистических моделей предполагает наличие соответствующих вероятностно-статистических данных и закономерностей.

Использование моделей, основанных на нечеткой формализации, оправдано в случае отсутствия данных, позволяющих использовать два первых типа моделей.

Построенная модель должна быть подвергнута соответствующему анализу с целью обоснования. Наиболее важный момент - доказательство существования или получения решения в рамках сформулированной модели. Если это условие не выполняется, то следует скорректировать либо постановку задачи, либо способы ее математической формализации.

4) На практике почти всегда необходима проверка модели на достоверность. Во-первых, надо определить степень соответствия модели реальному явлению, установить, все ли существенные факторы реальной ситуации учтены в модели. Во-вторых, следует понять, насколько моделирование действительно помогает решить проблему. Желательно проверить модель на ситуации, имевшей место в прошлом.

Успешный результат сравнения (оценки) исследуемого объекта с моделью свидетельствует о достаточной степени изученности объекта, о правильности принципов, положенных в основу моделирования, и о том, что созданная модель работоспособна.

Часто первые результаты моделирования не удовлетворяют предъявленным требованиям. Это требует проведения дополнительных исследовании и соответствующего изменения модели.

5) Относительно применения модели следует учитывать, что основная причина недостаточно широкого использования моделей заключается в том, что руководители, для которых они создаются, часто не вполне понимают получаемые результаты и потому боятся их применять. Причиной является недостаток у них знаний в этой области. Для борьбы с этим системным аналитикам следует уделять значительно больше времени ознакомлению руководителей с возможностями и методикой использования моделей.

6) Обновление модели производится, если руководству потребуются выходные данные вболее удобной форме или дополнительные данные. Обновление модели может также потребоваться в случае изменения целей организации и соответствующих имкритериев принятия решений, либо при получении дополнительной информации, позволяющей уточнить, усовершенствовать текущую модель. Последняя ситуация связана с проблемой недостаточности, неточности априорной информации используемой для построения модели. Если внешняя среда подвижна, информацию о ней следует обновлять быстро, но на это может не хватать времени или это может оказаться слишком дорого. Информационные ограничения являются основной причиной недостоверности предпосылок, положенных в основу построения модели. Нередко возникают ситуации, когда невозможно получить информацию по всем важным факторам и использовать ее в модели. Следует соблюдать осторожность в отношении использования предположений, которые не могут быть точно оценены и объективно проверены (например, не поддается проверке предположение о росте продаж в будущем году на определенную сумму).

2.2.4 При построении модели следует учитывать следующие рекомендации:

Обычно сначала определяется основная более грубая конструкция (тип, общая схема) математической модели, а затем уточняются детали этой конструкции (конкретный перечень переменных и параметров, форма связей);

Следует избегать ненужной детализации модели, так как это излишне усложняет модель. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей, 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 задачей, необходимо предварительно проанализировать возможность использования для ее решения уже известных моделей (или отдельных их составляющих);

Необходимо 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.

Положительными характеристиками моделирования также являются:

– применение более совершенных проверенных практикой технологий принятия решения;

– высокая степень обоснованности решений;

– сокращение сроков принятия решений;

– возможность выполнения обратной операции.

Особенность обратной операции состоит в том, что, имея модель и исходные данные, можно не только принять решение, но и сориентироваться на требуемый результат и определить, какие исходные данные для этого необходимы. Так, например, ориентируясь на получение прибыли в объеме N, можно установить и количественные значения других показателей, прямо и косвенно влияющих на достижение планируемого результата (получение новых знаний о ситуации (объекте), отсутствующих ранее; формулировку выводов, которые невозможно получить при самых содержательных логических рассуждениях).

Аннотация: В лекции описан процесс построения математической модели. Приведен словесный алгоритм процесса.

Для построения математической модели необходимо:

тщательно проанализировать реальный объект или процесс;
выделить его наиболее существенные черты и свойства;
определить переменные, т.е. параметры, значения которых влияют на основные черты и свойства объекта;
описать зависимость основных свойств объекта, процесса или системы от значения переменных с помощью логико-математических соотношений (уравнения, равенства, неравенства, логико-математические конструкций);
выделить внутренние связи объекта, процесса или системы с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций;
определить внешние связи и описать их с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций.

построение алгоритма, моделирующего поведение объекта, процесса или системы;
проверка адекватности модели и объекта, процесса или системы на основе вычислительного и натурного эксперимента;
корректировка модели;
использование модели.

Математическое описание исследуемых процессов и систем зависит от:

природы реального процесса или системы и составляется на основе законов физики, химии, механики, термодинамики, гидродинамики, электротехники, теории пластичности , теории упругости и т.д.
требуемой достоверности и точности изучения и исследования реальных процессов и систем.

Рассмотрим другой пример: исследование движения кривошипно-шатунного механизма (Рис. 2.1) .

Рис. 2.1.

Заменяем механизм его кинематической схемой, где все звенья заменены жесткими связями ;
Пользуясь этой схемой, мы выводим уравнение движения механизма;
Дифференцируя последнее, получаем уравнения скоростей и ускорения, которые представляют собой дифференциальные уравнения 1-го и 2-го порядка.

Запишем эти уравнения:

где С 0 – крайнее правое положение ползуна С:

r – радиус кривошипа AB;

l – длина шатуна BC;

– угол поворота кривошипа;

нас не интересовали конструктивные формы и расположение масс, входящих в механизм тел, и все тела механизма мы заменили отрезками прямых. На самом деле, все звенья механизма имеют массу и довольно сложную форму. Например, шатун – это сложное сборное соединение, форма и размеры которого, конечно, будут влиять на движение механизма;
при движения рассматриваемого механизма мы также не учитывали упругость входящих в механизм тел, т.е. все звенья рассматривали как абстрактные абсолютно жесткие тела. В действительности же, все входящие в механизм тела – упругие тела. Они при движении механизма будут как-то деформироваться, в них могут даже возникнуть упругие колебания. Это все, конечно, также будет влиять на движение механизма;
мы не учитывали погрешность изготовления звеньев, зазоры в кинематических парах A, B, C и т.д.

Основным критерием истинности является эксперимент, практика в самом широком смысле этого слова.

Рейтинг: