На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Моделирование

Информация:

Тип работы: курсовая работа. Добавлен: 07.12.2012. Сдан: 2012. Страниц: 13. Уникальность по antiplagiat.ru: < 30%

Описание (план):


?Введение
В настоящее время при анализе и синтезе сложных систем получил развитие системный подход, который отличается от классического или индуктивного подхода. Последний рассматривает систему путем перехода от частного к общему и синтезирует путем слияния ее компонент, разрабатываемых раздельно, в отличие от этого системный подход предполагает последовательный переход от общего к частному, когда в основе рассмотрения лежит цель, причем исследуемый объект выделяется из окружающей среды.
Моделирование является основным методом исследований во всех областях знаний и научно обоснованным методом оценок характеристик сложных систем, используемым для принятия решений в различных сферах деятельности. Его актуальность обусловлена, прежде всего тем, что в настоящее время нельзя назвать область человеческой деятельности, в которой в той или иной степени не использовались бы методы моделирования. Особенно это относится к сфере управления различными системами, где основными являются процессы принятия решений на основе получаемой информации. Кроме того актуальность и необходимость использования моделирования связана с тем, что этот метод широко применяется на практике при выполнении всех этапов системного анализа, что дает возможность получить информацию о различных сторонах функционирования системы и найти оптимальный вариант решения проблемы.
Исследованием моделирования занимались многие ученые. Они ставили своей задачей не только объяснить всем начинающим изучать социально-экономические и политические процессы и науку управления, сущность системного подхода и системных исследований, но и показать их теоретическую и практическую значимость. Рассмотрение моделирования с методологической позиции представлено в работах Анфилатова В.С. и Дрогобыцкого И.Н. Классификации видов моделирования систем управления особое внимание уделяли Мухин В.И., Анфилатов В. С. Стадии разработки моделей нашли отражение в трудах Игнатьева А.В., Максимцова М.М.. Имитационное моделирование как один из способов исследования сложных систем было рассмотрено в работах Власова М.П., Емельянова А.А., Бокова И.И.,Мыльника В.В. Анализ практического применения имитационного моделирования нашел отражение в статьях И.Юрасова и Пшеничникова С.Б. Среди ученых СКАГС моделирование как один из методов системного анализа, используемых на различных этапах исследования социально-экономических и политических процессов поэтапно описали  Попов В.М., Солодков Г.П.,Топилин В.М. Работы именно этих авторов имеют особое значение с учетом поставленной цели и указанных задач исследования.
Целью данного исследования является изучение моделирования в исследовании систем управления социально-экономическими и политическими процессами, а также выявление особенностей практического применения имитационного моделирования, как наиболее распространенного способа исследования сложных систем.
Данная цель предполагает решение следующих задач:
1.                 Раскрыть сущность, рассмотреть основные этапы и методы моделирования;
2.                 Ознакомиться с видами моделирования систем управления;
3.                 Исследовать свойства моделей и стадии их разработки;
4.                 Рассмотреть классификацию моделей;
5.                 Понять сущность имитационного моделирования, выявить его особенности и разновидности;
6.                 Изучить основные этапы и принципы имитационного моделирования и провести анализ его практического применения.
Обозначенные цели и задачи определили структуру работы. Первая глава посвящена рассмотрению теоретических подходов к изучению моделирования, что подразумевает понимание сущности и места моделирования в системном анализе, изучение стадий и методов моделирования, знакомство с видами моделирования систем управления. Вторая глава посвящена изучению модели и включает следующие параграфы: понятие, свойства моделей и стадии их разработки; классификация моделей. Третья глава посвящена имитационному моделированию и рассматривает сущность имитационного моделирования и его особенности, основные этапы и принципы имитационного эксперимента, практическое применение имитационного моделирования.

