Вопрос №25
Методы прикладной
математики
Прогресс
в вычислительной информатике
определяется успехами интеграции
программистских , математических и
специальных дисциплин. В рамках
этой
науки успешно развиваются направления
вычислительной геометрии и
вычислительного
эксперимента. А созданием и
использованием методов численного
решения математических задач занимается
третье направление – вычислительная,
или прикладная, математика.
В
ней выделяются два раздела: численный
анализ функций и вычислительные
методы решения уравнений. Первый
посвящен исследованию математических
объектов или методов безотносительно
к их происхождению и прикладной
области. Сюда относятся исследование
приближенных алгоритмов математического
анализа, методы линейной алгебры,
аппроксимация функций, численное
дифференцирование и интегрирование,
решение нелинейных уравнений.
Во
втором разделе исследуются
математические модели и решаются
задачи математической физики, называемые
также задачами решения уравнений
в
частных производных, для конкретных
прикладных областей знаний. Здесь
рассматриваются
численные методы решения дифференциальных,
интегральных, интегро-дифференциальных
уравнений, а также методы математического
программирования
(линейного, квадратичного, выпуклого),
методы оптимизации и оптимального
управления. Наиболее сложные из со
временных задач математической физики
описываются нелинейными системами
дифференциальных и интегральных
уравнений.
Решение
математической задачи на ЭВМ состоит
из ряда этапов: аппроксимации задачи,
ее интерполяции, дискретизации,
формирования и решения
системы
алгебраических уравнений, анализа
погрешностей.
В
инженерной практике нашли применение
три типа математических пакетов:
библиотеки программ для математических
расчетов; специализированные пакеты
для решения конкретных математических
задач; математические
системы
программирования.
Математический
пакет МathCad
сочетает в себе возможности проведения
расчетов
и подготовки форматированных научных
и технических документов.
Настоящим
ответом на этот вызов следует считать
создание компьютеризированных
математических систем типа Eureka фирмы
Borland,
MathCAD фирмы Math Soft, Mat LAB фирмы Math
Work ( первые публикации на русском языке
относятся к началу 90-х годов).Такие
системы позволяли использовать
возможности развитых численных методов
без классической процедуры программирования
и в тоже время предоставляли инженеру-
исследователю удобную для его работы
среду.
Если первое поколение этих и
аналогичных , гораздо более мощных
систем(
Maple V, Mathematica 2, MathCAD 3.0) проявляло
часто «детскую беспомощность» при
решении задач в формульном виде, то
последующие, а тем более нынешние,
поколения работали с символьной
математикой и с числами уже с той
эффективностью и в таком темпе, что
пользователю не было необходимости
тратить на организацию процессов
преобразований и вычислений все свои
интеллектуальные и временные ресурсы,
и оказалось возможным реально
сосредоточить внимание на самой
задаче.
В настоящее время используется
довольно много систем компьютерной
алгебры, систем автоматизации
математических вычислений, рассчитанных
на массового пользователя: muMath, Reduce,
MathCAD 3.0-7.0, Derive, Maple V, Mathematica
2/3 др.Информация
и интерес к ним пришли, к сожалению, в
Россию довольно поздно, что связано с
отсутствием литературы о таких конкретных
системах у нас вообще вплоть до самого
последнего времени.
Как
следует из просмотра этого обширного
списка, пакеты Maple 7 охватывают многие
крупные разделы математики и существенно
дополняют возможности системы,
предоставляемые средствами ее ядра.
Пакеты расширения пишутся на Maple-языке
программирования, поэтому они могут
легко модернизироваться и пополняться.
Этим, в частности, объясняется тот факт,
что набор пакетов расширения в Maple 7
существенно пополнен по сравнению с
предшествующими реализациями системы.
Вопрос 23
Вопрос 24
Вопрос 27
Вопрос
№ 26 Имитационное
моделирование (ситуационное моделирование)
— метод, позволяющий строить модели,
описывающие процессы так, как они
проходили бы в действительности. Такую
модель можно «проиграть» во времени
как для одного испытания, так и заданного
их множества. При этом результаты будут
определяться случайным характером
процессов. По этим данным можно получить
достаточно устойчивую статистику. Имитационное
моделирование — это метод исследования,
при котором изучаемая система заменяется
моделью, с достаточной точностью
описывающей реальную систему, с которой
проводятся эксперименты с целью
получения информации об этой системе.
Экспериментирование с моделью называют
имитацией (имитация — это постижение
сути явления, не прибегая к экспериментам
на реальном объекте). Имитационное
моделирование — это частный случай
математического моделирования.
Существует класс объектов, для которых
по различным причинам не разработаны
аналитические модели, либо не разработаны
методы решения полученной модели. В
этом случае аналитическая модель
заменяется имитатором или имитационной
моделью. Имитационным
моделированием иногда называют получение
частных численных решений сформулированной
задачи на основе аналитических решений
или с помощью численных методов. Имитационная
модель — логико-математическое описание
объекта, которое может быть использовано
для экспериментирования на компьютере
в целях проектирования, анализа и оценки
функционирования объекта. К
имитационному моделированию прибегают,
когда : дорого
или невозможно экспериментировать на
реальном объекте; невозможно
построить аналитическую модель: в
системе есть время, причинные связи,
последствие, нелинейности, стохастические
(случайные) переменные; необходимо
сымитировать поведение системы во
времени. Виды
имитационного моделирования Агентное
моделирование
— относительно новое (1990-е-2000-е гг.)
направление в имитационном моделировании,
которое используется для исследования
децентрализованных систем, динамика
функционирования которых определяется
не глобальными правилами и законами
(как в других парадигмах моделирования),
а наоборот, когда эти глобальные правила
и законы являются результатом
индивидуальной активности членов
группы. Дискретно-событийное
моделирование
— подход к моделированию, предлагающий
абстрагироваться от непрерывной природы
событий и рассматривать только основные
события моделируемой системы, такие
как: «ожидание», «обработка заказа»,
«движение с грузом», «разгрузка» и
другие. Дискретно-событийное моделирование
наиболее развито и имеет огромную сферу
приложений — от логистики и систем
массового обслуживания до транспортных
и производственных систем Системная
динамика —
парадигма моделирования, где для
исследуемой системы строятся графические
диаграммы причинных связей и глобальных
влияний одних параметров на другие во
времени, а затем созданная на основе
этих диаграмм модель имитируется на
компьютере. Области
применения Бизнес-процессы Боевые
действия Динамика
населения Дорожное
движение ИТ-инфраструктура Математическое
моделирование исторических процессов Логистика Пешеходная
динамика Производство Рынок
и конкуренция Сервисные
центры Цепочки
поставок Уличное
движение Управление
проектами Экономика
здравоохранения Экосистема Информационная
безопасность
