Понятие модели, ее функции. Общая классификация моделей. Этапы машинного моделирования. Виды классификации моделей

Признаки, по которым классифицируются модели:

1. Область использования.

2. Учет фактора времени и области использования.

3. По способу представления.

4. Отрасль знаний (биологические, исторические, социологические и т. д.).

Рассмотрим три первые классификации моделей в соответствии с их классификационными признаками.

1 классификация - по признаку « Область использования»

1.1. Учебные: наглядные пособия, обучающие программы, различные тренажеры;

1.2. Опытные: модель корабля испытывается в бассейне для определения устойчивости судна при качке;

1.3. Научно-технические: ускоритель электронов, прибор, имитирующий разряд молнии, стенд для проверки телевизора;

1.4. Игровые: военные, экономические, спортивные, деловые игры;

1.5. Имитационные: эксперимент либо многократно повторяется, чтобы изучить и оценить последствия каких либо действий на реальную обстановку, либо проводится одновременно со многими другими похожими объектами, но поставленными в разных условиях).

2 классификация - по признаку «Учет фактора времени и области использования»

2.1. Статистическая модель – это как бы одномоментный срез по объекту.

Пример: Вы пришли в стоматологическую поликлинику для осмотра полости рта. Врач осмотрел и всю информацию записал в карточку. Записи в карточке, которые дают картину о состоянии ротовой полости на данный момент времени (число молочных, постоянных, пломбированных, удаленных зубов) и будет являться статистической моделью.

2.2. Динамическая модель позволяет увидеть изменения объекта во времени.

Пример: та же самая карточка школьника, которая отражает изменения, происходящие с его зубами за определенный момент времени.

3 классификация - по признаку «По способу представления»

Первые две большие группы: материальные и информационные. Названия этих групп как бы показывают, из чего сделаны модели.

Материальные модели иначе можно назвать предметными, физическими. Они воспроизводят геометрические и физические свойства оригинала и всегда имеют реальное воплощение.

Примеры: Детские игрушки. Школьные пособия, физические и химические опыты, географические карты, схемы солнечной системы и звездного неба и многое другое.

Материальные модели реализуют материальный (потрогать, понюхать, увидеть, услышать) подход к изучению объекта, явления или процесса.

3.1. Информационные модели нельзя потрогать или увидеть воочию, они не имеют материального воплощения, потому что они строятся только на информации. В основе этого метода моделирования лежит информационный подход к изучению окружающей действительности.

Информационные модели – совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром.

Информация, характеризующая объект или процесс, может иметь разный объем и форму представления, выражаться различными средствами. Это многообразие настолько безгранично, насколько велики возможности каждого человека и его фантазии. К информационным моделям можно отнести знаковые и вербальные.

3.1.1. Знаковая модель – информационная модель, выраженная специальными знаками, т. е. средствами любого формального языка. Это рисунки, тексты, графики и схемы.

По способу реализации знаковые модели можно разделить на две группы:

Компьютерные знаковые модели;

Некомпьютерные знаковые модели.

3.1.2. Вербальная (от лат «verbalis» – устный) модель – информационная модель в мысленной или разговорной форме.

Это модели, полученные в результате раздумий, умозаключений. Они могут так и остаться мысленными или быть выражены словесно. Примером такой модели может стать наше поведение при переходе улицы. Человек анализирует ситуацию на дороге (что показывает светофор, с какой скоростью и на каком расстоянии движутся автомобили и т. п.) и вырабатывает свою модель поведения. Если ситуация смоделирована удачно, то переход будет безопасным, если нет, то может произойти авария. К таким моделям можно отнести идею, возникшую в голове изобретателя, музыкальную тему, промелькнувшую в голове композитора, рифму, прозвучавшую пока в голове поэта.

Знаковые и вербальные модели, как правило, взаимосвязаны. Мысленный образ, родившийся в мозгу человека, может быть облечен в знаковую форму. И, наоборот, знаковая модель – помогает сформировать в сознании верный мысленный образ.

При использовании метода моделирования свойства и поведение объекта изучают путем применения вспомогательной системы – модели, находящейся в определенном объективном соответствии с исследуемым объектом.

Под объектом исследования понимается либо некоторая система, элементы которой в процессе достижения конечной цели реализуют один или несколько процессов, либо некоторый процесс, реализуемый элементами одной или нескольких систем. В связи с этим в дельнейшем тексте термины «модель объекта», «модель системы», «модель процесса» следует воспринимать как эквивалентные.

Представления о тех или иных свойствах объектов, их взаимосвязях формируются исследователем в виде описания этих объектов на обычном языке, в виде рисунков, графиков, формул или реализуются в виде макетов и других устройств. Подобные способы описания обобщаются в едином понятии – модель , а построение и изучение моделей называетсямоделированием .

Заслуживает предпочтения следующее определение: модель – объект любой природы, который создается исследователем с целью получения новых знаний об объекте-оригинале и отражает только существенные (с точки зрения разработчика) свойства оригинала.

Модель считается адекватной объекту-оригиналу, если она с достаточной степенью приближения на уровне понимания моделируемого процесса исследователем отражает закономерности процесса функционирования реальной системы во внешней среде.

Модели позволяют вынести упрощенное представление о системе и получить некоторые результаты намного проще, чем при изучении реального объекта. Более того, гипотетически модели объекта могут быть исследованы и изучены перед тем, как объект будет создан.

В практике исследования производственно-экономических объектов модели могут применяться для самых разных целей, что вызывает использование моделей различных классов. Построение одной-единственной математической модели для сложной производственной системы практически не представляется возможным без разработки вспомогательных моделей. Поэтому, как правило, при создании конечной математической модели исследуемого объекта строят частные вспомогательные модели, отражающие ту или иную информацию об объекте, имеющуюся у разработчика на данном этапе построения модели.

В основе моделирования лежит теория подобия , которая утверждает, что абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же. При моделировании абсолютное подобие не имеет места и стремятся к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта.

Классификационные признаки. В качестве одного из первых признаков классификации видов моделирования можно выбрать степень полноты модели и разделить модели в соответствии с этим признаком на полные, неполные и приближенные. В основе полного моделирования лежит полное подобие, которое проявляется как во времени, так и в пространстве. Для неполного моделирования характерно неполное подобие модели изучаемому объекту. В основе приближенного моделирования лежит приближенное подобие, при котором некоторые стороны функционирования реального объекта не моделируются совсем. Классификация видов моделирования системS приведена на рис.1.1.

