Понятие о математическом моделировании кратко. Математическое моделирование

ЛЕКЦИЯ 4

Определение и назначение математического моделирования

Под моделью (от латинского modulus - мера, образец, норма) будем понимать такой материально или мысленно представляемый объект, который в процессе познания (изучения) замещает объект-оригинал, сохраняя некоторые важные для данного исследования типичные его черты. Процесс построения и использования модели называется моделированием.

Суть математического моделирования (ММ ) заключается в замене изучаемого объекта (процесса) адекватной математической моделью и последующем исследовании свойств этой модели с помощью либо аналитических методов, либо вычислительных экспериментов.

Иногда полезнее вместо того, чтобы давать строгие определения, описывать то или инее понятие на конкретном примере. Поэтому проиллюстри-руем приведенные выше определения ММ на примере задачи расчета удельного импульса. В начале 60-х годов перед учеными ставилась задача разработки ракетного топлива с наибольшим удельным импульсом. Принцип движения ракеты состоит в следующем: жидкое топливо и окислитель из баков ракеты подаются в двигатель, где происходит их сгорание, а продукты сгорания вылетают в атмосферу. Из закона сохранения импульса следует, что в этом ракета будет двигаться со скоростью.

Удельный импульс топлива – это полученный импульс, деленный на массу топлива. Проведение экспериментов было очень дорогостоящим и приводило к систематической порче оборудования. Оказалось, что легче и дешевле рассчитать термодинамические функции идеальных газов, вычислить с их помощью состав вылетающих газов и температуру плазмы, а затем и удельный импульс. То есть провести ММ процесса горения топлива.

Понятие математического моделирования (ММ) сегодня одно из самых распространенных в научной литературе . Подавляющее большинство современных дипломных и диссертационных работ связано с разработкой и использованием соответствующих математических моделей. Компьютерное ММ сегодня является составной частью многих областей человеческой деятельности (наука, техника, экономика, социология и т. д.). Это одна из причин сегодняшнего дефицита специалистов в области информационных технологий .

Бурный рост математического моделирования обусловлен стремительным совершенствованием вычислительной техники. Если еще 20 лет назад проведением численных расчетов занималось лишь небольшое число программистов, то теперь объем памяти и быстродействие современных компьютеров, позволяющих решать задачи математического моделирования доступных всем специалистам, включая студентов ВУЗов.

В любой дисциплине вначале дается качественное описание явлений. А затем уже – количественное, сформулированное в виде законов, устанавливающих связи между различными величинами (напряженность поля, интенсивность рассеяния, заряд электрона, …) в форме математических уравнений. Поэтому можно сказать, что в каждой дисциплине столько науки, сколько в ней есть математики, и этот факт позволяет успешно решать многие задачи методами математического моделирования.

Данный курс предназначен для студентов, специализирующихся в области прикладной математики, которые выполняют дипломные работы под руководством ведущих ученых, работающих в различных областях. Поэтому данный курс необходим не только как учебный материал, но и как подготовка к дипломной работе. Для изучения данного курса нам будут необходимы следующие разделы математики:

1. Уравнения математической физики (кантовая механика, газо - и гидродинамика)

2. Линейная алгебра (теория упругости)

3. Скалярные и векторные поля (теория поля)

4. Теория вероятностей (квантовая механика, статистическая физика, физическая кинетика)

5. Специальные функции.

6. Тензорный анализ (теория упругости)

7. Математический анализ

ММ в естествознании, технике, и экономике

Рассмотрим вначале различные разделы естествознания, техники, экономики, в которых используются математические модели.

Естествознание

Физика, устанавливающая основные законы естествознания, давно разделилась на теоретическую и экспериментальную. Выводом уравнений, описывающих физические явления, занимается теоретическая физика. Таким образом, теоретическая физика также может считаться одним из направлений математического моделирования. (Вспомним, что название первой книги по физике – «Математические начала натуральной философии» И. Ньютона можно перевести на современный язык как «Математические модели естествознания».) На основании полученных законов проводятся инженерные расчеты, которые проводятся в различных институтах, фирмах, КБ. Эти организации разрабатывают технологии изготовления современной продукции, которые являются наукоемкими.Таким образом, понятие наукоемкие технологии включает в себя расчеты с помощью соответствующих математических моделей.

Один из наиболее обширных разделов физики – классическая механика (иногда этот раздел называется теоретической или аналитической механикой). Данный раздел теоретической физики изучает движение и взаимодействие тел. Расчеты с помощью формул теоретической механики необходимы при изучении вращения тел (расчет моментов инерции, гиростатов – устройств сохраняющих в неподвижности оси вращения), анализе движения тела в безвоздушном пространстве, и др. Один из разделов теоретической механики называется теорией устойчивости и лежит в основе многих математических моделей, описывающих движение самолетов, кораблей, ракет. Разделы практической механики – курсы «Теория машин и механизмов», «Детали машин», изучается студентами почти всех технических вузов (включая МГИУ).

Теория упругости – часть раздела механики сплошных сред , предполагающая, что материал упругого тела однороден и непрерывно распределен по всему объему тела, так что самый малый элемент, вырезанный из тела, обладает теми же физическими свойствами, что и все тело. Приложение теории упругости – курс «сопротивление материалов», изучается студентами всех технических вузов (включая МГИУ). Данный раздел необходим для всех расчетов прочности. Здесь и расчет прочности корпусов кораблей, самолетов, ракет, расчет прочности стальных и железобетонных конструкций зданий и многое другое.

Газо- и гидродинамика , как и теория упругости – часть раздела механики сплошных сред , рассматривает законы движения жидкости и газа. Уравнения газо - и гидродинамики необходимы при анализе движения тел в жидкой и газообразной среде (спутники, подводные лодки, ракеты, снаряды, автомобили), при расчетах истечения газа из сопел двигателей ракет, самолетов. Практическое приложение гидродинамики – гидравлика (тормоз, руль,…)

Предыдущие разделы механики рассматривали движении тел в макромире, и физические законы макромира неприменимы в микромире, в котором движутся частицы вещества - протоны, нейтроны, электроны. Здесь действуют совершенно другие принципы, и для описания микромира необходима квантовая механика . Основное уравнение, описывающее поведение микрочастиц - уравнение Шредингера: . Здесь - оператор Гамильтона (гамильтониан). Для одномерного уравнения движения частицы https://pandia.ru/text/78/009/images/image005_136.gif" width="35" height="21 src=">-потенциальная энергия. Решение этого уравнения – набор собственных значений энергии и собственных функций..gif" width="55" height="24 src=">– плотность вероятности. Квантовомеханические расчеты нужны для разработки новых материалов (микросхемы), создания лазеров, разработки методов спектрального анализа, и др.

Большое количество задач решает кинетика , описывающая движение и взаимодействие частиц. Здесь и диффузия , теплообмен, теория плазмы – четвертого состояния вещества.

Статистическая физика рассматривает ансамбли частиц, позволяет сказать о параметрах ансамбля, исходя из свойств отдельных частиц. Если ансамбль состоит из молекул газа, то выведенные методами статистической физики свойства ансамбля представляют собой хорошо известные со средней школы уравнения газового состояния: https://pandia.ru/text/78/009/images/image009_85.gif" width="16" height="17 src=">.gif" width="16" height="17">-молекулярный вес газа. К – постоянная Ридберга. Статистическими методами рассчитываются также свойства растворов, кристаллов, электронов в металлах. ММ статистической физики – теоретическая основа термодинамики, которая лежит в основе расчета двигателей, тепловых сетей и станций.

Теория поля описывает методами ММ одну из основных форм материи – поле. При этом основной интерес представляют электромагнитные поля. Уравнения электромагнитного поля (электродинамики) были выведены Максвеллом: , , , . Здесь и https://pandia.ru/text/78/009/images/image018_44.gif" width="16" height="17"> - плотность заряда, -плотность тока. Уравнения электродинамики лежат в основе расчетов распространения электромагнитных волн, необходимых для описания распространения радиоволн (радио, телевидение, сотовая связь), объяснения работы радиолокационных станций.

Химию можно представить в двух аспектах, выделяя описательную химию – открытие химических факторов и их описание – и теоретическую химию – разработку теорий, позволяющих обобщить установленные факторы и представить их в виде определенной системы (Л. Полинг). Теоретическая химия называется также физической химией и является, в сущности, разделом физики, изучающей вещества и их взаимодействия. Поэтому все, что было сказано относительно физики, в полной мере относится и к химии. Разделами физической химии будут термохимия, изучающая тепловые эффекты реакций, химическая кинетика (скорости реакций), квантовая химия (строение молекул). При этом задачи химии бывают чрезвычайно сложными. Так, например, для решения задач квантовой химии – науки о строении атомов и молекул, используются программы, сравнимые по объему с программами ПВО страны. Например, для того, чтобы описать молекулу UCl4, состоящую из 5 ядер атомов и +17*4) электронов, нужно записать уравнение движения – уравнения в частных производных.

Биология

В биологию математика пришла по настоящему только во второй половине 20 века. Первые попытки математически описать биологические процессы относятся к моделям популяционной динамики. Популяцией называется сообщество особей одного вида, занимающих некоторую область пространства на Земле. Эта область математической биологии, изучающая изменение численности популяции в различных условиях (наличие конкурирующих видов, хищников, болезней и т. п.) и в дальнейшем служила математическим полигоном, на котором "отрабатывались" математические модели в разных областях биологии. В том числе модели эволюции, микробиологии, иммунологии и других областей, связанных с клеточными популяциями.
Самая первая известная модель, сформулированная в биологической постановке, ‑ знаменитый ряд Фибоначчи (каждое последующее число является суммой двух предыдущих), который приводит в своем труде Леонардо из Пизы в 13 веке. Это ряд чисел, описывающий количество пар кроликов, которые рождаются каждый месяц, если кролики начинают размножаться со второго месяца и каждый месяц дают потомство в виде пары кроликов. Ряд представляет последовательность чисел: 1, 1, 2, 3, 5, 8, 13, 21, …

8, 13, …

Другим примером является изучение процессов ионного трансмембранного переноса на искусственной бислойной мембране. Здесь для того, чтобы изучить законы образования поры, через которую ион проходит сквозь мембрану внутрь клетки, необходимо создать модельную систему, которую можно изучать экспериментально, и для которой можно использовать хорошо разработанное наукой физическое описание.

Классическим примером ММ также является популяция дрозофилы. Еще более удобной моделью являются вирусы , которые можно размножать в пробирке. Методами моделирования в биологии служат методы динамической теории систем, а средствами - дифференциальные и разностные уравнения, методы качественной теории дифференциальных уравнений, имитационное моделирование.
Цели моделирования в биологии:
3. Выяснение механизмов взаимодействия элементов системы
4. Идентификация и верификация параметров модели по экспериментальным данным.
5. Оценка устойчивости системы (модели).

6. Прогноз поведения системы при различных внешних воздействиях, различных способах управления и проч.
7. Оптимальное управление системой в соответствии с выбранным критерием оптимальности .

Техника

Совершенствованием техники занимается большое количество специалистов, которые в своей работе опираются на результаты научных исследований. Поэтому ММ в технике те же самые, что и ММ естествознания, о которых говорилось выше.

Экономика и социальные процессы

Принято считать, что математическое моделирование как метод анализа макроэкономических процессов было впервые применено лейб-медиком короля Людовика XV доктором Франсуа Кенэ , который в 1758 г. опубликовал работу «Экономическая таблица». В этой работе была сделана первая попытка количественно описать национальную экономику. А в 1838 г. в книге О. Курно «Исследование математических принципов теории богатства» количественные методы были впервые использованы для анализа конкуренции на рынке товара при различных рыночных ситуациях.

Широко известна также теория Мальтуса о народонаселении, в которой он предложил идею: рост населения далеко не всегда желателен, и рост этот идет быстрее, чем растут возможности обеспечения населения продовольствием. Математическая модель такого процесса достаточно проста: Пусть - прирост численности населения за время https://pandia.ru/text/78/009/images/image027_26.gif" width="15" height="24"> численность была равна . и - коэффициенты, учитывающие рождаемость и смертность (чел/год). Тогда

https://pandia.ru/text/78/009/images/image032_23.gif" width="151" height="41 src=">Инструментальные и математические методы " href="/text/category/instrumentalmznie_i_matematicheskie_metodi/" rel="bookmark">математические методы анализа (например, в последние десятилетия в гуманитарных науках появились математические теории развития культуры, построены и исследованы математические модели мобилизации, циклического развития социокультурных процессов, модель взаимодействия народа и правительства, модель гонки вооружений и др.).

В самых общих чертах процесс ММ социально-экономических процессов условно можно подразделить на четыре этапа:

формулировка системы гипотез и разработка концептуальной модели; разработка математической модели; анализ результатов модельных расчетов, который включает сравнение их с практикой; формулировка новых гипотез и уточнение модели в случае несоответствия результатов расчетов и практических данных.

Отметим, что, как правило, процесс математического моделирования носит циклический характер, поскольку даже при исследовании сравнительно простых процессов редко удается с первого шага построить адекватную математическую модель и подобрать точные ее параметры.

В настоящее время экономика рассматривается как сложная развивающаяся система, для количественного описания которой применяются динамические математические модели различной степени сложности. Одно из направлений исследования макроэкономической динамики связано с построением и анализом относительно простых нелинейных имитационных моделей, отражающих взаимодействие различных подсистем – рынка труда, рынка товаров, финансовой системы , природной среды и др.

Успешно развивается теория катастроф. Эта теория рассматривает вопрос об условиях, при которых изменение параметров нелинейной системы вызывает перемещение точки в фазовом пространстве, характеризующей состояние системы, из области притяжения к начальному положению равновесия в область притяжения к другому положению равновесия. Последнее очень важно не только для анализа технических систем, но и для понимания устойчивости социально-экономических процессов. В этой связи представляют интерес выводы о значении исследования нелинейных моделей для управления. В книге «Теория катастроф», опубликованной в 1990 г., он, в частности, пишет: «…нынешняя перестройка во многом объясняется тем, что начали действовать хотя бы некоторые механизмы обратной связи (боязнь личного уничтожения)».

(параметры модели)

При построении моделей реальных объектов и явлений часто приходится сталкиваться с недостатком информации. Для исследуемого объекта распределение свойств, параметры воздействия и начальное состояние известны с той или иной степенью неопределенности. При построении модели возможны следующие варианты описания неопределенных параметров:

Классификация математических моделей

(методы реализации)

Методы реализации ММ можно классифицировать в соответствии с таблицей, приведенной ниже.

ЭВМ прочно вошла в нашу жизнь, и практически нет такой области человеческой деятельности, где не применялась бы ЭВМ. ЭВМ сейчас широко используется в процессе создания и исследования новых машин, новых технологических процессов и поиске их оптимальных вариантов; при решении экономических задач, при решении задач планирования и управления производством на различных уровнях. Создание же крупных объектов в ракетотехнике, авиастроении, судостроении, а также проектирование плотин, мостов, и др. вообще невозможно без применения ЭВМ.

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

Слово "Модель" происходит от латинского modus (копия, образ, очертание). Моделирование - это замещение некоторого объекта А другим объектом Б. Замещаемый объект А называется оригиналом или объектом моделирования, а замещающий Б - моделью. Другими словами, модель - это объект-заменитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.

Целью моделирования являются получение, обработка, представление и использование информации об объектах, которые взаимодействуют между собой и внешней средой; а модель здесь выступает как средство познания свойств и закономерности поведения объекта.

Математическое моделирование - это средство изучения реального объекта, процесса или системы путем их замены математической моделью, более удобной для экспериментального исследования с помощью ЭВМ.

Математическое моделирование - процесс построения и изучения математических моделей реальных процессов и явлений. Все естественные и общественные науки, использующие математический аппарат, по сути занимаются математическим моделированием: заменяют реальный объект его моделью и затем изучают последнюю. Как и в случае любого моделирования, математическая модель не описывает полностью изучаемое явление, и вопросы о применимости полученных таким образом результатов являются весьма содержательными. Математическая модель - это упрощенное описание реальности с помощью математических понятий.

Математическая модель выражает существенные черты объекта или процесса языком уравнений и других математических средств. Собственно говоря, сама математика обязана своим существованием тому, что она пытается отразить, т.е. промоделировать, на своем специфическом языке закономерности окружающего мира.

При математическом моделировании исследование объекта осуществляется посредством модели, сформулированной на языке математики с использованием тех или иных математических методов.

Путь математического моделирования в наше время гораздо более всеобъемлющ, нежели моделирования натурного. Огромный толчок развитию математического моделирования дало появление ЭВМ, хотя сам метод зародился одновременно с математикой тысячи лет назад.

Математическое моделирование как таковое отнюдь не всегда требует компьютерной поддержки. Каждый специалист, профессионально занимающийся математическим моделированием, делает все возможное для аналитического исследования модели. Аналитические решения (т.е. представленные формулами, выражающими результаты исследования через исходные данные) обычно удобнее и информативнее численных. Возможности аналитических методов решения сложных математических задач, однако, очень ограниченны и, как правило, эти методы гораздо сложнее численных.

Математическая модель является приближенным представлением реальных объектов, процессов или систем, выраженным в математических терминах и сохраняющим существенные черты оригинала. Математические модели в количественной форме, с помощью логико-математических конструкций, описывают основные свойства объекта, процесса или системы, его параметры, внутренние и внешние связи

Все модели можно разделить на два класса:

1. вещественные,
2. идеальные.

В свою очередь вещественные модели можно разделить на:

1. натурные,
2. физические,
3. математические.

Идеальные модели можно разделить на:

1. наглядные,
2. знаковые,
3. математические.

Вещественные натурные модели - это реальные объекты, процессы и системы, над которыми выполняются эксперименты научные, технические и производственные.

Вещественные физические модели - это макеты, муляжи, воспроизводящие физические свойства оригиналов (кинематические, динамические, гидравлические, тепловые, электрические, световые модели).

Вещественные математические - это аналоговые, структурные, геометрические, графические, цифровые и кибернетические модели.

Идеальные наглядные модели - это схемы, карты, чертежи, графики, графы, аналоги, структурные и геометрические модели.

Идеальные знаковые модели - это символы, алфавит, языки программирования, упорядоченная запись, топологическая запись, сетевое представление.

Идеальные математические модели - это аналитические, функциональные, имитационные, комбинированные модели.

В приведенной классификации некоторые модели имеют двойное толкование (например - аналоговые). Все модели, кроме натурных, можно объединить в один класс мысленных моделей, т.к. они являются продуктом абстрактного мышления человека.

Элементы теории игры

В общем случае решение игры представляет довольно трудную задачу, причем сложность задачи и объем необходимых для решения вычислений резко возрастает с увеличением . Однако это трудности не носят принципиального характера и связаны только сочень большим объемом расчетов, который в ряде случаев может оказаться практически невыполнимым. Принципиальная сторона метода отыскания решения остается при любом одной и той же.

Проиллюстрируем это на примере игры . Дадим ей геометрическую интерпретацию - уже пространственную. Три наши стратегии , изобразим тремя точками на плоскости ; первая лежит в начале координат (рис.1). вторая и третья - на осях Ох и Оу на расстояниях 1 от начала.

Через точки проводятся оси I-I, II-II и III-III, перпендикулярные к плоскости . На оси I-I откладываются выигрыши при стратегии на осях II-II и III-III - выигрыши при стратегиях . Каждая стратегия противника изобразится плоскостью, отсекающей на осях I-I, II-II и III-III, отрезки, равные выигрышам

при соответствующих стратегия и стратегия . Построив, таким образом, все стратегии противника, мы по­лучим семейство плоскостей над треугольником (рис2) .

Для этого семейства также можно построить нижнюю границу выигрыша, как мы это делали в случае, и найти на этой границе точку N с максимальной высотой нал плоскостью . Эта высота и будет ценой игры .

Частоты стратегий в оптимальной стра­тегии будут определяться координатами (x, у) точки N, а именно:

Однако такое геометрическое построение даже для случая нелегко осуществимо и требует большой затраты времени и усилий воображения. В общем же случае игры оно переносится в - мерное пространство и теряет всякую наглядность, хотя употребление геометрической терминологии в ряде случаев может оказаться полезным. При решении игр на практике удобнее пользоваться не геометрическими аналогиями, а расчетными аналитическими методами, тем более, что для решения задачи на вычислительных машинах эти методы единственно пригодны.

Все эти методы по существу сводятся к решению задачи путем последовательных проб, но упорядочение последо­вательности проб позволяет построить алгоритм, приводящий к решению наиболее экономичным способом.

Здесь мы вкратце остановимся на одном расчетном методе решения игр - на так называемом методе «линейного программирования».

Для этого дадим сначала общую постановку задачи о нахождении решения игры . Пусть дана игра с т стратегиями игрока А и n стра­тегиями игрока В и задана платежная ма­трица

Требуется найти решение игры, т. е. две оптимальные смешанные стратегии игроков А и В

где (некоторые из чисел и могут быть равными нулю).

Наша оптимальная стратегия S* A должна обеспечивать нам выигрыш, не меньший , при любом поведении про­тивника, и выигрыш, равный , при его оптимальном пове­дении (стратегия S* B ).Аналогично стратегия S* B должна обе­спечивать противнику проигрыш, не больший , при любом нашем поведении и равный при нашем оптимальном пове­дении (стратегия S* A ).

Величина цены игры в данном случае нам неизвестна; будем считать, что она равна некоторому положительному числу. Полагая так, мы не нарушаем общности рассуждений; для того чтобы было > 0, очевидно, достаточно, чтобы все элементы матрицы были неотрицательными. Этого всегда можно добиться, прибавляя к элементам доста­точно большую положительную величину L;при этом цена игры увеличится на L, а решение не изменится.

Пусть мы выбрали свою оптимальную стратегию S* A . Тогда наш средний выигрыш при стратегии противника будет равен:

Наша оптимальная стратегия S* A обладает тем свойством, что при любом поведении противника обеспечивает выигрыш не меньший, чем ; следовательно, любое из чисел не может быть меньше . Получаем ряд условий:

(1)

Разделим неравенства (1) на положительную величину и обозначим:

Тогда условие (1) запишется виде

(2)

где - неотрицательные числа. Так как величины удовле­творяют условию

Мы хотим сделать свой гарантированный выигрыш максимально возможным; очевидно, при этом правая часть равенства (3) принимает минимальное значение.

Таким образом, задача нахождения решения игры сво­дится к следующей математической задаче: определить не­отрицательные величины , удовлетворяющие условиям (2), так, чтобы их сумма

была минимальной.

Обычно при решении задач, связанных с нахождением экстремальных значений (максимумов и минимумов), функцию дифференцируют и приравнивают производные нулю. Но такой прием в данном случае бесполезен, так как функ­ция Ф, которую нужно обратить в минимум, линейна, и ее производные по всем аргументам равны единице, т. е. нигде не обращаются в нуль. Следовательно, максимум функции достигается где-то на границе области изменения аргумен­тов, которая определяется требованием неотрицательности аргументов и условиями (2). Прием нахождения экстре­мальных значений при помощи дифференцирования непри­годен и в тех случаях, когда для решения игры опреде­ляется максимум нижней (или минимум верхней) границы выигрыша, как мы. например, делали при решении игр .Действительно, нижняя граница составлена из участков прямых линий, и максимум достигается не в точке, где производная равна нулю (такой точки вообще нет), а на границе интер­вала или в точке пересечения прямолинейных участков.

Для решения подобных задач, довольно часто встречаю­щихся на практике, в математике разработан специальный аппарат линейного программирования.

Задача линейного программирования ставится следующим образом.

Дана система линейных уравнений:

(4)

Требуется найти неотрицательные значения величин удовлетворяющие условиям (4) и вместе с тем обращающие в минимум заданную однородную линейную функцию величин (линейную форму):

Легко убедиться, что поставленная выше задача теории игр является частным случаем задачи линейного программирование при

С первого взгляда может показаться, что условия (2) не эквивалентны условиям (4), так как вместо знаков равенства они содержат знаки неравенства. Однако от знаков неравенства легко избавиться, вводя новые фиктивные неотрицательные переменные и записывая условия (2) в виде:

(5)

Форма Ф, которую нужно обратить в минимум, равна

Аппарат линейного программирования позволяет путем сравнительно небольшого числа последовательных проб подобрать величины , удовлетворяющие поставленным требованиям. Для большей ясности мы здесь продемонстрируем применение этого аппарата прямо на материале решения конкретных игр.

Содержание Предмет математического моделирования. Основы моделирования. Понятие модели. Принцип моделирования. Моделирование как метод научного познания. Этапы моделирования. Характеристика 1 – 2 этапов. Этапы моделирования. Характеристика 3 – 4 этапов. Классификация моделей. Общий обзор. Классификация экономико-математических моделей. Этапы экономико-математического моделирования. Математическая модель. Линейное программирование. Постановка задачи линейного программирования. Геометрическая интерпретация и графическое решение задачи линейного программирования. Симплексный метод. Построение начального опорного плана. Симплексные таблицы. Признак оптимальности опорного плана. Понятие двойственности. Построение двойственных задач и их свойства. Транспортная задача. Построение исходного опорного плана. Транспортная задача. Метод потенциалов.

Содержание Основные понятия и определения теории графов. Упорядочение элементов орграфа. Алгоритм Фалкерсона. Решение задач о нахождении кратчайших путей в графе. Задача о максимальном потоке и ее приложения. Транспортная задача в сетевой постановке. Элементы сетевого планирования. Принципы динамического программирования, вычислительная процедура метода. Метод Монте-Карло. Суть метода. Решение задач методом Монте-Карло. Элементы теории матричных игр. Парные матричные игры с нулевой суммой. Методы решения матричных игр. Игры с природой. Критерии для принятия решения. Пакет Maple 7. Общий обзор пакета. Его возможности. Интерфейс программы, работа с командами. Использование переменных. Работа с таблицами.

Предмет математического моделирования. Основы моделирования Математическое моделирование - это исследование явлений, процессов, систем или объектов путем построения и изучения их моделей и использования последних для определения или уточнения характеристик и рациональных способов построения вновь конструируемых технологических процессов, систем и объектов. Математическая модель - это абстракция реального мира, в которой интересующие исследователя отношения между реальными элементами заменены подходящими отношениями между математическими категориями. Эти отношения, как правило, представлены в форме уравнений и (или) неравенств, характеризующих функционирование моделируемой реальной системы. Искусство построения математических моделей состоит в том, чтобы совместить как можно большую лаконичность в ее математическом описании с достаточной точностью модельного воспроизводства именно тех сторон анализируемой реальности, которые интересуют исследователя. Меню Моделирование - творческий процесс, требующий серьезной подготовки и переработки большого объема информации, сочетающий в себе трудоемкость и эвристические начала и носящий вероятностный характер.

Понятие модели. Моделирование как метод научного познания Модель - это некоторое упрощенное подобие реального объекта, явления или процесса. Модель - это такой материальный или мысленно представляемый объект, который замещает объект-оригинал с целью его исследования, сохраняя некоторые важные для данного исследования типичные черты и свойства оригинала. Хорошо построенная модель, как правило, доступнее для исследования, чем реальный объект (например, такой, как экономика страны, Солнечная система и т. п.). Другое, не менее важное назначение модели состоит в том, что с ее помощью выявляются наиболее существенные факторы, формирующие те или иные свойства объекта. Модель также позволяет учиться управлять объектом, что важно в тех случаях, когда экспериментировать с объектом бывает неудобно, трудно или невозможно (например, когда эксперимент имеет большую продолжительность или когда существует риск привести объект в нежелательное или необратимое состояние). Таким образом, можно сделать вывод, что модель необходима для того, чтобы: понять, как устроен конкретный объект - каковы его структура, основные свойства, законы развития и взаимодействия с окружающим миром; научиться управлять объектом или процессом и определить наилучшие способы управления при заданных целях и критериях (оптимизация); Меню прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект, процесс.

Этапы моделирования Характеристика 1 этапа I этап. Постановка задачи Под задачей в самом общем смысле понимается некая проблема, которую надо решить. Главное - определить объект моделирования и понять, что собой должен представлять результат. По характеру постановки все задачи можно разделить на две основные группы. К первой группе можно отнести задачи, в которых требуется исследовать, как изменяется характеристика объекта при некотором воздействии на него. Такую постановку задачи принято называть "что будет, если. . . ". Вторая группа задач имеет такую обобщенную формулировку: какое надо произвести воздействие на объект, чтобы его параметры удовлетворяли некоторому заданному условию? Такая постановка задачи часто называется "как сделать, чтобы. . . ". Цели моделирования определяются расчетными параметрами модели. Чаще всего это поиск ответа на вопрос, поставленный в формулировке задачи. Далее переходят к описанию объекта или процесса. На этой стадии выявляются факторы, от которых зависит поведение модели. При моделировании в электронных таблицах учитывать можно только те параметры, которые имеют количественные характеристики. Иногда задача может быть уже сформулирована в упрощенном виде, и в ней четко поставлены цели и определены параметры модели, которые надо учесть. При анализе объекта необходимо ответить на следующий вопрос: можно ли исследуемый объект или процесс рассматривать как единое целое или же это система, состоящая из более простых объектов? Если это единое целое, то можно перейти к построению информационной модели. Если система - надо перейти к анализу объектов, ее составляющих, определить связи между ними. Меню

Этапы моделирования Характеристика 2 этапа II этап. Разработка модели По результатам анализа объекта составляется информационная модель. В ней детально описываются все свойства объекта, их параметры, действия и взаимосвязи. Далее информационная модель должна быть выражена в одной из знаковых форм. Учитывая, что мы будем работать в среде электронных таблиц, то информационную модель необходимо преобразовать в математическую. На основе информационной и математической моделей составляется компьютерная модель в форме таблиц, в которой выделяются три области данных: исходные данные, промежуточные расчеты, результаты. Исходные данные вводятся "вручную". Расчеты, как промежуточные, так и окончательные, проводятся по формулам, записанным по правилам электронных таблиц. Меню

Этапы моделирования Характеристика 3 этапа III этап. Компьютерный эксперимент Чтобы дать жизнь новым конструкторским разработкам, внедрить новые технические решения в производство или проверить новые идеи, нужен эксперимент. В недалеком прошлом такой эксперимент можно было провести либо в лабораторных условиях на специально создаваемых для него установках, либо на натуре, т. е. на настоящем образце изделия, подвергая его всяческим испытаниям. Это требует больших материальных затрат и времени. В помощь пришли компьютерные исследования моделей. При проведении компьютерного эксперимента проверяют правильность построения моделей. Изучают поведение модели при различных параметрах объекта. Каждый эксперимент сопровождается осмыслением результатов. Если результаты компьютерного эксперимента противоречат смыслу решаемой задачи, то ошибку надо искать в неправильно выбранной модели или в алгоритме и методе ее решения. После выявления и устранения ошибок компьютерный эксперимент повторяется. Меню

Этапы моделирования Характеристика 4 этапа IV этап. Анализ результатов моделирования Заключительный этап моделирования - анализ модели. По полученным расчетным данным проверяется, насколько расчеты отвечают нашему представлению и целям моделирования. На этом этапе определяются рекомендации по совершенствованию принятой модели и, если возможно, объекта или процесса. Меню

Классификация моделей Классификация по области использования Учебные: наглядные пособия, различные тренажеры, обучающие программы. Опытные: уменьшенные или увеличенные копии исследуемого объекта для дальнейшего изучения (модели корабля, автомобиля, самолета, гидростанции). Научно-технические модели создают для исследования процессов и явлений (стенд для проверки телевизоров; синхротрон - ускоритель электронов и др.). Игровые: военные, экономические, спортивные, деловые игры. Имитационные: отражают реальность с той или иной степенью точности (испытание нового лекарственного средства в ряде опытах на мышах; эксперименты по внедрению в производство новой технологии). Классификация с учетом фактора времени Статическая модель - модель объекта в данный момент времени. Динамическая модель позволяет увидеть изменения объекта во времени. Меню

Классификация моделей Классификация по способу представления Материальная модель - это физическое подобие объекта. Они воспроизводят геометрические и физические свойства оригинала (чучела птиц, муляжи животных, внутренних органов человеческого организма, географические и исторические карты, схема солнечной системы). Информационная модель - это совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром. Любая информационная модель содержит лишь существенные сведения об объекте с учетом той цели, для которой она создается. Информационные модели одного и того же объекта, предназначенные для разных целей, могут быть совершенно разными. Вербальная модель - информационная модель в мысленной или разговорной форме. Знаковая модель - информационная модель, выраженная специальными знаками, т. е. средствами любого формального языка. Знаковые модели - это рисунки, тексты, графики, схемы, таблицы и т. д. Компьютерная модель - модель, реализованная средствами программной среды. Прежде чем построить модель объекта (явления, процесса), необходимо выделить составляющие его элементы и связи между ними (провести системный анализ) и "перевести" полученную структуру в какую-либо заранее определенную форму - формализовать информацию. Меню Формализация - это процесс выделения и перевода внутренней структуры предмета, явления или процесса в определенную информационную структуру - форму.

Классификация экономикоматематических моделей Экономико-математические модели – модели управляемых и регулируемых экономических процессов, использующиеся для преобразования экономической действительности. Адекватность моделей объектам моделирования определяется по совпадению результатов исследования с наблюдаемыми фактами. Практика в этом случае означает действительность. По целевому назначению экономико-математические модели бывают Теоретико-аналитические Прикладные Экономико-математические модели делятся на модели всего народного хозяйства и его подсистем (отраслей, регионов и т. д.) Модели бывают функциональные и структурные. Модели бывают дескрептивные и нормативные. Дескрептивные модели отвечают на вопрос, как это происходит и как может дальше развиваться? Нормативные модели отвечают на вопрос как это должно быть? То есть предполагают целенаправленную деятельность. Различают модели жёстко детерминистские и модели, учитывающие случайность и неопределённость. Модели бывают статически и динамические. По длительности рассматриваемого периода различают модели краткосрочного (1 -5 лет) и долгосрочного (10 -15 и более лет) прогнозирования, планирования. Само время в таких моделях может изменяться либо, непрерывно либо дискретно. Меню Модели могут быть линейные и нелинейные.

Этапы экономико-математического моделирования. Постановка экономической проблемы и её анализ. Главное – определить сущность проблемы, принимаемые допущения и те вопросы на которые, требуется получить ответы. Этап включает выделение важнейших черт и свойств объекта, абстрагирование от второстепенных. Формирование гипотез, если требуется, объясняющих поведение и развитие объекта. Построение математической модели. Этап формализации экономической проблемы. Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше. Изменение сложности и громоздкости модели затрудняет процесс исследования. Нужно учитывать реальные возможности информационного и математического обеспечения. Нужно сопоставить затраты на моделирование с получаемым эффектом. Одной из важнейших особенностей математической модели является потенциальная возможность их использования для решения разных задач. Меню

Этапы экономико-математического моделирования. Математический анализ модели. Целью данного этапа является выяснение общих свойств модели. Важный момент – доказательство существования решения. Подготовка исходной информации Надо учитывать за какие сроки будет собрана нужная информация, учитывать затраты на подготовку информации. В процессе подготовки широко используются методы теории вероятности, теоретической и математической статистики. Численное решение. Разработка алгоритмов для численного решения задачи, составления программ для компьютера и непосредственно проведение расчетов. Трудность на этом этапе создаёт большая размерность экономических задач и необходимость обработки значительных массивов информации. Меню Анализ численных результатов и их применение. На этом этапе встаёт вопрос о правильности и полноте результатов моделирования, о степени их практической применимости.

Линейное программирование. Это раздел математического моделирования, все зависимости которого линейны. Математическая модель любой задачи линейного программирования имеет вид Z= max(min) Меню Условия не отрицательности Xj ≥ 0

Пример: При изготовлении изделий u 1 и u 2 используются токарные и фрезерные станки, а также сталь и цветные металлы, по технологическим нормам на производство единице изделия u 1 требуется 300 и 200 единиц соответственно токарного и фрезерного оборудования (в часах), и 10 и 20 единиц стали и цветных металлов (в кг.). для производства изделия u 2 требуется 400, 100, 70, 50 соответственно единиц тех же ресурсов. Цех располагает 12400 и 6800 часами, 640 и 840 кг. материала. Прибыль от реализации единице изделия u 1=6000 ден. ед. , u 2=16000 ден. ед. Требуется: Свести исходные данные в таблицу, удобную для построения модели. Составить математическую модель задачи. Определить план выпуска изделий, обеспечить max прибыль при условие что, время работы фрезерных станков должно быть использовано полностью.

Решение: Пусть х1 - число изделий u 1, а х2 – число изделий u 2, z – суммарная прибыль.

Линейное программирование. Эта общая или производная форма записи. Переменные Xj, которые удовлетворяют системе ограничений и условию не отрицательности, называются допустимыми. Допустимые переменные, которые превращают целевую функцию в max или min, называются оптимальными. Методы решения таких задач подразделяются на универсальные и специальные. Универсальным методом решают любые ЗЛП. Специальные методы учитывают особенности модели. Особенностью ЗЛП является то, что max (min) целевая функция достигает на границе области допустимых решений. К ЗЛП относятся: задача о выборе оптимальных технологий; задача о смесях; задача о раскрое материала; транспортная задача; Меню задача о наилучшем использовании ресурсов; задача о размещении заказа;

Постановка задачи линейного программирования Любая ЗЛП записывается с помощью математической модели. Существует 3 формы записи ЗЛП Меню Общая (произвольная)

Постановка задачи линейного программирования Все эти формы эквивалентны. Чтобы от max перейти к min (или наоборот) надо поменять знаки у каждого слагаемого в записи целевой функции. Чтобы превратить неравенство вида в неравенство вида (и наоборот) нужно обе части неравенства умножить на -1. Меню Каноническая (основная) Чтобы неравенство превратить в равенство (и наоборот) нужно добавить или отнять от левой части дополнительную неотрицательную переменную, она называется балансовой. При записи целевой функции она имеет коэффициент =0.

По учебнику Советова и Яковлева : «модель (лат. modulus - мера) - это объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.» (с. 6) «Замещение одного объекта другим с целью получения информации о важнейших свойствах объекта-оригинала с помощью объекта-модели называется моделированием.» (с. 6) «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.»

Наконец, наиболее лаконичное определение математической модели: "Уравнение , выражающее идею . "

Классификация моделей

Формальная классификация моделей

Формальная классификация моделей основывается на классификации используемых математических средств. Часто строится в форме дихотомий. Например, один из популярных наборов дихотомий :

и так далее. Каждая построенная модель является линейной или нелинейной, детерминированной или стохастической, … Естественно, что возможны и смешанные типы: в одном отношении сосредоточенные (по части параметров), в другом - распределённые модели и т. д.

Классификация по способу представления объекта

Наряду с формальной классификацией, модели различаются по способу представления объекта:

• Структурные или функциональные модели

Структурные модели представляют объект как систему со своим устройством и механизмом функционирования. Функциональные модели не используют таких представлений и отражают только внешне воспринимаемое поведение (функционирование) объекта. В их предельном выражении они называются также моделями «чёрного ящика» Возможны также комбинированные типы моделей, которые иногда называют моделями «серого ящика».

Содержательные и формальные модели

Практически все авторы, описывающие процесс математического моделирования, указывают, что сначала строится особая идеальная конструкция, содержательная модель . Устоявшейся терминологии здесь нет, и другие авторы называют этот идеальный объект концептуальная модель , умозрительная модель или предмодель . При этом финальная математическая конструкция называется формальной моделью или просто математической моделью, полученной в результате формализации данной содержательной модели (предмодели). Построение содержательной модели может производиться с помощью набора готовых идеализаций, как в механике, где идеальные пружины, твёрдые тела, идеальные маятники, упругие среды и т. п. дают готовые структурные элементы для содержательного моделирования. Однако в областях знания, где не существует полностью завершенных формализованных теорий (передний край физики , биология , экономика , социология , психология , и большинство других областей), создание содержательных моделей резко усложняется.

Содержательная классификация моделей

Никакая гипотеза в науке не бывает доказана раз и навсегда. Очень чётко это сформулировал Ричард Фейнман :

«У нас всегда есть возможность опровергнуть теорию, но, обратите внимание, мы никогда не можем доказать, что она правильна. Предположим, что вы выдвинули удачную гипотезу, рассчитали, к чему это ведет, и выяснили, что все ее следствия подтверждаются экспериментально. Значит ли это, что ваша теория правильна? Нет, просто-напросто это значит, что вам не удалось ее опровергнуть.»

Если модель первого типа построена, то это означает что она временно признаётся за истину и можно сконцентрироваться на других проблемах. Однако это не может быть точкой в исследованиях, но только вре́менной паузой: статус модели первого типа может быть только вре́менным.

Тип 2: Феноменологическая модель (ведем себя так, как если бы …)

Феноменологическая модель содержит механизм для описания явления. Однако этот механизм недостаточно убедителен, не может быть достаточно подтверждён имеющимися данными или плохо согласуется с имеющимися теориями и накопленным знанием об объекте. Поэтому феноменологические модели имеют статус вре́менных решений. Считается, что ответ всё ещё неизвестен и необходимо продолжить поиск «истинных механизмов». Ко второму типу Пайерлс относит, например, модели теплорода и кварковую модель элементарных частиц.

Роль модели в исследовании может меняться со временем, может случиться так, что новые данные и теории подтвердят феноменологические модели и те будут повышены до статуса гипотезы. Аналогично, новое знание может постепенно прийти в противоречие с моделями-гипотезами первого типа и те могут быть переведены во второй. Так, кварковая модель постепенно переходит в разряд гипотез; атомизм в физике возник как временное решение, но с ходом истории перешёл в первый тип. А вот модели эфира , проделали путь от типа 1 к типу 2, а сейчас находятся вне науки.

Идея упрощения очень популярна при построении моделей. Но упрощение бывает разным. Пайерлс выделяет три типа упрощений в моделировании.

Тип 3: Приближение (что-то считаем очень большим или очень малым )

Если можно построить уравнения, описывающие исследуемую систему, то это не значит, что их можно решить даже с помощью компьютера. Общепринятый прием в этом случае - использование приближений (моделей типа 3). Среди них модели линейного отклика . Уравнения заменяются линейными. Стандартный пример - закон Ома .

А вот и тип 8, широко распространенный в математических моделях биологических систем.

Тип 8: Демонстрация возможности (главное - показать внутреннюю непротиворечивость возможности )

Это тоже мысленные эксперименты с воображаемыми сущностями, демонстрирующие, что предполагаемое явление согласуется с базовыми принципам и внутренне непротиворечиво. В этом основное отличие от моделей типа 7, которые вскрывают скрытые противоречия.

Один из самых знаменитых таких экспериментов - геометрия Лобачевского (Лобачевский называл её «воображаемой геометрией»). Другой пример - массовое производство формально - кинетических моделей химических и биологических колебаний, автоволн и др. Парадокс Эйнштейна - Подольского - Розена был задуман как модель 7 типа, для демонстрации противоречивости квантовой механики. Совершенно незапланированным образом он со временем превратился в модель 8 типа - демонстрацию возможности квантовой телепортации информации.

Пример

Рассмотрим механическую систему, состоящую из пружины, закрепленной с одного конца, и груза массой m , прикрепленного к свободному концу пружины. Будем считать, что груз может двигаться только в направлении оси пружины (например, движение происходит вдоль стержня). Построим математическую модель этой системы. Будем описывать состояние системы расстоянием x от центра груза до его положения равновесия. Опишем взаимодействие пружины и груза с помощью закона Гука (F = − k x ) после чего воспользуемся вторым законом Ньютона , чтобы выразить его в форме дифференциального уравнения :

где означает вторую производную от x по времени: .

Полученное уравнение описывает математическую модель рассмотренной физической системы. Эта модель называется «гармоническим осциллятором ».

По формальной классификация эта модель линейная, детерминисткая, динамическая, сосредоточенная, непрерывная. В процессе её построения мы сделали множество допущений (об отсутствии внешних сил, отсутствии трения, малости отклонений и т.~д.), которые в реальности могут не выполняться.

По отношению к реальности это, чаще всего, модель типа 4 упрощение («опустим для ясности некоторые детали»), поскольку опущены некоторые существенные универсальные особенности (например, диссипация). В некотором приближении (скажем, пока отклонение груза от равновесия невелико, при малом трении, в течение не слишком большого времени и при соблюдении некоторых других условий), такая модель достаточно хорошо описывает реальную механическую систему, поскольку отброшенные факторы оказывают пренебрежимо малое влияние на её поведение. Однако модель можно уточнить, приняв во внимание какие-то из этих факторов. Это приведет к новой модели, с более широкой (хотя и снова ограниченной) областью применимости.

Впрочем, при уточнении модели сложность её математического исследования может существенно возрасти и сделать модель фактически бесполезной. Зачастую более простая модель позволяет лучше и глубже исследовать реальную систему, чем более сложная (и, формально, «более правильная»).

Если применять модель гармонического осциллятора к объектам, далёким от физики, её содержательный статус может быть другим. Например, при приложении этой модели к биологическим популяциям, её следует отнести, скорее всего, к типу 6 аналогия («учтём только некоторые особенности»).

Жёсткие и мягкие модели

Гармонический осциллятор - пример так называемой «жёсткой» модели. Она получена в результате сильной идеализации реальной физической системы. Для решения вопроса о её применимости необходимо понять, насколько существенными являются факторы, которыми мы пренебрегли. Иными словами, нужно исследовать «мягкую» модель, получающуюся малым возмущением «жёсткой». Она может задаваться, например, следующим уравнением:

Здесь - некоторая функция, в которой может учитываться сила трения или зависимость коэффициента жёсткости пружины от степени её растяжения, - некоторый малый параметр. Явный вид функции f нас в данный момент не интересует. Если мы докажем, что поведение мягкой модели принципиально не отличается от поведения жёсткой (вне зависимости от явного вида возмущающих факторов, если они достаточно малы), задача сведется к исследованию жёсткой модели. В противном случае применение результатов, полученных при изучении жёсткой модели, потребует дополнительных исследований. Например, решением уравнения гармонического осциллятора являются функции вида , то есть колебания с постоянной амплитудой. Следует ли из этого, что реальный осциллятор будет бесконечно долго колебаться с постоянной амплитудой? Нет, поскольку рассматривая систему со сколь угодно малым трением (всегда присутствующим в реальной системе), мы получим затухающие колебания . Поведение системы качественно изменилось.

Если система сохраняет свое качественное поведение при малом возмущении, говорят, что она структурно устойчива. Гармонический осциллятор - пример структурно-неустойчивой (негрубой) системы. Тем не менее, эту модель можно применять для изучения процессов на ограниченных промежутках времени.

Универсальность моделей

Важнейшие математические модели обычно обладают важным свойством универсальности : принципиально разные реальные явления могут описываться одной и той же математической моделью. Скажем, гармонический осциллятор описывает не только поведение груза на пружине, но и другие колебательные процессы, зачастую имеющие совершенно иную природу: малые колебания маятника, колебания уровня жидкости в U -образном сосуде или изменение силы тока в колебательном контуре. Таким образом, изучая одну математическую модель, мы изучаем сразу целый класс описываемых ею явлений. Именно этот изоморфизм законов, выражаемых математическими моделями в различных сегментах научного знания, подвиг Людвига фон Берталанфи на создание «Общей теории систем ».

Прямая и обратная задачи математического моделирования

Существует множество задач, связанных с математическим моделированием. Во-первых, надо придумать основную схему моделируемого объекта, воспроизвести его в рамках идеализаций данной науки. Так, вагон поезда превращается в систему пластин и более сложных тел из разных материалов, каждый материал задается как его стандартная механическая идеализация (плотность, модули упругости, стандартные прочностные характеристики), после чего составляются уравнения, по дороге какие-то детали отбрасываются, как несущественные, производятся расчёты, сравниваются с измерениями, модель уточняется, и так далее. Однако для разработки технологий математического моделирования полезно разобрать этот процесс на основные составные элементы.

Традиционно выделяют два основных класса задач, связанных с математическими моделями: прямые и обратные.

Прямая задача : структура модели и все её параметры считаются известными, главная задача - провести исследование модели для извлечения полезного знания об объекте. Какую статическую нагрузку выдержит мост? Как он будет реагировать на динамическую нагрузку (например, на марш роты солдат, или на прохождение поезда ни различной скорости), как самолёт преодолеет звуковой барьер, не развалится ли он от флаттера , - вот типичные примеры прямой задачи. Постановка правильной прямой задачи (задание правильного вопроса) требует специального мастерства. Если не заданы правильные вопросы, то мост может обрушиться, даже если была построена хорошая модель для его поведения. Так, в 1879 г. в Англии обрушился металлический мост через реку Тей , конструкторы которого построили модель моста, рассчитали его на 20-кратный запас прочности на действие полезной нагрузки, но забыли о постоянно дующих в тех местах ветрах. И через полтора года он рухнул.

В простейшем случае (одно уравнение осциллятора, например) прямая задача очень проста и сводится к явному решению этого уравнения.

Обратная задача : известно множество возможных моделей, надо выбрать конкретную модель на основании дополнительных данных об объекте. Чаще всего, структура модели известна, и необходимо определить некоторые неизвестные параметры. Дополнительная информация может состоять в дополнительных эмпирических данных, или в требованиях к объекту (задача проектирования ). Дополнительные данные могут поступать независимо от процесса решения обратной задачи (пассивное наблюдение ) или быть результатом специально планируемого в ходе решения экперимента (активное наблюдение ).

Одним из первых примеров виртуозного решения обратной задачи с максимально полным использованием доступных данных был построенный И. Ньютоном метод восстановления сил трения по наблюдаемым затухающим колебаниям.

Дополнительные примеры

где x s - «равновесный» размер популяции, при котором рождаемость в точности компенсируется смертностью. Размер популяции в такой модели стремится к равновесному значению x s , причем такое поведение структурно устойчиво.

Эта система имеет равновесное состояние , когда число кроликов и лис постоянно. Отклонение от этого состояния приводит к колебаниям численности кроликов и лис, аналогичным колебаниям гармонического осциллятора . Как и в случае гармонического осциллятора, это поведение не является структурно устойчивым : малое изменение модели (например, учитывающее ограниченность ресурсов, необходимых кроликам) может привести к качественному изменению поведения . Например, равновесное состояние может стать устойчивым, и колебания численности будут затухать . Возможна и противоположная ситуация, когда любое малое отклонение от положения равновесия приведет к катастрофическим последствиям, вплоть до полного вымирания одного из видов. На вопрос о том, какой из этих сценариев реализуется, модель Вольтерра - Лотки ответа не дает: здесь требуются дополнительные исследования.

Примечания

1. «A mathematical representation of reality»(Encyclopaedia Britanica)
2. Новик И. Б. , О философских вопросах кибернетического моделирования. М., Знание, 1964.
3. Советов Б. Я., Яковлев С. А. , Моделирование систем: Учеб. для вузов - 3-е изд., перераб. и доп. - М.: Высш. шк., 2001. - 343 с. ISBN 5-06-003860-2
4. Самарский А. А. , Михайлов А. П. Математическое моделирование. Идеи. Методы. Примеры. . - 2-е изд., испр.. - М.: Физматлит, 2001. - ISBN 5-9221-0120-X
5. Мышкис А. Д. , Элементы теории математических моделей. - 3-е изд., испр. - М.: КомКнига, 2007. - 192 с ISBN 978-5-484-00953-4
6. Wiktionary: mathematical model
7. CliffsNotes
8. Model Reduction and Coarse-Graining Approaches for Multiscale Phenomena, Springer, Complexity series, Berlin-Heidelberg-New York, 2006. XII+562 pp. ISBN 3-540-35885-4
9. «Теория считается линейной или нелинейной в зависимости от того, какой - линейный или нелинейный - математический аппарат, какие - линейные или нелинейные - математические модели она использует. … ез отрицание последней. Современный физик, доведись ему заново создавать определение столь важной сущности, как нелинейность, скорее всего, поступил бы иначе, и, отдав предпочтение нелинейности как более важной и распространенной из двух противоположностей, определил бы линейность как „не нелинейность“.» Данилов Ю. А. , Лекции по нелинейной динамике. Элементарное введение. Серия «Синергетика: от прошлого к будущему». Изд.2. - M.: URSS, 2006. - 208 с. ISBN 5-484-00183-8
10. «Динамические системы, моделируемые конечным числом обыкновенных дифференциальных уравнений, называют сосредоточенными или точечными системами. Они описываются с помощью конечномерного фазового пространства и характеризуются конечным числом степеней свободы. Одна и та же система в различных условиях может рассматриваться либо как сосредоточенная, либо как распределенная. Математические модели распределенных систем - это дифференциальные уравнения в частных производных, интегральные уравнения или обыкновенные уравнения с запаздывающим аргументом. Число степеней свободы распределенной системы бесконечно, и требуется бесконечное число данных для определения ее состояния.» Анищенко В. С. , Динамические системы, Соросовский образовательный журнал, 1997, № 11, с. 77-84.
11. «В зависимости от характера изучаемых процессов в системе S все виды моделирования могут быть разделены на детерминированные и стохастические, статические и динамические, дискретные, непрерывные и дискретно-непрерывные. Детерминированное моделирование отображает детерминированные процессы, то есть процессы, в которых предполагается отсутствие всяких случайных воздействий; стохастическое моделирование отображает вероятностные процессы и события. … Статическое моделирование служит для описания поведения объекта в какой-либо момент времени, а динамическое моделирование отражает поведение объекта во времени. Дискретное моделирование служит для описания процессов, которые предполагаются дискретными, соответственно непрерывное моделирование позволяет отразить непрерывные процессы в системах, а дискретно-непрерывное моделирование используется для случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов.» Советов Б. Я., Яковлев С. А. , Моделирование систем: Учеб. для вузов - 3-е изд., перераб. и доп. - М.: Высш. шк., 2001. - 343 с. ISBN 5-06-003860-2
12. Обычно в математической модели отражается структура (устройство) моделируемого объекта, существенные для целей исследования свойства и взаимосвязи компонентов этого объекта; такая модель называется структурной. Если же модель отражает только то, как объект функционирует - например, как он реагирует на внешние воздействия,- то она называется функциональной или, образно, черным ящиком. Возможны и модели комбинированного типа. Мышкис А. Д. , Элементы теории математических моделей. - 3-е изд., испр. - М.: КомКнига, 2007. - 192 с ISBN 978-5-484-00953-4
13. «Очевидный, но важнейший начальный этап построения или выбора математической модели - это получение по возможности более четкого представления о моделируемом объекте и уточнение его содержательной модели, основанное на неформальных обсуждениях. Нельзя жалеть времени и усилий на этот этап, от него в значительной мере зависит успех всего исследования. Не раз бывало, что значительный труд, затраченный на решение математической задачи, оказывался малоэффективным или даже потраченным впустую из-за недостаточного внимания к этой стороне дела.» Мышкис А. Д. , Элементы теории математических моделей. - 3-е изд., испр. - М.: КомКнига, 2007. - 192 с ISBN 978-5-484-00953-4, с. 35.
14. «Описание концептуальной модели системы. На этом подэтапе построения модели системы: а) описывается концептуальная модель М в абстрактных терминах и понятиях; б) дается описание модели с использованием типовых математических схем; в) принимаются окончательно гипотезы и предположения; г) обосновывается выбор процедуры аппроксимации реальных процессов при построении модели.» Советов Б. Я., Яковлев С. А. , Моделирование систем: Учеб. для вузов - 3-е изд., перераб. и доп. - М.: Высш. шк., 2001. - 343 с. ISBN 5-06-003860-2, с. 93.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

1. Основные понятия математического моделирования

Решение практических задач математическими методами последовательно осуществляется путем формулировки задачи (разработки математической модели), выбора метода исследования полученной математической модели, анализа полученного математического результата. Математическая формулировка задачи обычно представляется в виде геометрических образов, функций, систем уравнений и т.п. Описание объекта (явления) может быть представлено с помощью непрерывной или дискретной, детерминированной или стохастической и другими математическими формами.

Теория математического моделирования обеспечивает выявление закономерностей протекания различных явлений окружающего мира или работы систем и устройств путем их математического описания и моделирования без проведения натурных испытаний. При этом используются положения и законы математики, описывающие моделируемые явления, системы или устройства на некотором уровне их идеализации.

Математическая модель (ММ) представляет собой формализованное описание системы (или операции) на некотором абстрактном языке, например, в виде совокупности математических соотношений или схемы алгоритма, т. е. такое математическое описание, которое обеспечивает имитацию работы систем или устройств на уровне, достаточно близком к их реальному поведению, получаемому при натурных испытаниях систем или устройств. Любая ММ описывает реальный объект, явление или процесс с некоторой степенью приближения к действительности. Вид ММ зависит как от природы реального объекта, так и от задач исследования.

Математическое моделирование общественных, экономических, биологических и физических явлений, объектов, систем и различных устройств является одним из важнейших средств познания природы и проектирования самых разнообразных систем и устройств. Известны примеры эффективного использования моделирования в создании ядерных технологий, авиационных и аэрокосмических систем, в прогнозе атмосферных и океанических явлений, погоды и т.д.

Однако для таких серьезных сфер моделирования нередко нужны суперкомпьютеры и годы работы крупных коллективов ученых по подготовке данных для моделирования и его отладки. Тем не менее, и в этом случае математическое моделирование сложных систем и устройств не только экономит средства на проведение исследований и испытаний, но и может устранить экологические катастрофы - например, позволяет отказаться от испытаний ядерного и термоядерного оружия в пользу его математического моделирования или испытаний аэрокосмических систем перед их реальными полетами.

Между тем математическое моделирование на уровне решения более простых задач, например, из области механики, электротехники, электроники, радиотехники и многих других областей науки и техники в настоящее время стало доступным выполнять на современных ПК. А при использовании обобщенных моделей становится возможным моделирование и достаточно сложных систем, например, телекоммуникационных систем и сетей, радиолокационных или радионавигационных комплексов.

Целью математического моделирования является анализ реальных процессов (в природе или технике) математическими методами. В свою очередь, это требует формализации ММ процесса, подлежащего исследованию. Модель может представлять собой математическое выражение, содержащее переменные, поведение которых аналогично поведению реальной системы. Модель может включать элементы случайности, учитывающие вероятности возможных действий двух или большего числа «игроков», как, например, в теории игр; либо она может представлять реальные переменные параметры взаимосвязанных частей действующей системы.

Математическое моделирование для исследования характеристик систем можно разделить на аналитическое, имитационное и комбинированное. В свою очередь, ММ делятся на имитационные и аналитические.

2. Особенности построения математических моделей

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

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

Для построения математической модели необходимо:

Тщательно проанализировать реальный объект или процесс;

Выделить его наиболее существенные черты и свойства;

Определить переменные, т.е. параметры, значения которых влияют на основные черты и свойства объекта;

Описать зависимость основных свойств объекта, процесса или системы от значения переменных с помощью логико-математических соотношений (уравнения, равенства, неравенства, логико-математические конструкций);

Выделить внутренние связи объекта, процесса или системы с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций;

Определить внешние связи и описать их с помощью ограничений, уравнений, равенств, неравенств, логико-математических конструкций.

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

Построение алгоритма, моделирующего поведение объекта, процесса или системы;

Проверка адекватности модели и объекта, процесса или системы на основе вычислительного и натурного эксперимента;

Корректировка модели;

Использование модели.

Математическое описание исследуемых процессов и систем зависит от:

Природы реального процесса или системы и составляется на основе законов физики, химии, механики, термодинамики, гидродинамики, электротехники, теории пластичности, теории упругости и т.д.

Требуемой достоверности и точности изучения и исследования реальных процессов и систем.

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

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

Построение математической модели обычно начинается с построения и анализа простейшей, наиболее грубой математической модели рассматриваемого объекта, процесса или системы. В дальнейшем, в случае необходимости, модель уточняется, делается ее соответствие объекту более полным.Возьмем простой пример. Нужно определить площадь поверхности письменного стола. Обычно для этого измеряют его длину и ширину, а затем перемножают полученные числа. Такая элементарная процедура фактически обозначает следующее: реальныйобъект (поверхность стола) заменяется абстрактной математической моделью - прямоугольником. Прямоугольнику приписываются размеры, полученные в результате измерения длины и ширины поверхности стола, и площадь такого прямоугольника приближенно принимается за искомую площадь стола.

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

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

Рассмотрим другой пример: исследование движения кривошипно-шатунного механизма (Рис. 4).

Для кинематического анализа этого механизма, прежде всего, необходимо построить его кинематическую модель. Для этого:заменяем механизм его кинематической схемой, где все звенья заменены жесткими связями.Пользуясь этой схемой, мы выводим уравнение движения механизма.Дифференцируя последнее, получаем уравнения скоростей и ускорения, которые представляют собой дифференциальные уравнения 1-го и 2-го порядка.

Запишем эти уравнения:

где С 0 - крайнее правое положение ползуна С:

r - радиус кривошипа AB;

l - длина шатуна BC;

Угол поворота кривошипа;

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

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

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

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

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

3. Обобщенная математическая модель

Математическая модель описывает зависимость между исходными данными и искомыми величинами.Элементами обобщенной математической модели являются (рис. 1):

· множество входных данных (переменные) X,Y; X - совокупность варьируемых переменных; Y - независимые переменные (константы);

· математический оператор L, определяющий операции над этими данными; под которым понимается полная система математических операций, описывающих численные или логические соотношения между множествами входных и выходных данных (переменные);

· множество выходных данных (переменных) G(X,Y); представляет собой совокупность критериальных функций, включающую (при необходимости) целевую функцию.

Математическая модель является математическим аналогом проектируемого объекта. Степень адекватности ее объекту определяется постановкой и корректностью решений задачи проектирования.

Множество варьируемых параметров (переменных) X образует пространство варьируемых параметров R x (пространство поиска), которое является метрическим с размерностью n, равной числу варьируемых параметров.

Множество независимых переменных Y образуют метрическое пространство входных данных R y . В том случае, когда каждый компонент пространства R y задается диапазоном возможных значений, множество независимых переменных отображается некоторым ограниченным подпространством пространства R y .

Множество независимых переменных Y определяет среду функционирования объекта, т.е. внешние условия, в которых будет работать проектируемый объект.Это могут быть:

Технические параметры объекта, не подлежащие изменению в процессе проектирования;

Физические возмущения среды, с которой взаимодействует объект проектирования;

Тактические параметры, которые должен достигать объект проектирования.

Выходные данные рассматриваемой обобщенной модели образуют метрическое пространство критериальных показателей R G .

Схема использования математической модели в системе автоматизированного проектирования показана на рис.2.

4. Требования к математическим моделям

математический модель задача результат

Основными требованиями к МО являются требования адекватности, точности, экономичности.

1. Адекватность - способность отображать заданные свойства объекта с погрешностью не выше заданной.

2. Точность - оценивается степенью совпадения значений параметров действительного объекта и рассчитанных на математических моделях.

3. Универсальность - характеризует полноту отображения в модели свойств реального объекта.

4. Экономичность - обычно характеризуется необходимыми затратами машинной памяти и времени. Иногда оценивается по количеству операций необходимых при одном обращении к модели.Аналогичные требования по точности и экономичности фигурируют при выборе численных методов решения уравнений модели.

Требования универсальности, точности, адекватности с одной стороны и экономичности с другой противоречивы. Это обуславливает работу целого спектра моделей отличающихся теми или иными свойствами.

5. Методы получения математической модели

1. Выбор свойств объекта, которые подлежат отражению в модели. Выбор основан на анализе возможных применений модели и определяет степень универсальности ММ.

2. Сбор исходной информации о выбранных свойствах объекта. Источниками сведений могут быть: опыт и знания инженера, разрабатывающего модель; научно-техническая литература, прежде всего справочная; описания прототипов -- имеющихся ММ для элементов, близких по своим свойствам к исследуемому объекту; результаты экспериментального измерения параметров и т. п.

3. Синтез структуры ММ. Структура ММ -- общий вид математических соотношений модели без конкретизации числовых значений фигурирующих в них параметров. Структура модели может быть представлена также в графической форме, например в виде эквивалентной схемы или графа. Синтез структуры -- наиболее ответственная и наиболее трудно поддающаяся формализации операция.

4. Расчет числовых значений параметров ММ. Эта задача ставится как задача минимизации погрешности модели заданной структуры.

5. Оценка точности и адекватности ММ. Для оценки точности должны использоваться значения, которые не фигурировали при решении задачи.

6. Реализация функциональных ММ на ЭВМ подразумевает выбор численного метода решения уравнений и преобразование уравнений в соответствии с особенностями выбранного метода. Конечная цель преобразований -- получение рабочей программы анализа в виде последовательности элементарных действий (арифметических и логических операций), реализуемых командами ЭВМ. Указанные преобразования исходной ММ в последовательности элементарных действий ЭВМ выполняет автоматически по специальным программам, создаваемым инженером -- разработчиком САПР. Инженер-пользователь САПР должен лишь указать, какие программы из имеющихся он хочет использовать. Процесс преобразований ММ, относящихся к различным иерархическим уровням, иллюстрирует рисунок 3.

Рисунок 3 Процесс преобразования математических моделей ДУЧП -- дифференциальные уравнения с частными производными; ОДУ -- обыкновенные дифференциальные уравнения; АУ -- алгебраические уравнения; ЛАУ -- линейные алгебраические уравнения; 1...12 -- взаимно направленные пути дискретизации переменных в ММ

7. Инженер-пользователь задает исходную информацию об анализируемом объекте и о проектных процедурах, подлежащих выполнению, на удобном для него проблемно-ориентированном языке программного комплекса. Ветви 1 на рисунке 5.1 соответствует постановка задачи, относящейся к микроуровню, как краевой, чаще всего в виде ДУЧП. Численные методы решения ДУЧП основаны на дискретизации переменных и алгебраизации задачи.

Дискретизация заключается в замене непрерывных переменных конечным множеством их значений в заданных для исследования пространственном и временном интервалах; алгебраизация -- в замене производных алгебраическими соотношениями.

6. Использование математических моделей

Вычислительная мощность современных компьютеров в сочетании с предоставлением пользователю всех ресурсов системы, возможностью диалогового режима при решении задачи и анализе результатов позволяют свести к минимуму время решения задачи.

При составлении математической модели от исследователя требуется:

· изучить свойства исследуемого объекта;

· умение отделить главные свойства объекта от второстепенных;

· оценить принятые допущения.

Модель описывает зависимость между исходными данными и искомыми величинами. Последовательность действий, которые надо выполнить, чтобы от исходных данных перейти к искомым величинам, называют алгоритмом.

Алгоритм решения задачи связан с выбором численного метода. В зависимости от формы представления математической модели (алгебраическая или дифференциальная форма) используются различные численные методы.

Размещено на Allbest.ru

Подобные документы

Основные понятия математического моделирования, характеристика этапов создания моделей задач планирования производства и транспортных задач; аналитический и программный подходы к их решению. Симплекс-метод решения задач линейного программирования.

курсовая работа , добавлен 11.12.2011


Применение системы MathCAD при решении прикладных задач технического характера. Основные средства математического моделирования. Решение дифференциальных уравнений. Использование системы MathCad для реализации математических моделей электрических схем.

курсовая работа , добавлен 17.11.2016


Сущность понятия "дифференциальное уравнение". Главные этапы математического моделирования. Задачи, приводящие к решению дифференциальных уравнений. Решение задач поиска. Точность маятниковых часов. Решение задачи на определение закона движения шара.

курсовая работа , добавлен 06.12.2013


Изучение актуальной задачи математического моделирования в биологии. Исследование модифицированной модели Лотки-Вольтерра типа конкуренция хищника за жертву. Проведение линеаризации исходной системы. Решение системы нелинейных дифференциальных уравнений.

контрольная работа , добавлен 20.04.2016


Основные положения теории математического моделирования. Структура математической модели. Линейные и нелинейные деформационные процессы в твердых телах. Методика исследования математической модели сваи сложной конфигурации методом конечных элементов.

курсовая работа , добавлен 21.01.2014


Понятие и виды задач математического линейного и нелинейного программирования. Динамическое программирование, решение задачи средствами табличного процессора Excel. Задачи динамического программирования о выборе оптимального распределения инвестиций.

курсовая работа , добавлен 21.05.2010


Общая характеристика факультативных занятий по математике, основные формы и методы проведения. Составление календарно-тематического плана факультативного курса