Глава1. Теоретические подходы к изучению моделирования
1.1.           Сущность, этапы и методы моделирования, его место в системном анализе
Моделирование широко применяется в практике при выполнении всех этапов системного анализа. Это дает возможность получить обширную информацию о различных сторонах функционирования системы в целом и ее отдельных элементов, исследовать устойчивость поведения системы под воздействием внешних и внутренних возмущений, исследовать зависимость конечных результатов работы системы от ее характеристик и найти оптимальный вариант. Для выработки обоснованных и эффективных управленческих воздействий, обеспечивающих целенаправленное развитие системы, необходимо располагать ее моделью. В этой связи построение модели управляемой системы является ключевой задачей системного анализа.
Под моделированием понимается процесс исследования реальной системы, включающий построение модели, изучение ее свойств и перенос полученных сведений на моделируемую систему[1]. Общими функциями моделирования являются  описание, объяснение и прогнозирование поведения моделируемой системы. Типовыми целями моделирования могут быть поиск оптимальных или близких к оптимальным решений, оценка эффективности решений, определение свойств системы (чувствительности к изменению значений характеристик), установление взаимосвязей между характеристиками системы, перенос информации во времени.  Цели моделирования систем заключаются в том, чтобы расширить понимание систем и их сущность, оценить новые идеи и понятия, выразить количественно, как можно большее число факторов и зависимостей, дать возможность исследователям сосредоточить внимание на задачах, не поддающихся формализации, которые связаны с риском, и обучить персонал выполнению новой операции.
Достижение целей моделирования создает следующие преимущества[2]:
1)    Система лучше понимается теми, кто принимает участие в обеспечении действенности и эффективности ее функционирования;
2)    Результатом моделирования систем является более быстрое одобрение предполагаемых изменений, поскольку руководители-практики имеют реальную возможность участвовать в экспериментальной проверке идей;
3)    Модели могут стимулировать  разработку идей, которые иначе остались бы незамеченными;
4)    Моделирование способствует комплексному анализу. Имитирующая модель не позволяет оставить хотя бы один вопрос без выяснения и ответа;
5)    Для описания переменных факторов с помощью моделирования не нужно знать значений их средних, медиан и мод. Можно использовать весь диапазон значений.
Поскольку системный анализ занимается исследованием сложных систем с целью разрешения проблемных ситуаций, то процесс их моделирования не может быть простым. Основу процесса моделирования системы составляют философские подходы к познанию мира – анализ и синтез[3]. На стадии анализа действия системного аналитика направлены на всестороннее изучение системы. В первую очередь выделяются ее основные элементы и определяются функциональные связи между ними. Заканчивается стадия построением концептуальной модели.
Концептуальные модели описывают преобразование информации в системе и процессы ее циркуляции по каналам связи. Формально преобразования характеризуются операторами или абстрактными функциями. На данной стадии исследования системы достаточно только выделить ее операторы.
На стадии синтеза усилия системного аналитика направлены на получение моделей отдельных элементов, формализацию их связей, заканчивающихся в конечном итоге построением целостной модели исследуемой системы. Для плохо формализуемых систем используется строгое описание лишь отдельных фрагментов системы. Тогда как оставшаяся часть будет иметь вербальное описание.
На стадии проверки адекватности модели системный аналитик стремиться удовлетворить требования заказчика по обеспечению адекватности модели исследуемой системы в смысле достижения необходимой точности описания процессов, составляющих предмет исследования. Для этого проще всего сравнивать поведение системы и сформированной модели при действии возмущений. Тождественность реакций системы и модели является достаточным условием адекватности модели.
Процесс моделирования включает три элемента: субъект (исследователь); объект исследования; модель, опосредующая отношения познающего субъекта и познаваемого объекта.
Моделирования сложных систем не может быть простым, оно представляет собой циклический процесс, где каждый цикл состоит из этапов.
Можно выделить следующие основные этапы моделирования[4]:
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. Любая модель защищает оригинал лишь в строго ограниченном смысле, и изучение одних сторон моделируемого явления означает отказ от отражения других. Из этого следует, что для одного объекта может быть построено несколько специализированных моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.
При разработке модели должны соблюдаться следующие принципы:
1.                 Принцип компромисса между ожидаемой точностью результатов моделирования и сложностью модели. В соответствии с этим принципом в процессе создания модели устанавливается разумный компромисс с использованием критерия «точность модели-затраты на создание модели».
