Возможности, область применения имитационного моделирования
Рассмотрим возможности метода имитационного моделирования,
обусловившие его широкое применение в самых различных сферах.
Имитационное моделирование традиционно находит применение в
экономических исследованиях: моделировании производственных систем
и логистических процессов , маркетинге, моделировании бизнес
процессов; в социально-экономических исследованиях: моделировании
экономических реформ, региональных процессов ,социологии и политологии; моделировании транспортных, информационных и телекоммуникационных систем, наконец, глобальном моделировании мировых процессов .
Метод имитационного моделирования позволяет решать задачи
исключительной сложности, обеспечивает имитацию любых сложных и
многообразных процессов, с большим количеством элементов, отдельные
функциональные зависимости в таких моделях могут описываться весьма
громоздкими математическими соотношениями. Поэтому имитационное
моделирование эффективно используется в задачах исследования систем
со сложной структурой с целью решения конкретных проблем.
Имитационная модель содержит элементы непрерывного и дискретного действия, поэтому применяется для исследования динамических
систем, когда требуется анализ узких мест, исследование динамики
функционирования, когда желательно наблюдать на имитационной модели
ход процесса в течение определенного времени
Имитационное моделирование – эффективный аппарат исследования стохастических систем, когда исследуемая система может быть подвержена влиянию многочисленных случайных факторов сложной природы (у математических моделей для этого класса систем ограниченные возможности). Имеется возможность проводить исследование в условиях неопределенности, при неполных и неточных данных.
Имитационное моделирование является наиболее ценным, системообразующим звеном в системах поддержки принятия решений, т.к.
позволяет исследовать большое число альтернатив (вариантов решений),
проигрывать различные сценарии при любых входных данных. Главное
преимущество имитационного моделирования состоит в том, что
исследователь для проверки новых стратегий и принятия решений, при
изучении возможных ситуаций, всегда может получить ответ на вопрос
“Что будет, если? ...”. Имитационная модель позволяет прогнозировать,
когда речь идет о проектируемой системе или исследуются процессы
развития (т.е. в тех случаях, когда реальной системы не существует).
В имитационной модели может быть обеспечен различный (в том
числе и очень высокий) уровень детализации моделируемых процессов.
При этом модель создается поэтапно, постепенно, без существенных
изменений, эволюционно.
Глава2. Сравнительный анализ имитационных и аналитических моделей
Рис. 2. Аналитическое (статическое) и имитационное (динамическое) моделирование
2.1. Анализ аналитических и имитационных моделей
Традиционно математические модели разделяют на аналитические и имитационные модели. Аналитические модели представляют собой уравнения или системы уравнений, записанные в виде алгебраических, интегральных, дифференциальных, конечно-разностных и иных соотношений и логических условий. Они записаны и решены в буквенном виде. Отсюда и происходит их название. Аналитическая модель, как правило, статическая. Аналитическое представление подходит лишь для очень простых и сильно идеализированных задач и объектов, которые, как правило, имеют мало общего с реальной (сложной) действительностью, но обладают высокой общностью. Данный тип моделей обычно применяют для описания фундаментальных свойств объектов, так как фундамент прост по своей сути. Сложные объекты редко удаётся описать аналитически.
Альтернативой аналитическим моделям являются имитационные модели (динамические). Основное отличие имитационных моделей от аналитических состоит в том, что вместо аналитического описания взаимосвязей между входами и выходами исследуемой системы строят алгоритм, отображающий последовательность развития процессов внутри исследуемого объекта, а затем «проигрывают» поведение объекта на
компьютере. К имитационным моделям прибегают тогда, когда объект моделирования настолько сложен, что адекватно описать его поведение математическими уравнениями невозможно или затруднительно. Имитационное моделирование позволяет разлагать большую модель на части (объекты, «кусочки»), которыми можно оперировать по отдельности, создавая другие, более простые или, наоборот, более сложные модели.
Таким образом, основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач, так как имитационную модель можно постепенно усложнять, при этом результативность модели не падает.
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 определенные моменты времени, дающие возможность оценить характеристики системы. Имитационные модели позволяют достаточно просто учитывать
такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и другие, которые часто создают трудности при аналитических исследованиях. Имитационное моделирование тяготеет к объектно-ориентированному представлению, которое естественным образом описывает объекты, их состояние, поведение, а также взаимодействие
между ними.
В настоящее время имитационное моделирование – наиболее эффективный метод исследования систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.
Имитационная модель в отличие от аналитической представляет собой не законченную систему уравнений, а развернутую схему с детально описанной структурой и поведением изучаемого объекта. Для имитационного моделирования характерно воспроизведение явлений, описываемых моделью, с сохранением их логической структуры, последовательности чередования во времени, взаимосвязей между параметрами и переменными исследуемой системы.
В аналитических моделях можно использовать широкий арсенал математических методов, что часто позволяет найти оптимальное решение и иногда провести анализ чувствительности. Однако, к сожалению, аналитические решения не всегда существуют, а существующие не всегда просто найти.
Что касается имитационных моделей, то оптимальность решения не гарантирована, и даже более того – часто трудно получить решение, хотя бы в какой-то степени близкое к оптимальному. Иногда требуется провести много испытаний имитационной модели, чтобы получить приемлемую достоверность «добротности» какого-либо решения.
Однако с помощью имитационного моделирования можно получить такие данные, которые с помощью аналитических моделей получить очень сложно или совсем невозможно, например, определить влияние изменчивости параметров модели, поведение модели до достижения ею установившегося состояния и т.п. См. рис 2.
Рис. 3. Модели поддержки принятия решений
В аналитических моделях (в частности, математического программирования) значения переменных решений являются выходом модели. Выходным результатом процесса оптимизации модели будут значения переменных решений, которые максимизируют (или минимизируют) целевую функцию. В имитационных моделях значения
переменных решений являются входом модели – выходным результатом процесса имитации модели будет значение целевой функции, соответствующее данным входным значениям переменных.
Еще в недалеком прошлом имитационные модели считались методом «второго сорта», которые применялись только тогда, когда было невозможно применять аналитические. И действительно, если уже построена аналитическая модель, то обычно с помощью того или иного метода оптимизации можно найти оптимальное детерминированное решение. Однако на сегодняшний день многие аналитические модели (в частно-
сти, модели математического программирования) имеют ограниченное применение на практике. В том случае, когда аналитические модели невозможно применять, аналитики применяют имитационные модели. Имитационные модели считаются одними из наиболее перспективных при решении задач управления экономическими объектами. В общем случае, для сложных проблем, где время и динамика важны, имитационное мо-
дели считаются одним из самых популярных и полезных методов количественного анализа [4]:
1. Аналитические модели часто трудны для формализации и построения, а иногда их вообще невозможно построить. Любая аналитическая модель имеет свои «затрудняющие» факторы, которые зависят от специфики данной модели.
2. Аналитические модели обычно дают среднестатистические или стационарные (долговременные) решения. На практике часто важно именно нестационарное поведение системы или ее характеристики на коротком временном интервале, что не дает возможности получить «средние» значения.
3. Для имитационного моделирования можно использовать широкий круг программного обеспечения специально разработанных для создания имитационных моделей.
Как аналитические, так и имитационные модели можно использовать для решения задач, включающих случайные события. При этом часто аналитические модели предпочтительнее имитационных по следующим причинам:
Имитационное моделирование требует проведения большого числа испытаний, чтобы получить хорошую оценку значения целевой функции для каждого отдельного решения.
С помощью аналитической модели можно получить оптимальное решение.
Решение задачи с помощью имитационного моделирования требует оценить большое количество возможных альтернативных решений.
К достоинствам имитационного моделирования по сравнению с аналитическими моделями можно отнести:
1)Возможность многократного измерения интересующих нас параметров мо-
дели.
2)Возможность исследования сложных сценариев поведения системы.
В таблице приведен перечень наиболее существенных отличительных характеристик имитационных и аналитических моделей, проходящих через все три стадии процесса моделирования, а именно формализацию, моделирование и интерпретацию результатов моделирования.
Табл.1.Сравнительные характеристики имитационных и аналитических моделей