- •Методические аспекты моделирования в асу и классификация моделей.
- •3. Организация статистического моделирования. Метод монте - карло.
- •Имитация равномерно распределенных случайных величин на интервале [0; 1].
- •Метод обратных функций. Примеры реализации.
- •Имитация векторных случайных величин; стандартный метод
- •Имитация нормально распределенных св (одномерный и многомерный случаи)
- •Анализ методов имитации случайных величин с заданным законом распределения (одномерный и многомерный случаи)
- •Имитация редких событий
- •Оценка количества реализаций, необходимых для достижения требуемой точности в методе статистических испытаний
- •Метод монте – карло и имитационное моделирование
- •Методы понижения дисперсии и методы вычисления интегралов
- •Регенеративный метод анализа моделей
- •Метод стратифицированной выборки
- •Методология имитационного моделирования
- •3. Формулировка математической модели.
- •Типовые математические схемы сложных систем. Агрегат и его функционирование,
- •4.Пример представления смо в виде агрегата.
- •7.Системная динамика
- •17.Метод лемера и сдвиг бернулли. Детерминированный хаос
- •35.Особенности моделирования организационно – экономических систем. Активные системы.
- •23.Характеристики интегрированной среды моделирования gpss
- •23.Основы моделирования в системе gpss
- •31.Смо; классификация и решение задач с помощью имитационного моделирования
- •36.Имитационное моделирование систем управления запасами
- •6.Метод Бокса-Уилсона.
- •3. Определение запаса для движения в направлении крутого восхождения
- •7. Проводим пошаговое приращение в каждом последующем опыте величины уровня фактора, учитывая знаки коэффициентов регрессии.
- •9. Классификация случайных процессов и корреляционные функции.
- •Корреляционные функции
- •18.Имитация потоков событий и случайных векторных величин.
- •19.Понятие детерминированного хаоса и показатель Ляпунова.
- •21. Особенности моделирования организационно-экономических систем. Производственные функции.
- •27.Системы массового обслуживания; классификация и решение задач аналитическим методом.
- •28.Методы имитации дискретных случайных величин.
- •30.Задача определения давления в пласте с помощью метода Монте-Карло.
- •32. Моделирование геологического разреза.
- •Теоретическая часть. Построение имитационной модели геологического разреза
- •34.Системы управления запасами; типовые математические модели.
- •37.Агентное моделирование.
- •Причины возникновения
- •Постановка задачи
- •Реализации
- •38.Имитация экспоненциально распределенных случайных величин.
- •40.Метод композиций; имитация св, подчиненных распределению хи квадрат.
35.Особенности моделирования организационно – экономических систем. Активные системы.
ОСОБЕННОСТИ:
-
Иерархическая структура.
-
Наличие коллектива людей.
-
Многокритериальность.
-
Большой объем разнообразной информации (числовая, текстовая, символьная).
-
Неопределенность (по информации, по постановке задач, по критериям).
-
Трудности в подборе исходной информации, т.к. большое число скрытых внутренних закономерностей.
-
Высокий субъективный фактор.
ОСНОВЫ МАТЕМАТИЧЕСКОЙ ТЕОРИИ АКТИВНЫХ СИСТЕМ
Присутствие человека приводит к определенной активности системы. Активным называется элемент, имеющий собственные цели (интересы), способный искажать информацию и работать с разной эффективностью, в соответствии со своими интересами. ГЛАВНАЯ ЗАДАЧА, решаемая в теории активных систем – построение эффективных организационных механизмов (законов стимулирования, процедур планирования и др.)
ЗАДАЧИ ПРОИЗВОДСТВА ПРОДУКЦИИ. Описание модели:
Система состоит из планирующего органа – Центра и “n” предприятий -
производителей однородной продукции – элементов.
Исследуется функционирование системы в дискретные периоды (месяц, квартал, год)
Задача центра – назначить план каждому предприятию при условии, чтобы суммарный выпуск продукции был равен заданному количеству R (плановое задание для системы в целом), а суммарные затраты на производство продукции были минимальными.
xi - план «i»-го предприятия
zi - затраты «i»-го предприятия на выпуск продукции в количестве xi.