2.                 Принцип баланса, точности требует соразмерности систематической погрешности моделирования и случайной погрешности в задании параметров описания. Этот принцип устанавливает требования 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 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 эквивалентом с оценкой его статистических характеристик, полученных путем автономного исследования упрощенного блока;
?                 Замена блока воздействиями, наихудшими по отношению к исследуемой части системы.
6.                 Принцип специализации моделей подтверждает целесообразность использования относительно малых, условных подмоделей, предназначенных для анализа функционирования системы в узком диапазоне условий.  В соответствии с этим принципом сначала максимально упрощают модель, а затем проводят ее последовательное усложнение в пределах допустимых вычислительных ограничений. Эти усложнения сопровождаются экспериментальными исследованиями и проверкой адекватности моделей на каждом из этапов усложнения. Различие двух последующих моделей признается несущественным, если оно лежит в поле допуска, определенного погрешностями исходных данных[5].
Соблюдение перечисленных принципов позволяет разработать модель, обладающую устойчивостью результата моделирования к неточности  и ошибкам исходных данных.
Прежде чем использовать модель необходимо в процессе исследования проверить, отвечает ли она предъявляемым требованиям:
1.                 Полноты, адаптивности, возможности включения достаточно широких изменений;
2.                 Быть достаточно абстрактной, чтобы допускать варьирование большим числом переменных. Вместе с тем при стремлении к абстрактности необходимо контролировать, чтобы не были утеряны физический смысл и возможность оценки полученных результатов;
3.                 Быть ориентированной на реализацию с помощью существующих технических средств, то есть должна быть осуществлена на имеющемся уровне развития техники с учетом ограничений конкретного исследователя;
4.                 Удовлетворять требованиям и условиям, ограничивающим время решения задачи. При исследовании  реальном масштабе времени допустимое время решения определяется ритмом функционирования объекта при нештатных ситуациях;
5.                 Обеспечивать получение полезной информации об объекте для решения поставленных задач исследования;
6.                 По возможности строится с использованием общепринятой терминологии;
7.                 Предусматривать возможность проверки соответствия ее оригиналу, проверки адекватности;
8.                 Обладать устойчивостью по отношению к ошибкам в исходных данных. Это требование особенно важно в условиях низкой точности исходных данных.
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 преобразовании или управлении им. В итоге происходит возвращение к проблематике реального объекта.
Постановка любой задачи заключается в том, чтобы перевести ее вербальное описание в формализованную форму. Для этого задействуется, в первую очередь, весь математический арсенал. Именно необходимость постановки и решения трудно формализуемых задач на протяжении многих лет являлась двигателем развития математических методов. Как ответ на необходимость доказательства адекватности модели и правомерности распространения ее экспериментальных результатов на всю генеральную совокупность, наряду с детерминированными аналитическими методами классической математики появилась теория вероятности и математическая статистика.
Необходимость решения сложных практических задач в условиях большой неопределенности стимулировала развитие таких математических направлений, как теория множеств, математическая логика, математическая лингвистика и теория графов. Потребность количественной оценки качественных процессов в сложных динамических системах привела к развитию нового направления математического моделирования, заключающегося в использовании так называемых «мягких моделей»[6].
С другой стороны, для коллективного решения масштабных организационных задач стали развиваться специальные приемы и методы типа  « мозгового штурма», «метода Дельфи», «системы сбалансированных показателей».  Они позволяют формализовать существующие в исследуемой предметной области неформализованные знания, опыт и традиции и тем самым обеспечить перевод вербальной модели в формализованный вид.
Все методы моделирования можно разделить на два больших класса[7]:
1.                 Формализованного представления систем;
2.                 Активизации интуиции, опыта, знаний и навыков специалистов.
К первой группе относятся аналитические, статистические методы, теоретико-множественные, логические, лингвистические, семиотические и графические методы.
Ко второй группе относятся метод сбалансированных показателей, метод « мозгового штурма», методы структуризации, сценарные , экспертные и морфологические методы.
В общем плане можно указать три метода: аналитическое, численное и имитационное моделирование.