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, т.е. процессы, в которых предполагается отсутствие всяких случайных воздействий;стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т.е. набор однородных реализаций.Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, адинамическое моделирование отражает поведение объекта во времени.Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, адискретно-непрерывное моделирование используется для тех случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.

В зависимости от формы представления объекта (системы S ) можно выделить мысленное и реальное моделирование.

Мысленное моделирование часто является единственным способом моделирования объектов, которые либо практически нереализуемы в заданном интервале времени, либо существуют вне условий, возможных для их физического создания. Например, на базе мысленного моделирования могут быть проанализированы многие ситуации микромира, которые не поддаются физическому эксперименту. Мысленное моделирование может быть реализовано в виде наглядного, символического и математического.

Рис. 1.1. Классификация видов моделирования систем

При наглядном моделировании на базе представлений человека о реальных объектах создаются различные наглядные модели, отображающие явления и процессы, протекающие в объекте. В основугипотетического моделирования исследователем закладывается некоторая гипотеза о закономерностях протекания процесса в реальном объекте, которая отражает уровень знаний исследователя об объекте и базируется на причинно-следственных связях между входом и выходом изучаемого объекта. Гипотетическое моделирование используется, когда знаний об объекте недостаточно для построения формальных моделей.

Аналоговое моделирование основывается на применении аналогий различных уровней. Наивысшим уровнем является полная аналогия, имеющая место только для достаточно простых объектов. С усложнением объекта используют аналогии последующих уровней, когда аналоговая модель отображает несколько либо только одну сторону функционирования объекта.

Существенное место при мысленном наглядном моделировании занимает макетирование . Мысленный макет может применяться в случаях, когда протекающие в реальном объекте процессы не поддаются физическому моделированию, либо может предшествовать проведению других видов моделирования. В основе построения мысленных макетов также лежат аналогии, однако обычно базирующиеся на причинно-следственных связях между явлениями и процессами в объекте. Если ввести условное обозначение отдельных понятий, т.е. знаки, а также определенные операции между этими знаками, то можно реализоватьзнаковое моделирование и с помощью знаков отображать набор понятий – составлять отдельные цепочки из слов и предложений. Используя операции объединения, пересечения и дополнения теории множеств, можно в отдельных символах дать описание какого-то реального объекта.

В основе языкового моделирования лежит некоторый тезаурус. Последний образует из наборов входящих понятий, причем этот набор должен быть фиксированным. Следует отметить, что между тезаурусом и обычным словарем имеются принципиальные различия. Тезаурус – словарь, который очищен от неоднозначности, т.е. в нем каждому слову может соответствовать лишь единственное понятие, хотя в обычном словаре одному слову могут соответствовать несколько понятий.

Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает основные свойства его отношений с помощью определенной системы знаков и символов.

Математическое моделирование. Для исследования характеристик процесса функционирования любой системыS математическими методами, включая и машинные, должна быть проведена формализация этого процесса, т.е. построена математическая модель.

Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта. Вид математической модели зависит как от природы реального объекта, так и задач исследования объекта и требуемой достоверности и точности решения этой задачи. Любая математическая модель, как и всякая другая, описывает реальный объект лишь с некоторой степенью приближения к действительности. Математическое моделирование для исследования характеристик процесса функционирования систем можно разделить на аналитическое, имитационное и комбинированное.

Для аналитического моделирования характерно то, что процессы функционирования элементов системы записываются в виде некоторых функциональных соотношений (алгебраических, интегродифференциальных, конечно-разностных и т.п.) или логических условий.Аналитическая модель может быть исследована следующими методами: а) аналитическим, когда стремятся получить в общем виде явные зависимости для искомых характеристик; б) численным, когда, не умея решать уравнения в общем виде, стремятся получить числовые результаты при конкретных начальных данных; в) качественным, когда, не имея решения в явном виде, можно найти некоторые свойства решения (например, оценить устойчивость решения).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы S . Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическим методом наталкивается на значительные трудности, которые часто бывают непреодолимыми. Поэтому, желая использовать аналитический метод, в этом случае идут на существенное упрощение первоначальной модели, чтобы иметь возможность изучить хотя бы общие свойства системы. Такое исследование на упрощенной модели аналитическим методом помогает получить ориентировочные результаты для определения более точных оценок другими методами. Численный метод позволяет исследовать по сравнению с аналитическим методом более широкий класс систем, но при этом полученные решения носят частный характер. Численный метод особенно эффективен при использовании ЭВМ.

В отдельных случаях исследования системы могут удовлетворить и те выводы, которые можно сделать при использовании качественного метода анализа математической модели. Такие качественные методы широко используются, например, в теории автоматического управления для оценки эффективности различных вариантов систем управления.

В настоящее время распространены методы машинной реализации исследования характеристик процесса функционирования больших систем. Для реализации математической модели на ЭВМ необходимо построить соответствующий моделирующий алгоритм.

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системыS во времени, причем имитируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системыS .

Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование – наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапах ее проектирования.

Когда результаты, полученные при воспроизведении на имитационной модели процесса функционирования системы S , Являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Первоначально был разработан метод статистических испытаний, представляющий собой численный метод, который применялся для моделирования случайных величин и функций, вероятностные характеристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.е. появился метод статистического моделирования. Таким образом,методом статистического моделирования будем в дальнейшем называть метод машинной реализации имитационной модели, аметодом статистических испытаний (Монте-Карло) – численный метод решения аналитической задачи.

Метод имитационного моделирования позволяет решать задачи анализа больших систем S , включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.

При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алгоритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска варианта системы. Бале в методологии машинного моделирования будем различать два основных раздела: статику и динамику, – основным содержанием которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.

Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.

Другие виды моделирования . Приреальном моделировании используется возможность исследования различных характеристик либо на реальном объекте целиком, либо на его части. Такие исследования могут проводиться как на объектах, работающих в нормальных режимах, так и при организации специальных режимов для оценки интересующих исследователя характеристик (при других значениях переменных и параметров, в другом масштабе времени и т.п.). Реальное моделирование является наиболее адекватным, но при этом его возможности с учетом особенностей реальных объектов ограничены. Например, проведение реального моделирования АСУ предприятием потребует, во-первых, создания такой АСУ, а во-вторых, проведения экспериментов с управляемым объектом, т.е. предприятием, что в большинстве случаев невозможно.

