Компьютерный эксперимент. Анализ результатов моделирования Чтобы дать жизнь новым конструкторским разработкам, внедрить новые технические решения в производство или проверить новые идеи, нужен эксперимент. Эксперимент это оп - Лекция Компьютерный экспе

Компьютерный эксперимент 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. 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.

Под математической моделью понимают систему математических соотношений формул, уравнений неравенств и т.д., отражающих существенные свойства объекта или процесса. Под математической моделью понимают систему математических соотношений формул, уравнений неравенств и т.д., отражающих существенные свойства объекта или процесса.

Задачи по моделированию из различных предметных областей Задачи по моделированию из различных предметных областей Экономика Экономика Экономика Астрономия Астрономия Астрономия Физика Физика Физика Экология Экология Экология Биология Биология Биология География География География

Машиностроительный завод, реализуя продукцию по договорным ценам, получил определенную выручку, затратив на производство некоторую сумму денег. Определить отношение чистой прибыли к вложенным средствам. Машиностроительный завод, реализуя продукцию по договорным ценам, получил определенную выручку, затратив на производство некоторую сумму денег. Определить отношение чистой прибыли к вложенным средствам. Постановка задачи Постановка задачи Цель моделирования исследовать процесс производства и реализации продукции с целью получения наибольшей чистой прибыли. Пользуясь экономическими формулами найти отношение чистой прибыли к вложенным средствам. Цель моделирования исследовать процесс производства и реализации продукции с целью получения наибольшей чистой прибыли. Пользуясь экономическими формулами найти отношение чистой прибыли к вложенным средствам.

Основными параметрами объекта моделирования являются: выручка, себестоимость, прибыль, рентабельность, налог с прибыли. Основными параметрами объекта моделирования являются: выручка, себестоимость, прибыль, рентабельность, налог с прибыли. Исходные данные: Исходные данные: выручка B; выручка B; затраты (себестоимость) S. затраты (себестоимость) S. Другие параметры найдем, используя основные экономические зависимости. Значение прибыли определяется как разность между выручкой и себестоимостью P=B-S. Другие параметры найдем, используя основные экономические зависимости. Значение прибыли определяется как разность между выручкой и себестоимостью P=B-S. Рентабельность r вычисляется по формуле:. Рентабельность r вычисляется по формуле:. Прибыль, соответствующая предельному уровню рентабельности 50%, составляет 50% от себестоимости продукции S, т.е. S*50/100=S/2, поэтому налог с прибыли N определяется следующим образом: Прибыль, соответствующая предельному уровню рентабельности 50%, составляет 50% от себестоимости продукции S, т.е. S*50/100=S/2, поэтому налог с прибыли N определяется следующим образом: если r

Анализ результатов Анализ результатов Полученная модель позволяет в зависимости от рентабельности определять налог с прибыли, автоматически пересчитывать размер чистой прибыли, находить отношение чистой прибыли к вложенным средствам. Полученная модель позволяет в зависимости от рентабельности определять налог с прибыли, автоматически пересчитывать размер чистой прибыли, находить отношение чистой прибыли к вложенным средствам. Проведенный компьютерный эксперимент показывает, что отношение чистой прибыли к вложенным средствам увеличивается при увеличении выручки и уменьшается при увеличении себестоимости продукции. Проведенный компьютерный эксперимент показывает, что отношение чистой прибыли к вложенным средствам увеличивается при увеличении выручки и уменьшается при увеличении себестоимости продукции.

Задача. Задача. Определите скорость движения планет по орбите. Для этого составьте компьютерную модель Солнечной системы. Постановка задачи Цель моделирования определить скорость движения планет по орбите. Объект моделирования Солнечная система, элементами которой являются планеты. Внутреннее строение планет в расчет не принимается. Будем рассматривать планеты как элементы, обладающие следующими характеристиками: название; R - удаленность от Солнца (в астрономических единицах; астроном. ед. среднее расстояние от Земли до Солнца); t - период обращения вокруг Солнца (в годах); V - скорость движения по орбите (астр.ед./год), предполагая, что планеты движутся вокруг Солнца по окружностям с постоянной скоростью.

Анализ результатов Анализ результатов 1. Проанализируйте результаты расчетов. Можно ли утверждать, что планеты, находящиеся ближе к Солнцу имеют большую скорость движения по орбите? 1. Проанализируйте результаты расчетов. Можно ли утверждать, что планеты, находящиеся ближе к Солнцу имеют большую скорость движения по орбите? 2. Представленная модель Солнечной системы является статической. При построении этой модели мы пренебрегали изменениями расстояния от планет до Солнца во время их движения по орбите. Чтобы знать, какая планета дальше и каковы примерные соотношения между расстояниями, этой информации вполне достаточно. Если же мы хотим определить расстояние между Землей и Марсом, то пренебрегать временными изменениями нельзя, и здесь придется использовать уже динамическую модель. 2. Представленная модель Солнечной системы является статической. При построении этой модели мы пренебрегали изменениями расстояния от планет до Солнца во время их движения по орбите. Чтобы знать, какая планета дальше и каковы примерные соотношения между расстояниями, этой информации вполне достаточно. Если же мы хотим определить расстояние между Землей и Марсом, то пренебрегать временными изменениями нельзя, и здесь придется использовать уже динамическую модель.

Компьютерный эксперимент Введите в компьютерную модель исходные данные. (Например: =0,5; =12) Найти такой коэффициент трения при котором машина поедет с горы (при данном угле). Найти такой угол при котором машина будет стоять на горе (при данном коэффициенте трения). Каков будет результат, если силой трения пренебречь. Анализ результатов Данная компьютерная модель позволяет проводить вычислительный эксперимент, взамен физическому. Меняя значения исходных данных, можно видеть все изменения происходящие в системе. Интересно заметить, что в построенной модели результат не зависит ни от массы автомобиля, ни от ускорения свободного падения.

Задача. Задача. Представьте себе, что на Земле останется только один источник пресной воды озеро Байкал. На сколько лет Байкал обеспечит население всего мира водой? Представьте себе, что на Земле останется только один источник пресной воды озеро Байкал. На сколько лет Байкал обеспечит население всего мира водой?

Разработка модели Разработка модели Для построения математической модели определим исходные данные. Обозначим: Для построения математической модели определим исходные данные. Обозначим: V - объем озера Байкал км3; V - объем озера Байкал км3; N - население Земли 6 млрд. чел.; N - население Земли 6 млрд. чел.; p - потребление воды в день на 1 человека (в среднем) 300 л. p - потребление воды в день на 1 человека (в среднем) 300 л. Так как 1л. = 1 дм3 воды, необходимо выполнить перевод V воды озера из км3 в дм3. V (км3) = V * 109 (м3) = V * 1012 (дм3) Так как 1л. = 1 дм3 воды, необходимо выполнить перевод V воды озера из км3 в дм3. V (км3) = V * 109 (м3) = V * 1012 (дм3) Результат количество лет, за которое население Земли использует воды Байкала, обозначим g. Итак, g=(V*)/(N*p*365) Результат количество лет, за которое население Земли использует воды Байкала, обозначим g. Итак, g=(V*)/(N*p*365) Так выглядит электронная таблица в режиме отображения формул: Так выглядит электронная таблица в режиме отображения формул:

Задача. Задача. Для производства вакцины на заводе планируется выращивать культуру бактерий. Известно, что если масса бактерий - x г., то через день она увеличится на (a-bx)x г., где коэффициенты a и b зависят от вида бактерий. Завод ежедневно будет забирать для нужд производства вакцины m г. бактерий. Для составления плана важно знать, как изменяется масса бактерий через 1, 2, 3,..., 30 дней.. Для производства вакцины на заводе планируется выращивать культуру бактерий. Известно, что если масса бактерий - x г., то через день она увеличится на (a-bx)x г., где коэффициенты a и b зависят от вида бактерий. Завод ежедневно будет забирать для нужд производства вакцины m г. бактерий. Для составления плана важно знать, как изменяется масса бактерий через 1, 2, 3,..., 30 дней..