Аналитическое моделирование состоит в исследовании построенной модели средствами математики с целью получения явных формул для определения всех интересующих исследователя величин при произвольных значениях внешних и управляемых параметров модели.
Численное моделирование заключается в получении из исходного набора математических соотношений модели выражений, содержащих интересующие исследователя зависимости в неявном, скрытом виде и численном нахождении последних для заданного набора значений внешних и управляющих параметров.
При имитационном моделировании численная реализация математических соотношений, составляющих модель, осуществляется без их предварительного преобразования . В процессе имитации алгоритм расчетов воспроизводит логику функционирования объекта-оригинала. Поэтому эти модели называют еще алгоритмическими[8].
Обобщая все сказанное, сделаем вывод. Под моделированием понимается процесс исследования реальной системы, включающий построение модели, изучение ее свойств и перенос полученных сведений на моделируемую систему. Основными целями моделирования являются поиск оптимальных решений, оценка эффективности решений, определение свойств системы, установление взаимосвязей между характеристиками системы, перенос информации во времени.
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 совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах.
Описанные этапность моделирования проблемной ситуации и его методы призваны помочь системному аналитику осознанно выбирать инструментарий для построения модели исследуемой системы.

1.2.           Виды моделирования систем управления
Под классификацией обычно понимают иерархически подчиненную систему взаимосвязанных звеньев, что позволяет создать стройную картину единого целого с выделением его совокупных частей. Классификация моделей призвана решить ту же задачу: разделить всю совокупность модельных отношений на взаимосвязанные звенья, находящиеся между собой в иерархической подчиненности.
Классификация видов моделирования может быть проведена по разным основаниям. В соответствии с классификационным признаком полноты моделирование делится на полное, неполное и приближенное[9].
При полном моделировании модели идентичны объекту во времени и пространстве. Для неполного моделирования эта идентичность не сохраняется. В основе приближенного моделирования лежит подобие , при котором некоторые стороны реального объекта не моделируются совсем. Теория подобия утверждает, что абсолютное подобие возможно лишь при замене одного объекта другим точно таким же. Поэтому при моделировании абсолютное подобие не имеет места. Исследователи стремятся к тому, чтобы модель хорошо отображала только исследуемый аспект  системы.
В зависимости от типа носителя и сигнатуры модели различаются следующие виды моделирования: детерминированное и стохастическое, статическое и динамическое, дискретное, непрерывное и дискретно-непрерывное.
Детерминированное моделирование отображает процессы, в которых предполагается отсутствие случайных воздействий. Стохастическое моделирование учитывает вероятностные процессы и события. Статическое моделирование служит для описания состояния объекта в фиксированный момент времени, а динамическое – для исследования объекта во времени. При этом оперируют аналоговыми, дискретными и смешанными моделями.
В зависимости от формы реализации носителя и сигнатуры моделирование классифицируется на мысленное и реальное. Мысленное моделирование применяется тогда, когда модели не реализуемы в данном интервале времени либо отсутствуют условия для их физического создания. Мысленное моделирование  реальных систем реализуется в виде наглядного, символического и математического. Для представления функциональных, информационных и событийных моделей этого вида моделирования разработано значительное количество средств и методов.
При наглядном моделировании на базе представлений человека о реальных объектах создаются наглядные модели, отображающие явления и процессы, протекающие в объекте. Примером таких моделей являются учебные плакаты, рисунки, схемы, диаграммы.
В основу гипотетического моделирования закладывается 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. Этот вид моделирования используется, когда знаний об объекте недостаточно для построения формальных моделей. Аналоговое моделирование основывается на использовании аналогий различных уровней. Для достаточно простых объектов наивысшим уровнем  является полная аналогия. С усложнением системы используются аналогии последующих уровней, когда аналоговая модель отображает несколько сторон функционирования объекта. Символическое моделирование представляет собой искусственный процесс создания логического объекта, который замещает реальный и выражает его основные свойства с помощью определенной системы знаков и символов. Математическое моделирование – это процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. Вид математической модели зависит как от природы реального объекта, так и от задач исследования объекта, от требуемой достоверности и точности решения задачи. Любая математическая модель описывает реальный объект с некоторой степенью приближения.