К основным разновидностям реального моделирования относятся:

Натурное моделирование , под которым понимают проведение исследования на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. При функционировании объекта в соответствии с поставленной целью удается выявить закономерности протекания реального процесса. Необходимо отметить, что такие разновидности натурного эксперимента, как производственный эксперимент и комплексные испытания, обладают высокой степенью достоверности.

Физическое моделирование отличается от натурного тем, что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием.

С точки зрения математического описания объекта и в зависимости от его характера модели можно разделить на модели аналоговые (непрерывные), цифровые (дискретные) и аналого-цифровые (комбинированные). Под аналоговой моделью понимается модель, которая описывается уравнениями, связывающими непрерывные величины. Подцифровой понимается модель, которая описывается уравнениями, связывающими дискретные величины, представленные в цифровом виде. Поданалого-цифровой понимается модель, которая может быть описана уравнениями, связывающими непрерывные и дискретные величины.

Особое место в моделировании занимает кибернетическое моделирование , в котором отсутствует непосредственное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию и рассматривают реальный объект как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между выходами и входами. Чаще всего при использовании кибернетических моделей проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды. Таким образом, в основе кибернетических моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения имитационной модели в этом случае необходимо выделить исследуемую функцию реального объекта, попытаться формализовать эту функцию в виде некоторых операторов связи между входом и выходом и воспроизвести на имитационной модели данную функцию, причем на базе совершенно иных математических соотношений и, естественно, иной физической реализации процесса.

Целевое назначение модели. По целевому назначению модели подразделяются на модели структуры, функционирования и стоимостные (модели расхода ресурсов).

Модели структуры отображают связи между компонентами объекта и внешней средой и подразделяются на:

каноническую модель , характеризующую взаимодействие объекта с окружением через входы и выходы;

модель внутренней структуры , характеризующую состав компонентов объекта и связи между ними;

модель иерархической структуры (дерево системы), в которой объект (целое) расчленяется на элементы более низкого уровня, действия которых подчинены интересам целого.

Модель структуры обычно представляется в виде блок-схемы, реже графов и матриц связей.

Модели функционирования включают широкий спектр символических моделей, например:

модель жизненного цикла системы, описывающая процессы существования системы от зарождения замысла ее создания до прекращения функционирования;

модели операций, выполняемых объектом и представляющих описание взаимосвязанной совокупности процессов функционирования отдельных элементов объекта при реализации тех или иных функций объекта. Так, в состав моделей операций могут входить модели надежности, характеризующие выход элементов системы из строя под влиянием эксплуатационных факторов, и модели живучести факторов, характеризующие выход элементов системы из строя под влиянием целенаправленного воздействия внешней среды;

информационные модели, отображающие во взаимосвязи источники и потребители информации, виды информации, характер ее преобразования, а также временные и количественные характеристики данных;

процедурные модели, описывающие порядок взаимодействия элементов исследуемого объекта при выполнении различных операций, например обработки материалов, деятельности персонала, использования информации, в том числе и реализации процедур принятия управленческих решений;

временные модели, описывающие процедуру функционирования объекта во времени и распределение ресурса «время» по отдельным компонентам объекта.

Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны, «питаются» от них информацией и совместно с ними позволяют проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономическим критериям.

При анализе и оптимизации производственно-экономических объектов проводится объединение построенных математических функциональных моделей с математическими стоимостными моделями в единую экономико-математическую модель.

Насколько можно судить по литературным источникам общепринятой классификации моделей экономических систем пока не существует. Однако представляется достаточно полезной классификация математических моделей экономических систем, приведенная в книге Т. Нейлора «Машинные имитационные эксперименты с моделями экономических систем» (1971 г.) (рис. 1.2).

Рис.1.2. Классификация экономических моделей

Экономико-математической моделью (ЭММ) называется выражение, состоящее из совокупности связанных между собой математическими зависимостями (формулами, уравнениями, неравенствами, логическими условиями величин – факторов, все или часть которых имеют экономический смысл. По своей роли в ЭММ эти факторы целесообразно подразделить на параметры и характеристики (рис. 1.3).

Рис. 1.3. Классификация факторов по их роли в ЭВМ

При этом параметрами объекта называются факторы, характеризующие свойства объекта или составляющих его элементов. В процессе исследования объекта ряд параметров может изменяться, поэтому они называютсяпеременными, которые в свою очередь подразделяются на переменные состояния и переменные управления. Как правило, переменные состояния объекта являются функцией переменных управления и воздействий внешней среды.Характеристиками (выходными характеристиками) называются интересующие исследователя непосредст-венные конечные результаты функционирования объекта (естественно, что выходные характеристики являются переменными состояния). Соответственно характеристики внешней среды описывают свойства внешней среды, которые сказываются на процессе и результате функционирования объекта. Значения ряда факторов, определяющие начальное состояние объекта или внешней среды, называютсяначальными условиями.

При рассмотрении ЭММ оперируют следующими понятиями: критерий оптимальности, целевая функция, система ограничений, уравнения связи, решение модели.

Критерием оптимальности называется некоторый показатель, имеющий экономическое содержание, служащий формализацией конкретной цели управления и выражаемый при помощи целевой функции через факторы модели. Критерий оптимальности определяет смысловое содержание целевой функции. В ряде случаев в качестве критерия оптимальности может выступать одна из выходных характеристик объекта.

Целевая функция математически связывает между собой факторы модели, ее значение определяется значениями этих величин. Содержательный смысл целевой функции придает только критерий оптимальности.

Не следует смешивать критерий оптимальности и целевую функцию. Так, например, критерий прибыли и стоимости произведенной продукции могут описываться одной и той же целевой функцией:

, (1.1)

где
– номенклатура производимой продукции;– объем выпускаi -ой номенклатуры;– прибыль от выпуска единицыi -ой номенклатуры или стоимость единицыi -ой номенклатуры в зависимости от смысла критерия оптимальности.

Критерий прибыли может рассчитываться и по нелинейной целевой функции:

, (1.2)

Если прибыль от выпуска единицы i -ой номенклатуры является функцией от объема выпуска.

При наличии нескольких критериев оптимальности каждый из них будет формализован своей частной целевой функцией , где
– число критериев оптимальности. Для однозначного выбора оптимального решения исследователь может сформулировать новую целевую функцию

Однако целевая функция может уже не нести экономического смысла, в этом случае критерий оптимальности для нее отсутствует.