Постановка задачи Постановка задачи Объектом моделирования является процесс изменения численности населения в зависимости от времени. На этот процесс влияют многие факторы: экология, состояние медицинского обслуживания, экономическая ситуация в стране, международная обстановка и многое другое. Обобщив демографические данные, ученые вывели функцию, выражающую зависимость численности населения от времени: Объектом моделирования является процесс изменения численности населения в зависимости от времени. На этот процесс влияют многие факторы: экология, состояние медицинского обслуживания, экономическая ситуация в стране, международная обстановка и многое другое. Обобщив демографические данные, ученые вывели функцию, выражающую зависимость численности населения от времени: f(t)=где коэффициента a и b для каждого государства свои, f(t)=где коэффициента a и b для каждого государства свои, e основание натурального логарифма. e основание натурального логарифма. Эта формула лишь приближенно отражает реальность. Для нахождения значений коэффициентов a и b можно воспользоваться статистическим справочником. Взяв из справочника значения f(t) (численность населения в момент времени t), можно приближенно подобрать a и b так, чтобы теоретические значения f(t), вычисляемые по формуле, не сильно отличались от фактических данных в справочнике. Эта формула лишь приближенно отражает реальность. Для нахождения значений коэффициентов a и b можно воспользоваться статистическим справочником. Взяв из справочника значения f(t) (численность населения в момент времени t), можно приближенно подобрать a и b так, чтобы теоретические значения f(t), вычисляемые по формуле, не сильно отличались от фактических данных в справочнике.

Использование компьютера как инструмента учебной деятельности дает возможность переосмыслить традиционные подходы к изучению многих вопросов естественнонаучных дисциплин, усилить экспериментальную деятельность учащихся, приблизить процесс обучения к реальному процессу познания, основанному на технологии моделирования. Использование компьютера как инструмента учебной деятельности дает возможность переосмыслить традиционные подходы к изучению многих вопросов естественнонаучных дисциплин, усилить экспериментальную деятельность учащихся, приблизить процесс обучения к реальному процессу познания, основанному на технологии моделирования. Решение задач из различных областей деятельности человека на компьютере базируются не только на знаниях учащимися технологии моделирования, но, естественно, и на знаниях данной предметной области. В связи с этим, предложенные уроки по моделированию целесообразнее проводить после изучения учащимися материала на общеобразовательном предмете, учителю информатики необходимо сотрудничать с учителями разных образовательных областей. Известен опыт проведения бинарных уроков, т.е. уроков, проводимых учителем информатики совместно с учителем-предметником. Решение задач из различных областей деятельности человека на компьютере базируются не только на знаниях учащимися технологии моделирования, но, естественно, и на знаниях данной предметной области. В связи с этим, предложенные уроки по моделированию целесообразнее проводить после изучения учащимися материала на общеобразовательном предмете, учителю информатики необходимо сотрудничать с учителями разных образовательных областей. Известен опыт проведения бинарных уроков, т.е. уроков, проводимых учителем информатики совместно с учителем-предметником.

В представленном выше определении термин "эксперимент" имеет двойственный смысл. С одной стороны, в компьютерном эксперименте, так же как и в реальном, исследуются отклики системы на те или иные изменения параметров либо на внешние воздействия. В качестве параметров часто используются температура, плотность, состав. А воздействия чаще всего реализуются через механические, электрические или магнитные поля. Разница состоит лишь в том, что экспериментатор имеет дело с реальной системой, в то время как в компьютерном эксперименте рассматривается поведение математической модели реального объекта. С другой стороны, возможность получать строгие результаты для четко определенных моделей позволяет использовать компьютерный эксперимент как самостоятельный источник информации для проверки предсказаний аналитических теорий и, следовательно, в этом качестве результаты моделирования играют роль того же эталона, что и опытные данные.