Для представления математических моделей могут использоваться различные формы записи. Основными являются инвариантная, аналитическая, алгоритмическая и схемная.
Инвариантная форма – запись соотношений модели с помощью традиционного математического языка безотносительно к методу решения уравнений модели. В этом случае модель может быть представлена как совокупность входов, выходов, переменных состояний и глобальных уравнений системы.
Аналитическая форма – запись модели в виде результата решения исходных уравнений модели. Обычно модели в аналитической форме представляют собой явные выражения выходных параметров как функций входов и переменных состояния.
Для аналитического моделирования характерно то, что в основном моделируется только функциональный аспект системы, при этом глобальные уравнения системы, описывающие закон ее функционирования записываются в виде некоторых аналитических соотношений или логических условий. Аналитическая модель исследуется несколькими методами:
1.                 Аналитическим , когда стремятся получить в общем виде явные зависимости, связывающие искомые характеристики с начальными параметрами, условиями и переменными состояния системы.
2.                 Численными, когда не умея решать уравнения в общем виде , стремятся получить числовые результаты при конкретных начальных данных .
3.                 Качественным, когда, не имея решения в явном виде , можно найти некоторые свойства решения.
Алгоритмическая форма – запись соотношения модели и выбранного численного метода решения в форме алгоритма. Среди алгоритмических моделей важный класс составляют имитационные модели, предназначенные для имитации физических или информационных процессов при различных внешних воздействиях.
При имитационном моделировании воспроизводится алгоритм функционирования системы во времени – поведение системы, причем имитируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания, что позволяет по исходным данным получить сведения о состояниях процесса в определенный момент времени.
Комбинированное ( аналитико-имитационное) моделирование позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей производится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы, и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой подход дает возможность охватить качественно новые классы систем, которые не могут быть исследованы с использованием аналитического или имитационного моделирования в отдельности.
Информационное (кибернетическое) моделирование связано с исследованием моделей, в которых отсутствует неопределенное подобие физических процессов, происходящих в моделях, реальным процессам. В этом случае стремятся отобразить лишь некоторую функцию, рассматривают реальный объект как « черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между входами и выходами. Таким образом, в основе информационных моделей лежит отражение некоторых информационных процессов управления, что позволяет оценить поведение реального объекта. Для построения 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 данную функцию на имитационной модели, причем на совершенно другом математическом языке и иной физической реализации процесса.
Структурное моделирование системного анализа базируется на некоторых специфических особенностях структур определенного вида, которые используются как средство исследования систем или служит на их основе разработке специфических подходов к моделированию с использованием других методов формализованного представления систем. Развитием структурного моделирования является объектно-ориентированное моделирование.
Структурное моделирование системного анализа включает:
1.                 Методы сетевого планирования.
2.                 Сочетание методов структуризации с лингвистическими.
3.                 Структурный подход в направлении формализации построения и исследования структур разного типа на основе теретико-множественых представлений и понятия номинальной шкалы теории измерения.
В структурном моделировании за последнее десятилетие сформировалась новая технология CASE. В целом CASE –технология представляет собой совокупность методологий анализа , проектирования, разработки и сопровождения сложных автоматизированных систем, поддерживаемую комплексом взаимосвязанных средств автоматизации.
Ситуационное моделирование опирается на модельную теорию мышления, в рамках которой можно описать основные механизмы регулирования процессов принятия решений. В центре модельной теории мышления лежит представление  о формировании в структурах мозга информационной модели объекта и внешнего мира. Основой построения модели является описание объекта в виде совокупности элементов, связанных между собой определенными отношениями, отображающими семантику предметной области. Модель объекта имеет многоуровневую структуру и представляет собой тот информационный контекст, на фоне которого протекают процессы управления. Чем богаче информационная модель объекта и выше возможности манипулирования ею , тем лучше и многообразнее качество принимаемых решений при управлении.