Система ограничений определяет пределы, сужающие область осуществимых, приемлемых или допустимых решений и фиксирующие основные внешние и внутренние свойства объекта. Ограничения определяют область протекания процесса, пределы изменения параметров и характеристик объекта.

Уравнения связи являются математической формализацией системы ограничений. Между понятиями «система ограничений» и «Уравнения связи» существует точно такая же аналогия, как между понятиями «критерий оптимальности» и «целевая функция»: различные по смыслу ограничения могут описываться одинаковыми уравнениями связи, а одно и то же ограничение в разных моделях записываться различными уравнениями связи.

Таким образом, именно критерий оптимальности и система ограничений в первую очередь определяют концепцию построения будущей математической модели, т.е. концептуальную модель, а их формализация, т.е. целевая функция и уравнения связи, представляют собой математическую модель.

Решением математической модели называется такой набор (совокупность) значений переменных, который удовлетворяет ее уравнениям связи. Решения, имеющие экономический смысл, называют структурно допустимыми. Модели, имеющие много решений, называются вариантными в отличие от безвариантных, имеющих одно решение. Среди структурно допустимых решений вариантной модели, как правило, находится одно решение, при котором целевая функция в зависимости от смысла модели имеет наибольшее или наименьшее значение. Такое решение, как и соответствующее значение целевой функции, называетсяоптимальным (в частности, наименьшим или наибольшим).

Использование ЭММ, особенно оптимальных, предполагает не только построение модели, соответствующей поставленной задаче, но и ее решение при помощи подходящего метода. В связи с этим иногда под моделированием (в узком смысле) понимается этап нахождения решения модели, т.е. вычисления значений исследуемых характеристик и определение оптимальности различных вариантов изучаемого объекта с целью выбора наилучшего варианта его построения и функционирования. Данный этап представляет собой реализацию и исследование ЭММ на определенном наборе вычислительных средств. Выбор метода решения оптимизационных ЭММ зависит от математической формы, связывающей факторы модели, наличия тех или иных признаков (учет динамики, учет стохастичности и т.д.). С точки зрения корректного выбора метода решения модели наиболее существенными признаками являются характер цели исследования, формализованность связей между параметрами и характеристиками, учет вероятностной природы объекта, а также фактора времени.

По характеру цели исследования ЭММ делятся на оптимизационные (нормативные) иописательные (дескриптивные или ЭММ прямого счета).

Характерной чертой оптимизационных моделей является наличие одной или нескольких целевых функций. При этом в первом случае оптимизационные ЭММ называются монокритериальными , а во втором –многокритериальными . В общем виде монокритериальная ЭММ может быть представлена следующей системой отношений:

где Е – критерий оптимальности объекта;– управляемые переменные,
;– неуправляемые факторы модели;
;– уравнения связи, представляющие собой формализацию системы ограничений,
;– целевая функция – формализованное выражение критерия оптимальности.

Выражение
означает, что в ограничениях может стоять любое из приведенных в фигурных скобках логических условий.

Решение модели, заданной соотношениями (1.4) и (1.5), заключается в нахождении совокупности значений переменных

,

Обращающий в max (илиmin ) целевую функциюЕ при заданных уравнениях связи.

Специфика конкретных задач управления производством определила разнообразие типов оптимизационных ЭММ. Это вызвало для ряда наиболее часто повторяющихся типов ситуаций разработку «стандартных» экономико-математических методов их описания, например, распределительные задачи различных классов, задачи управления запасами, ремонта и замены оборудования, проектирования сетей и выбора маршрутов и т.д.

Существенным признаком описательных моделей является отсутствие в них критерия оптимальности. Решение, даваемое ЭММ прямого счета, обеспечивает либо вычисление набора выходных характеристик объекта для одного или нескольких вариантов начальных условий и входных характеристик объекта, либо нахождение какой-либо совокупности значений в структурно допустимой области решений. Примеры типовых задач управления машиностроительным производством, решаемых с помощью описательных моделей, приведены в табл. 1.1.

Таблица 1.1. Примеры описательных моделей

Тип задачи	Вид модели	Математический метод решения
Задачи планирования без оптимизации (расчет объемов производства по видам продукции, увязка планов производства с ресурсами и т.п.)	Балансовые модели	Аппарат линейной алгебры, матричное исчисление
Задачи сетевого планирования и управление (СПУ) без оптимизации	Расчет по формулам модели СПУ	Аппарат теории графов
Задача учета и статистики (оперативный учет, получение различных форм отчетности и т.п.)	Расчет по формулам
Задачи контроля и анализа (анализ влияния и факторов, выявление тенденций, отслеживание отклонений и установление их причин)		Факторный анализ, дисперсионный анализ, регрессионный анализ
Задача создания нормативной базы	Статистические модели обработки реализаций случайных величин
Расчет параметров функционирования сложных систем с неформализованными связями.	Расчет по формулам имитационных моделей
Задачи прогнозирования	Модели регрессионного анализа, оценка параметров и проверка статистических гипотез	Факторный анализ, дисперсионный анализ, регрессионный анализ, аппарат математической статистики

В зависимости от степени формализованности связей f иg i между факторами моделей в выражениях (1.4) и (1.5) различаютаналитические иалгоритмические модели.

Аналитической формой записи называется запись математической модели в виде алгебраических уравнений или неравенств, не имеющих разветвлений вычислительного процесса при определении значений любых переменных состояния модели, целевой функции и уравнений связи. Если в математических моделях единственная целевая функцияf и ограниченияg j заданы аналитически, то подобные модели относятся к классу моделей математического программирования. Характер функциональных зависимостей, выраженных в функцияхf иg j , может быть линейным и нелинейным. Соответственно этому ЭММ делятся налинейные инелинейные , а среди последних в специальные классы выделяютсядробно -линейные ,кусочно-линейные ,квадратичные ивыпуклые модели.

Если мы имеем дело со сложной системой, то зачастую гораздо легче построить ее модель в виде алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логических условий – разветвлений хода течения процесса. Математическое описание для элементов может быть очень простым, однако взаимодействие большого количества простых по математическому описанию элементов и делает эту систему сложной. Алгоритмически же можно описывать даже такие объекты, которые в силу их сложности или громоздкости в принципе не допускают аналитического описания. В связи с этим к алгоритмическим моделям относятся такие, в которых критерии и (или) ограничения описываются математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. К алгоритмическим моделям относятся и так называемые имитационные модели – моделирующие алгоритмы, имитирующие поведение элементов изучаемого объекта и взаимодействие между ними в процессе функционирования.