При заданном плане xi существует минимальная величина Зi(xi) затрат. Реальные затраты могут быть значительно выше этой величины (причины – плохая организация производства, отсутствие заинтересованности предприятия к снижению затрат). Так как затраты растут с ростом плана, то Зi(xi) – неубывающая функция xi. Для упрощения примем ri – коэффициент эффективности производства.
Задача центра - минимизировать затраты при выполнении планового задания
Задача предприятия Интересы предприятия определяются целым рядом факторов (материальных, престижных и др. ). fi = λxi – zi, fi - прибыль предприятия, λ – цена единицы продукции
а) Если бы центр знал коэффициент эффективности {ri} всех предприятий, то задача оптимального управления системой решается методом множителей Лагранжа.
Формируем функцию:
μ – множитель Лагранжа. Дифференцируя по xi, получаем xi = μri:
μ определяем из ∑ xi = R, т.е.
оптимальный план :
В этом случае центру достаточно назначить каждому “i” предприятию соответствующий план xi и обеспечить контроль за его выполнением. А предприятие заинтересовано реализовать план с минимальными затратами (fi = λxi – zi , т.к. λ и xi – фиксированы, тогда прибыль ↑).
Затраты на выпуск всей продукции будут при этом также минимальны
б) Проблемы возникают в том случае, если центр имеет ограниченную информацию о коэффициенте эффективности предприятий. Центру известны только границы возможных значений ri. Как центру принимать решение в этих условиях неопределенности?
Пусть λ = сonst. Для предприятия :
т.е. прибыль предприятия зависит от оценок, сообщенных другими предприятиями. Игра «n» лиц с функциями выигрыша ρi(s), si – стратегия i-го игрока, [d,D] –множество возможных стратегий, S = {si}. Решение игры – ситуация равновесия в смысле Нэша, т.е.
т.е. отдельному предприятию невыгодно менять стратегию, если остальные предприятия придерживаются прежних стратегий. План, выгодный предприятию:
max (2-я производн. стр.)
А со стороны центра xi = siR/s
Если xi(s*) < vi , то выгодная для предприятия оценка своих возможностей si*= D, т.к. xi(s) – возрастающая функция si . Если xi(s*)> vi , то si* = d. Если d<si*<D, то обязательно xi*=xi(s*)=vi . Нестрого, но видно, что при ∑vi>R и ∑vi<R решение при s*=D и s*=d - это x*=R/n.
Принцип открытого управления
Причина низкой эффективности ЖЦ –несовпадение интересов центра и предприятий: для предприятий xi = λri = vi для центра xi=siR/s, ∑xi=R. Если v=R, то цели центра и предприятий совпадают, но при v≠R предприятия, преследуя свои цели, пользуются предоставленной им свободой в выдаче информации. Функции λxi-xi2/2si – функция предпочтения предприятия. Для устранения коэффициентов определяют закон управления λ(s) и xi(s) λri=siR/s, λ(s)=R/s, xi(s)=siR/s.
Принцип согласованного управления
Согласованный оптимум означает преобразование конфликтной ситуации в такую, при которой ни один из участников конфликта не может улучшить свое состояние, не причинив вреда остальным партнерам (принцип Парето). Если игроки действуют по принципу «каждому-свое», тогда решением будет ситуация, определенная уравнением: - это т. несогласованного оптимума.
Т. согласованного оптимума определяется Df/Dx, где D/Dx – якобиан, а f = (f1,…fn).
Существует много методов согласования целей (один из них функция штрафа)
Например: Центр планирует не только кол-во выпущенной продукции, но и затраты на производство. Пусть wi – планируемые затраты i-го производства, которые определяются на основе оценок si , т.е. ( wi = xi2/2si ). При отклонении реальных затрат от планируемых, предприятие штрафуют.
Конкретные запасы СУ получаются при выборе конкретных функций предпочтения для всех предприятий и процедуры выбора решения. Причем ХУ и ОУ – могут входить как частные случаи. Если обозначить αi(λ,xi,si) – некоторая функция предпочтения i-го предприятия, а ψ(x,s) – ц.ф. центра ψ(x,s)→min, ∑xi = R, xi ≥0 αi(xi,λ,si)= max z αi(λ,z,xi)