При реальном моделировании используется возможность исследования характеристик либо на реальном объекте целиком, либо на его части. Реальное моделирование является наиболее адекватным, но его возможности ограничены.
Натурным моделированием называют проведение исследований на реальном объекте с последующей обработкой результатов эксперимента на основе теории подобия. Натурное моделирование подразделяется на научный эксперимент, комплексные испытания и производственный эксперимент.
Научный эксперимент характеризуется широким использованием средств автоматизации, применением разнообразных средств обработки информации, возможностью вмешательства человека. Одна из разновидностей эксперимента – комплексные испытания, в процессе которых вследствие повторения испытаний объектов в целом выявляются общие закономерности о характеристиках качества, надежности этих объектов. В этом случае моделирование осуществляется путем обработки и обобщения сведений о группе однородных явлений. Наряду со специально организованными испытаниями возможна реализация натурного моделирования путем обобщения опыта, накопленного в ходе производственного процесса, то есть можно говорить о производственном эксперименте. Здесь на базе теории подобия обрабатывают статистический материал по производственному процессу и получают его обобщенные характеристики.
Другим видом реального моделирования является физическое, отличающееся от натурного тем. Что исследование проводится на установках, которые сохраняют природу явлений и обладают физическим подобием. В процессе физического моделирования задаются некоторые характеристики внешней среды, и исследуется поведение либо реального объекта, либо его модели при заданных или создаваемых искусственно воздействий внешней среды. Физическое моделирование может протекать в реальном или модельном масштабах времени или рассматриваться без учета времени. В последнем случае изучению подлежат так называемые  «замороженные» процессы, фиксируемые в некоторый момент времени.
Итак классификация видов моделирования может быть проведена по разным основаниям. В соответствии с классификационным признаком полноты моделирование делится на полное, неполное и приближенное. В зависимости от типа носителя и сигнатуры модели различаются следующие виды моделирования: детерминированное и стохастическое, статическое и динамическое, дискретное, непрерывное и дискретно-непрерывное. Кроме того выделяют имитационное, информационное (кибернетическое), структурное и ситуационное моделирование. Все перечисленные виды моделирования применяются на практике и способствуют решению задач в различных областях деятельности, а также принятию оптимальных стратегических решений.

Глава 2. Модель как объект исследования в управлении социально - экономическими процессами
2.1.           Понятие, свойства моделей и стадии их разработки
Человеческому мышлению в принципе присуща системность, равно как и моделирование есть неотъемлемое свойство человеческой деятельности. Осознание этого свойства происходило постепенно, как и расширение понятия «модель».
Первоначальное определение модели таково – это некоторое вспомогательное средство, которое  в определенной ситуации заменяет другой объект. Вначале понятие «модель» относилось только к материальным объектам таким, как манекен (модель человеческой фигуры), чучело (модель животного), модели автомобилей, самолетов. Существуют и другие, более точные определения, например: «модель» - это некий объект – заместитель, который в определенной степени заменяет объект – оригинал, воспроизводя интересующие нас свойства и характеристики оригинала, причем по сравнению с оригиналом модель имеет существенные преимущества для определенного вида работы с ней, а именно: наглядность, доступность испытаний.
Модель – это не абсолютная копия оригинала, она предполагает уже некоторую степень абстрагирования. Чертежи, рисунки, карты – это тоже модели, но они соответствуют более высокой степени абстрагирования от оригинала, поэтому их модельные свойства были осознаны намного позже.
Любая деятельность человека имеет целевой характер, а цель – не что иное, как образ ожидаемого будущего, то есть  модель состояния, на реализацию которого направлена деятельность.
Так как деятельность системна, она осуществляется не хаотично, а по определенному плану, или алгоритму, то  алгоритм тоже можно рассматривать как модель будущей деятельности.
Из этих рассуждений следует, что модель является не просто образом – заменителем оригинала, а целевым отображением. Таким образом, модель отображает не сам по себе объект-оригинал, а то, что в нем нас интересует, то, что соответствует поставленной цели.