В зависимости от того, содержит ли ЭММ случайные факторы, она может быть отнесена к классу стохастических илидетерминированных .

В детерминированных моделях ни целевая функцияf , ни уравнения связиg j не содержат случайных факторов. Следовательно, для данного множества входных значений модели на выходе может быть получен только один-единственный результат. Длястохастических ЭММ характерно наличие среди факторовмодели, описываемой соотношениями (1.4) и (1.5), таких, которые имеют вероятностную природу и характеризуются какими-либо законами распределения, причем среди функцийf иg j могут быть и случайные функции. Значения выходных характеристик в таких моделях могут быть предсказаны только в вероятностном смысле. Реализация стохастических ЭММ в большинстве случаев осуществляется на ЭВМ методами имитационного статистического моделирования.

Следующим признаком, по которому можно различать ЭММ, является связь с фактором времени. Модели, в которых входные факторы, а следовательно, и результаты моделирования явно зависят от времени, называются динамическими , а модели, в которых зависимость от времениt либо отсутствует совсем, либо проявляется слабо или неявно, называютстатическими . Интересны в этом отношении имитационные модели: по механизму функционирования они являются динамическими (в модели идет имитация работы объекта в течении некоторого периода времени), а по результатам моделирования – статическими (например, ищется средняя производительность объекта за моделируемый период времени).

Статические модели представляют собой известную степень приближения к реальным объектам и системам, функционирующим во времени. Во многих случаях степень такого приближения, проявляющаяся в допущениях о неизменности или различного рода усреднениях факторов во времени (косвенно или приблизительно учитывающих фактор времени в определенных границах его изменения), является достаточной для практического применения статических моделей.

Моделирование построено на использовании разнообразных мо­делей, что обусловливает необходимость определения ее понятия и классификацию моделей, применяемых в системном анализе.

Модель - это такой материальный или мысленно представляе­мый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале.

По своей природе модели делятся на физические, символиче­ские и смешанные.

Физические модели воплощены в каких-либо материальных объ­ектах, имеющих естественное или искусственное происхождение (ото­бранные в природе или созданные человеком для целей исследова­ния), и подразделяются на модели подобия и аналоговые. Первые ха­рактеризуются масштабными изменениями, выбираемыми в соответст­вии с критериями подобия, вторые - основаны на известных аналогиях между протеканием процессов в различных системах. Примером анало­говой модели является экономический эксперимент, когда результаты экспериментирования на одном или нескольких предприятиях перено­сятся на совокупность объектов близкой экономической природы.

Символические модели характеризуются тем, что параметры ре­ального объекта и отношения между ними представлены символами: семантическими (словами), математическими, логическими. Класс символических моделей весьма широк. Наряду со словесными описа­ниями функционирования объектов - сценариями - сюда также отно­сятся схематические модели: графики и блок-схемы, логические блок-схемы (например, алгоритмы программ) и таблицы решений, номо­граммы, а также математические описания - математические модели.

Смешанные модели применяются тогда, когда часть элементов и процессов не удается описать символами, и они моделируются физи­чески. К ним относятся также человеко-машинные модели, в которых имеется программа, реализующая на ЭВМ некоторую математическую модель, плюс человек, принимающий решение за счет обмена инфор­мацией с ней.

По целевому назначению различают модели структуры, функ­ционирования и стоимостные (модели расхода ресурсов).

Модели структуры отображают связи между компонентами объекта и внешней средой и подразделяются на:

Канонические модели, характеризующие взаимодействие объ­екта с окружением через входы и выходы:

Модели внутренней структуры, характеризующие состав компо­нентов объекта и связи между ними;

Модели иерархической структуры (дерево системы), в которых объект расчленяется на элементы более низкого уровня, действия ко­торых подчинены интересам целого.

Модели структуры обычно представлены в виде блок-схем, реже графов и матриц связей.

Модели функционирования включают широкий спектр симво­лических моделей:

Модели жизненного цикла системы, описывающие процессы существования систем от зарождения замысла их создания до пре­кращения функционирования;

Модели операций, выполняемых объектами и представляющих описание взаимосвязанной совокупности процессов функционирова­ния отдельных элементов объекта при реализации тех или иных функ­ций объектов;

Информационные модели, отображающие во взаимосвязи ис­точники и потребителей информации, виды информации, характер ее преобразования, а также временные и количественные характеристики данных;

Процедурные модели, описывающие порядок взаимодействия элементов исследуемого объекта при выполнении различных опера­ций, в частности, реализации процедур принятия управленческих ре­шений;

Временные модели, описывающие процедуру функционирова­ния объектов во времени и распределение ресурса "время" по отдель­ным компонентам объекта.

Стоимостные модели, как правило, сопровождают модели функционирования объекта и по отношению к ним вторичны. Их со­вместное использование позволяет проводить комплексную технико-экономическую оценку объекта или его оптимизацию по экономиче­ским критериям.

В зависимости от степени формализации связей между фак­торами различают аналитические и алгоритмические модели.

Аналитические модели предполагают запись математической модели в виде алгебраических уравнений и неравенств, не имеющих разветвлений вычислительного процесса, при определении значений любых переменных, состояния модели, целевой функции и уравнений связи.

Алгоритмические модели описывают критерии и ограничения математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. Они приме­няются, когда модель сложной системы гораздо легче построить в ви­де алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логиче­ских условий - разветвлений хода течения процесса. Тематическое описание для элементов может быть очень простым, однако взаимо­действие большого количества простых, по математическому описа­нию, элементов позволяет описать сложность системы.

В зависимости от наличия случайных факторов различают стохастические и детерминированные модели.

В детерминированных моделях ни целевая функция, ни уравне­ния связи не содержат случайных факторов и для данного множества выходных значений модели, может быть получен один-единственный результат.

Для стохастических моделей характерно наличие факторов, ко­торые имеют вероятностную природу и характеризуются какими-либо законами распределения, а среди функций могут быть и случайные. Значения выходных характеристик в таких моделях могут быть пред­сказаны только в вероятностном смысле. Реализация таких моделей в большинстве случаев осуществляется методами имитационного мо­делирования.

В зависимости от фактора времени различают динамические и статические модели.