В настоящее время понятие модели расширилось, оно включает и реальные и, так называемые «идеальные» модели, например, математические модели. Свойствами модели обладают такие формы научных представлений о мире, как законы, гипотезы, теории[10].
Первое такое свойство  - линейность или нелинейность. Оно обычно расшифровывается как линейная (нелинейная) зависимость от входов операторов S(линейность или нелинейность параметров состояния) или V(линейность или нелинейность модели в целом). Линейность может являться как естественным, хорошо соответствующим природе, так и искусственным (вводимым для целей упрощения) свойством модели.
Второе общее свойство модели  – непрерывность или дискретность. Оно выражается в структуре множеств (совокупностей), которым принадлежат параметры состояния, параметр процесса и выходы системы. Важной характеристикой дискретной модели является конечность или бесконечность числа состояния системы и числа значений выходных характеристик. В первом случае модель называется дискретной конечной. Дискретность модели также может быть как естественным условием (система скачкообразно меняет свое состояние и выходные свойства), так и искусственно внесенной особенностью. Например, замена непрерывной математической функции – на набор значений в фиксированных точках. (Пример: метод конечных разностей, МКЭ, расчет оболочки).
Следующее свойство модели  – детерминированность или стохастичность. Если в модели среди величин х+, a, y, x- имеются случайные, т.е. определяемые лишь некоторыми вероятностными характеристиками, то модель называется стохастической (вероятностной, случайной). В этом случае и все результаты, полученные при рассмотрении модели, имеют стохастический характер и должны быть соответственно интерпретированы. Удобный практический прием состоит в том, что при малых отклонениях от фиксированных значений модель считается детерминированной, а отклонение результата исследуется методами оценок или анализа ее чувствительности. При значительных же отклонениях применяется методика стохастического исследования.
Четвертое общее свойство модели – ее стационарность и нестационарность. Сначала рассмотрим понятие стационарности некоторого правила (процесса). Пусть в рассматриваемом правиле присутствует параметр процесса, которым для удобства понимания будем считать время. Возьмем все внешние условия изменения данного правила одинаковыми, но в первом случае применяем правило в момент t0, а во втором – в момент t0+ Q. Спрашивается, будет ли результат применения правила одинаковым? Ответ на этот вопрос и определяет стационарность: если результат одинаков, то правило (процесс) считается стационарным, а если различен – нестационарным. Если все правила в модели стационарны, то стационарной называется и сама модель. Чаще всего стационарность выражается в неизменности во времени некоторых физических величин: стационарным является поток жидкости с постоянной скоростью, стационарна механическая система, в которой силы зависят только от координат и не зависят от времени.
Можно говорить также и о пятом общем свойстве моделей. Это конечность или бесконечность числа входов, выходов, параметров состояния, постоянных параметров системы. Теоретически рассматриваются оба типа, но на практике работают лишь с конечномерными (конечными) моделями.
Моделирование необходимо предполагает использование абстракции и идеализации. Отображая существенные, с точки зрения исследования, свойства оригинала и отвлекаясь от несущественных, модель выступает как некоторый абстрактный идеализированный объект.
Для того чтобы модель отвечала своему назначению, то есть обладала модельными свойствами, необходимо соблюдение следующих условий[11]:
1.                 Условие согласованности с культурной средой.
2.                 Определенная степень соответствия между моделью и действительностью.
Первое условие является внешним условием актуализации модели. Не менее важны качества моделей, которые определяют ценность самого моделирования, то есть отношение модели и действительности. Фактически эти отношения определяются степенью различия между моделью и отображаемым объектом. Главными различиями являются:
?                 Конечность модели ;
?                 Упрощенность модели;
?                 Приближенность модели.
Конечность модели. Мир , познаваемый человеком бесконечен в пространстве, во времени, в своих связях с другими объектами. Однако познавать мир мы вынуждены конечными средствами. Способ преодоления этого противоречия и состоит в построении модели. Конечность абстрактных моделей очевидна, так как  они сразу наделяются  строго фиксированным числом свойств.
Реальные модели, как вещественные объекты, бесконечны, однако при моделировании из множества свойств объекта модели выбираются и используются лишь те, что подобны интересующим нас свойствам объекта-оригинала.