Модели, в которых входные факторы, а, следовательно, и ре­зультаты моделирования явно зависят от времени, называются дина­мическими, а модели, в которых зависимость от времени либо отсут­ствует совсем, либо проявляется слабо или неясно, называются ста­тическими

Вопрос 36

Процесс моделирования обязательно включает и построение аб­стракций и умозаключения по аналогии и конструирование новых сис­тем. Основная особенность моделирования в том, что это метод опо­средованного познания с помощью объектов заменителей. Модель выступает как своеобразный инструмент познания, который исследо­ватель ставит между собой и объектом и с помощью которого изучает интересующий его объект.

Первый этап моделирования - построение модели. Он пред­полагает наличие некоторых знаний об объекте - оригинале. На этом этапе важен вопрос о необходимой и достаточной мере сходства ори­гинала и модели. При разработке модели должны соблюдаться следующие прин­ципы:

1. Принцип компромисса между ожидаемой точностью резуль­татов моделирования и сложностью модели.

2. Принцип баланса, точности требует соразмерности систе­матической погрешности моделирования и случайной погрешности в задании параметров описания. Этот принцип устанавливает требова­ние соответствия между точностью исходных данных и точностью мо­дели, между точностью отдельных элементов модели, между система­тической погрешностью модели и случайной погрешностью при интер­претации и усреднении результатов.

3. Принцип разнообразия элементов модели, в соответствии с которым количество элементов должно быть достаточным для прове­дения конкретных исследований

4. Принцип наглядности модели трактует, что при прочих рав­ных условиях модель, которая привычна, удобна, построена на обще­принятых терминах, обеспечивает, как правило, более значительные результаты, чем менее удобная и наглядная.

5. Принцип блочного представления модели. Для его реали­зации следует соблюдать следующие правила:

Обмен информацией между блоками должен быть минималь­ным;

Блок модели, мало влияющей на интерпретацию результатов моделирования, является несущественным и подлежащим удалению;

Блок модели, осуществляющий взаимодействие с исследуемой частью системы, можно заменить множеством упрощенных эквивален­тов, не зависящих от исследуемой части, при этом моделирование проводится в нескольких вариантах по каждому упрощенному эквива­ленту;

При упрощении блока, воздействующего на исследуемую часть системы, следует рассмотреть возможность прямого упрощения замк­нутого контура без разрыва обратной связи. Для этого блок заменяют вероятным эквивалентом с оценкой его статистических характеристик, полученных путем автономного исследования упрощенного блока;

Замена блока воздействиями, наихудшими по отношению к ис­следуемой части системы

Второй этап моделирования - изучение модели. Здесь мо­дель выступает как состоятельный объект исследования. Одной из форм такого исследования является проведение экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о ее поведении. Конечным результатом этого этапа является совокупность знаний о модели.

Третий этап моделирования - перенос знаний с модели на оригинал. Этот процесс проводится по определенным правилам. Зна­ния о модели должны быть скорректированы с учетом тех свойств объекта - оригинала, которые не нашли отражения или были измене­ны при построении модели.

Четвертый этап моделирования - практическая проверка по­лученных с помощью модели знаний и их использование при построении обобщенной теории объекта, его преобразования или управления им. В итоге происходит возвращение к проблематике реального объекта.

Моделирование представляет собой циклический процесс. Это оз­начает, что за первым четырехэтапным циклом может последовать вто­рой, третий и т.д. При этом знания об исследуемом объекте расширяют­ся, а исходная модель постепенно совершенствуются. Недостатки, об­наруженные после первого цикла моделирования, обусловленные ма­лым знанием объекта и ошибками в построении модели, можно испра­вить в последующих циклах. Таким образом, в методологии моделиро­вания заложены большие возможности саморазвития.

Классификация моделей

Моде́ль (фр. modèle, от лат. modulus - «мера, аналог, образец») - некоторый материальный или мысленно представляемый объект или явление , являющийся упрощённой версией моделируемого объекта или явления (прототипа ) и в достаточной степени повторяющий свойства , существенные для целей конкретного моделирования (опуская несущественные свойства, в которых он может отличаться от прототипа).

Модели обычно применяются для нужд познания (созерцания , анализа и синтеза ) и конструирования. В качестве модели может выступать отображение , схема , копия , макет , изображение .

Моделью может быть серийный повторяемый проект, имеющий набор определённых, свойственных только данной модели параметров и характеристик. Это делается даже в одном ряду изделий (проектов). Модель решений может иметь несколько версий или вариантов, что является моделированием деятельности, проектирования, управления большими проектами и т. п.

Процесс создания модели называется моделированием . Любая мыслительная деятельность представляет собой оперирование моделями (образами). Модели бывают натурные, макеты, информационные , логические, образные, и т. п.

Признаки классификации моделей:

· по области использования;

· по фактору времени;

· по отрасли знаний;

· по форме представления;

· по признаку реализации и т. д.

Классификация моделей по области использования:

· Учебные модели – используются при обучении.

· Опытные – это уменьшенные или увеличенные копии проектируемого объекта. Используют для исследования и прогнозирования его будущих характеристик.

· Научно - технические - создаются для исследования процессов и явлений.

· Игровые – репетиция поведения объекта в различных условиях.

· Имитационные – отражение реальности в той или иной степени (это метод проб и ошибок).

Классификация моделей по фактору времени:

· Статические – модели, описывающие состояние системы в определенный момент времени (единовременный срез информации по данному объекту). Примеры моделей : классификация животных…., строение молекул, список посаженных деревьев, отчет об обследовании состояния зубов в школе и тд.

· Динамические – модели, описывающие процессы изменения и развития системы (изменения объекта во времени). Примеры : описание движения тел, развития организмов, процесс химических реакций.

Классификация моделей по отрасли знаний (отрасли деятельности человека):

· математические;

· биологические;

· химические;

· социальные;

· экономические;

· исторические и т. д.

Классификация моделей по форме представления:

· Материальные – это предметные (физические) модели. Они всегда имеют реальное воплощение. Отражают внешнее свойство и внутреннее устройство исходных объектов, суть процессов и явлений объекта-оригинала. Это экспериментальный метод познания окружающей среды. Примеры : детские игрушки, скелет человека, чучело, макет солнечной системы, школьные пособия, физические и химические опыты.

· Абстрактные (нематериальные) – не имеют реального воплощения. Их основу составляет информация. Это теоретический метод познания окружающей среды.

По признаку реализации:

· Мысленные – формируются в воображении человека в результате раздумий, умозаключений, иногда в виде некоторого образа. Это модель сопутствует сознательной деятельности человека.