Упрощенность модели - есть следствие их конечности. Эта упрощенность в человеческой практике является допустимой. Более того для конкретных целей такое упрощение является необходимым.
Упрощенность моделей основана :
?                 На свойствах мышления;
?                 На ресурсах моделирования;
?                 На свойствах самой природы.
Упрощения модели неизбежны и необходимы в связи со следующими обстоятельствами:
3.                 Упрощение является сильным средством для выявления главных эффектов в исследуемом явлении: идеальный газ, математический маятник, абсолютно твердое тело.
4.                 Вынужденное упрощение модели связано с необходимостью оперирования с ней. Например, замена переменных величин постоянными.
Приближенность моделей - еще один фактор, позволяющий преодолевать бесконечность мира в конечном познании. Приближенность моделей может быть очень высокой, в противном случае она очевидна. Следует отличать, что само по себе различие не может быть ни большим, ни малым, оно либо есть, либо нет. Величина, мера, степень приемлемости имеет смысл лишь в соотнесении с целью моделирования.
Названные качества моделей: конечность модели, упрощенность модели, приближенность модели определяют ценность самого моделирования, а знание их свойств: линейность или нелинейность, непрерывность или дискретность, детерминированность или стохастичность, ее стационарность и нестационарность, конечность или бесконечность позволяет наиболее эффективно использовать модели в различных ситуациях их использования.
На базе системного подхода может быть предложена некоторая последовательность разработки моделей, когда выделяют две основные стадии разработки моделей: макропроектирование и микропроектирование[12].
На стадии макропроектирования, на основе данных о реальной системе и внешней среде строится модель внешней среды, выявляются ресурсы и ограничения для построения модели реальной системы. Построив модель системы и модель внешней среды, на основе критерия эффективности функционирования системы в процессе моделирования выбирают оптимальную стратегию управления, что позволяет реализовать возможности модели по воспроизведению отдельных сторон функционирования реальной системы.
Стадия микропроектирования в значительной степени зависит от конкретного типа выбранной модели.  В случае имитационной модели необходимо обеспечить создание информационного, математического, технического и программного обеспечения системы моделирования.  На этой стадии можно установить основные характеристики созданной модели, оценить время работы с ней и затраты ресурсов для получения заданного качества соответствия модели процессу функционирования системы.
Независимо от типа используемой модели при ее построении необходимо руководствоваться рядом принципов системного подхода:
1.                 Пропорционально-последовательное продвижение по этапам и направлениям создания модели.
2.                 Согласование информационных, ресурсных, надежностных и других характеристик.
3.                 Правильное соотношение отдельных уровней иерархии в системе моделирования.
4.                 Целостность отдельных обособленных стадий построения модели.
Построение модели относится к числу системных задач, при решении которых синтезируют решения на базе огромного числа исходных данных, на основе предложений больших коллективов специалистов. Использование системного подхода в этих условиях позволяет не только построить модель реального объекта, но и на базе этой модели выбрать необходимое количество управляющей информации в реальной системе, оценить показатели ее функционирования и тем самым на базе моделирования найти наиболее эффективный вариант построения и выгодный режим функционирования системы.
Итак мы описали основные стадии разработки моделей. На стадии макропроектирования, на основе данных о реальной системе и внешней среде строится модель внешней среды. На стадии микропроектирования можно установить основные характеристики созданной модели, оценить время работы с ней и затраты ресурсов для получения заданного качества соответствия модели процессу функционирования системы. Знание стадий модельных построений предоставляет возможность составить определенное мнение о сложности, масштабности и значимости исследовательских работ при построении модели проблемной ситуации с целью ее разрешения.

2.2.  Классификация моделей систем управления
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.
В основу классификации моделей систем управления положен ряд признаков, объединяемых в три группы[13]:
1.                 Дающих общую характеристику модели;
2.                 Характеризующих степень упрощения реальной действительности при ее модельном отображении;
3.                 Характеризующих процесс создания модели.
Первый критерий классификации – общая характеристика моделей подра
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.