· Вербальные – мысленные модели выраженные в разговорной форме. Используется для передачи мыслей.

· Информационные – целенаправленно отобранная информация об объекте, которая отражает наиболее существенные для исследователя свойств этого объекта.

Нас как правило интересуют информационные модели, по этому рассмотрим их классификацию подробнее.

Типы информационных моделей:

· Табличные – объекты и их свойства представлены в виде списка, а их значения размещаются в ячейках прямоугольной формы. Перечень однотипных объектов размещен в первом столбце (или строке), а значения их свойств размещаются в следующих столбцах (или строках).

· Иерархические – объекты распределены по уровням. Каждый элемент высокого уровня состоит из элементов нижнего уровня, а элемент нижнего уровня может входить в состав только одного элемента более высокого уровня.

· Сетевые – применяют для отражения систем, в которых связи между элементами имеют сложную структуру.

Информационные модели по степени формализации:

· Образно-знаковые модели:

1. Геометрические (рисунок, пиктограмма, чертеж, карта, план, объемное изображение).

2. Структурные (таблица, граф, схема, диаграмма).

3. Словесные (описание естественными языками).

4. Алгоритмические (нумерованный список, пошаговое перечисление, блок-схема).

· Знаковые модели:

1. Математические – представлены матем.формулами, отображающими связь параметров.

2. Специальные – представлены на спец. языках (ноты, хим.формулы).

3. Алгоритмические – программы.

Существуют и другие классификации моделей , приведу для примера еще одну.

Классификация моделей по различным классификационным признакам

1. Принадлежность к иерархическому уровню:

· Модели микроуровня.

· Модели макроуровня.

· Модели метауровня.

2. Характер взаимоотношения с внешней средой:

· Открытые (непрерывный обмен).

· Закрытые (слабая связь с внешней средой).

Классификация моделей

Существует множество способов классифицировать модели. Большой выбор способов классификации обусловлен тем, что моделирование применяется прак­тически во всех областях деятельности человека. Под понятие моделирования попадает широкий диапазон человеческих действий и артефактов. Само челове­ческое мышление представляет собой непрерывное моделирование окружающего мира.

В этом разделе представлены разнообразные подходы к классификации моделей с разных точек зрения.

7.2.1. Классификация моделей по назначению

Классификацию моделей по назначению иллюстрирует рис. 7.2.

Познавательная модель является формой организации и представления знаний, средством объединения новых и старых знаний. Познавательная модель, как пра­вило, с максимально возможной точностью отображает реальность и изменяется в соответствии с изменением реальности. Является теоретической моделью.

Пример. Математическое моделирование мирового океана с целью изучения изменения течений и рельефа океанского дна. Разрабатывается теория, согласно этой теории строится модель. Если поведение модели плохо согласуется с про­цессами в реальном объекте, уточнению подлежат теория и построенная на ее основе модель.

Прагматическая модель является средством организации практических дей­ствий, рабочего представления целей системы для ее управления. Реальность под­страивается под некоторую прагматическую модель (как правило, прикладную).

Пример. Выбор модели финансового регулирования в стране. Если выбрана монетаристская модель, то все процессы финансово-валютного регулирования стараются согласовать с этой моделью. Если процессы, происходящие в финан­совой сфере страны, не отвечают параметрам модели, то производятся действия, изменяющие процессы таким образом, чтобы они соответствовали с выбранной модели.

Инструментальная модель является средством построения, исследования и (или) использования прагматических и (или) познавательных моделей.

Пример. После построения теоретической математической модели мирового океана она оформляется в виде компьютерной модели на языке программиро­вания. Таким образом, инструментальная модель оказывается моделью модели, средством инструментальной реализации познавательной или прагматической модели.

7.2.2. Классификация моделей по уровню моделирования

Классификацию моделей по уровню моделирования иллюстрирует рис. 7.3.

Эмпирическая модель построена на основе установленных опытным путем за­висимостей между входными и выходными параметрами модели. Эмпирические модели создаются в тех случаях, когда явление или процесс невозможно описать при помощи математических формул, поскольку о внутреннем устройстве объекта или механизме процесса ничего не известно либо внутренние зависимости явля­ются слишком сложными для построения математического описания.

Пример. Все модели процессов, происходящих в человеческом обществе - социальных, экономических, финансовых, политических, - строятся эмпири­чески.

Теоретическая модель построена на основе математически описанных зависимо­стей между входными и выходными параметрами модели. В этом случае все вну­тренние механизмы явления известны настолько, чтобы можно было с достаточной точностью описать их с помощью математического аппарата.

Пример. Компьютерная модель простого физического процесса: растягивания идеальной пружины под действием груза (идеальный маятник).

Полуэмпирическая модель построена на основе аппроксимаций эмпирических зависимостей при помощи математических функций с удовлетворяющей за­дачам моделирования точностью. В случае полуэмпирической модели объект моделирования (прототип) достаточно сложен, и внутренние механизмы его функционирования не могут быть в точности описаны при помощи математи­ческих функций. Однако опыт наблюдения за объектом позволяет установить закономерности между входными и выходными параметрами, которые можно с достаточной точностью описать (аппроксимировать) при помощи математиче­ских функций.

Пример. Компьютерная модель процесса обмена веществ в биологической клетке.

7.2.3. Классификация моделей по принадлежности к иерархическому уровню

Классификацию моделей по принадлежности к иерархическому уровню иллю­стрирует рис. 7.4.

Модель микроуровня отображает объекты или процессы самого нижнего, не­делимого на составные части уровня в иерархической структуре. Модели микро­уровня создаются как составные части модели макроуровня с целью более точного воспроизведения моделируемого прототипа.

Пример. Модель технологического процесса на предприятии.

Модель макроуровня отображает объекты или процессы среднего или высшего звена в иерархической структуре.

Пример. Модель работы сборочного цеха или предприятия.

Модель метауровня отображает процессы или объекты, взаимодействующие с прототипом модели макроуровня. Цель моделирования на метауровне - более точное воспроизведение среды (входных параметров) модели макроуровня.

Пример. Модель функционирования предприятия во взаимосвязи с государ­ственными органами, поставщиками, потребителями, общественностью и окру­жающей средой.

7.2.4. Классификация моделей по характеру взаимоотношений со средой

Классификацию моделей по характеру взаимоотношений со средой иллюстри­рует рис. 7.5.

Открытая модель осуществляет непрерывный энергоинформационный и ве­щественный обмен со средой.

Пример. Действующая модель водяной мельницы в уменьшенном масштабе.

Закрытая модель имеет слабую связь с внешней средой или вовсе ее не имеет.

Пример. Компьютерная модель движения колеса по наклонной поверхности в отсутствие силы трения.

7.2.5. Классификация моделей по способу представления свойств объекта

Классификацию моделей по способу представления свойств объекта иллюстри­рует рис. 7.6.

Алгоритмическая модель описывается алгоритмом или комплексом алгоритмов, определяющим ее функционирование и развитие.

Пример. Типичным случаем алгоритмического моделирования являются продук­ционные экспертные системы, моделирующие поведение эксперта при принятии решений в той или иной предметной области при помощи набора алгоритмов (правил).

Имитационная модель строится для испытания, изучения или воспроизведения возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров модели. Название «имитационная» модель получила, посколь­ку позволяет имитировать поведение реальных сложных систем без детального описания внутреннего механизма этого поведения.

В случае математической имитационной модели сложная система представляется в виде совокупности элементов, часть из которых может быть описана аналитически (функциональными зависимостями), а часть представляет собой «черные ящики», функционирование которых аппроксимируется вероятностными зависимостями.

Имитационные модели могут быть не только математическими, они могут ре- ализовываться самыми разными способами, в том числе с помощью макетов или путем игрового моделирования.

Пример. Игровая реконструкция знаменитых военных сражений (например, Бородинской битвы) является очевидным примером имитационного моделиро­вания. По части известных фактов и описаний процессов в ходе имитации может быть реконструирована картина сражения, близкая к реальным историческим событиям.

7.2.6. Классификация моделей по причинной обусловленности

Классификацию моделей по причинной обусловленности иллюстрирует рис. 7.7.

Детерминированная модель позволяет однозначно определять набор выходных параметров для каждой допустимой совокупности входных параметров.

Недетерминированная, или стохастическая (вероятностная), модель предпо­лагает вероятностную природу входных параметров так же, как и вероятностную природу функций (или алгоритмов) их обработки. Таким образом набор выходных параметров в стохастической модели приобретает вероятностный характер.

Пример. Модель земной атмосферы, которая строится с целью формирования долгосрочного прогноза погоды и предупреждения стихийных бедствий, носит стохастический характер.

7.2.7. Классификация моделей по отношению ко времени

Классификацию моделей по отношению ко времени иллюстрирует рис. 7.8.

Динамическая модель в явной форме использует время в качестве одного из входных параметров. Обычно динамическая модель может быть «проиграна» во времени с некоторым масштабированием (замедлением или ускорением).

Пример. Модель развития колонии простейших микроорганизмов.

Статическая модель определяет модель, у которой параметр времени в явной форме среди входных параметров не присутствует. Статические модели обычно используют для отыскания граничных или оптимальных значений тех или иных параметров.

Пример. Модель воздушного судна для обдува в аэродинамической трубе.

7.2.8. Классификация моделей по сфере применения

Классификацию моделей по сфере применения иллюстрирует рис. 7.9.

Разделение моделей по сферам применения вызвано не столько особенностью самих моделей (принципы моделирования остаются одинаковыми независимо от области применения модели), сколько спецификой сбора и подготовки исходного материала для моделирования и специфическими особенностями описания пред­метной области.

7.2.9. Классификация моделей по методологии применения

Классификацию моделей по методологии применения иллюстрирует рис. 7.10.

Учебная модель создается для поддержки учебного процесса. Учебные модели обычно частично воспроизводят функциональность объекта или детали процесса, которые невозможно наблюдать и изучать при рабочем функционировании объ­екта моделирования.

Пример. Модель пищеварительного тракта человека, модель электрической системы автомобиля, модель клетки биологической ткани.

Игровая модель в игровой форме или ситуации воспроизводит процессы, про­исходящие в сложной системе. Игровые модели чаще всего разрабатываются для тренинга навыков и умений. Игровая модель может строиться спонтанно или организованно.

Пример. Детская игра, воспроизводящая в игровой форме семейные отношения, деловая игра, направленная на выявление конфликтных ситуаций на предпри­ятии и нахождение путей их разрешения.

Научно-исследовательская модель строится для изучения явлений, которые невозможно произвольно повторить в живой природе.

Пример. Компьютерная модель фрагмента земной коры, построенная для из­учения способов прогнозирования землетрясений.

Опытная модель строится с целью воспроизведения свойств искусственного объекта и изучения его поведения в различных условиях. Опытная модель в не­которых случаях может быть сложнее и дороже, чем объект моделирования.

Пример. Опытная модель микропроцессорного устройства, построенная путем компьютерного моделирования. Такая модель может в целом обойтись дороже и сложнее, чем создание одного кристалла микропроцессора, но оправдывает себя, поскольку позволяет предотвратить ошибки в устройстве, которое будет изготовлено в количестве несколько миллионов штук.

Имитационная модель служит для имитации поведения или процессов в слож­ных системах. Определение и пример имитационной модели уже были приведены ранее в этом разделе.

7.2.10. Классификация моделей по способу представления

Классификацию моделей по способу представления иллюстрирует рис. 7.11.

Материальная модель по своей физической структуре, форме, энергетическим характеристикам воспроизводит моделируемый объект. Для материальной модели характерно непосредственное, в материальной, а не информационной форме, вос­произведение тех или иных особенностей прототипа.

Информационная модель представляет собой модель, в которой в качестве механизма создания модели выступает информация. Информационные модели могут быть неформализованными (например, мысленная модель или абстрактная живопись) и формализованными (то есть воплощенными в форме символов, вы­сказываний, рисунков или чертежей, значение которых оговорено).

В свою очередь, формализованная модель может быть компьютерной и неком­пьютерной.

Пример. Мысленное представление модели электрической машины является неформализованной информационной моделью. Мысленные эксперименты с такими моделями - известный факт из биографии знаменитого физика и изо­бретателя Никола Тесла. Однако мысленное представление модели электрической машины не может быть использовано при ее серийном производстве, поэтому мысленная модель формализуется, переводится на язык понятных другим людям символов или рисунков (чертежей). Таким образом создается формализованная модель. Формализованная модель, созданная при помощи компьютера, является компьютерной. Формализованная модель, созданная без участия компьютерной техники, является некомпьютерной.