Из всего сказанного видно, что существует возможность двух очень разных подходов к постановке компьютерного эксперимента, что обусловлено характером решаемой задачи и тем самым определяет выбор модельного описания.

Во-первых, расчеты методами МД или МК могут преследовать чисто утилитарные цели, связанные с предсказанием свойств конкретной реальной системы и их сопоставлением с физическим экспериментом. В этом случае можно делать интересные прогнозы и проводить исследования в экстремальных условиях, например, при сверхвысоких давлениях или температурах, когда реальный эксперимент по различным причинам неосуществим либо требует слишком больших материальных затрат. Моделирование на компьютере часто является вообще единственным путем получения наиболее подробной ("микроскопической") информации о поведении сложной молекулярной системы. Это особенно наглядно это показали численные эксперименты динамического типа с различными биосистемами: глобулярными белками в нативном состоянии, фрагментами ДНК и РНК, липидными мембранами. В целом ряде случаев полученные данные заставили пересмотреть или существенно изменить имевшиеся ранее представления о структуре и функционировании этих объектов. При этом следует иметь в виду, что поскольку в подобных расчетах применяют разного рода валентные и невалентные потенциалы, которые лишь аппроксимируют истинные взаимодействия атомов, то это обстоятельство в конечном итоге и определяет меру соответствия между моделью и реальностью. Первоначально проводят решение обратной задачи, когда потенциалы калибруют по имеющимся опытным данным, и только потом уже эти потенциалы используют для получения более детальных сведений о системе. Иногда, параметры межатомных взаимодействий могут быть в принципе найдены из квантово-химических расчетов, выполненных для более простых модельных соединений. При моделировании методами МД или МК молекула трактуется не как совокупность электронов и ядер, подчиняющаяся законам квантовой механики, а как система связанных классических частиц - атомов. Такая модель называется механической моделью молекулы .

Целью другого подхода к постановке компьютерного эксперимента может быть понимание общих (универсальных или модельно-инвариантных) закономерностей поведения изучаемой системы, то есть таких закономерностей, которые определяются лишь наиболее типическими особенностями данного класса объектов, но не деталями химического строения отдельно взятого соединения. То есть в этом случае компьютерный эксперимент имеет своей целью установление функциональных связей, а не расчет числовых параметров. Эта идеология в наиболее отчетливой форме присутствует в скейлинговой теории полимеров. С точки зрения такого подхода компьютерное моделирование выступает в роли теоретического инструмента, который, прежде всего, позволяет проверить выводы существующих аналитических методов теории или дополнить их предсказания. Подобное взаимодействие между аналитической теорией и компьютерным экспериментом бывает очень плодотворным, когда в обоих подходах удается использовать идентичные модели. Наиболее ярким примером такого рода обобщенных моделей полимерных молекул может служить так называемая решеточная модель . На ее основе выполнено множество теоретических построений, в частности связанных с решением классической и, в каком то смысле, основной задачи физикохимии полимеров о влиянии объемных взаимодействий на конформацию и, соответственно, на свойства гибкой полимерной цепи. Под объемными взаимодействиями обычно подразумевают короткодействующие силы отталкивания, которые возникают между удаленными вдоль по цепи звеньями, когда они сближаются в пространстве за счет случайных изгибов макромолекулы. В решеточной модели реальную цепь рассматривают как ломаную траекторию, которая проходит через узлы правильной решетки заданного типа: кубической, тетраэдрической и др. Занятые узлы решетки соответствуют полимерным звеньям (мономерам), а соединяющие их отрезки - химическим связям в скелете макромолекулы. Запрет самопересечений траектории (или, иными словами, невозможность одновременного попадания двух и более мономеров в один решеточный узел) моделирует объемные взаимодействия (Рис. 1). То есть если, например, если используется метод МК и при смещении случайно выбранного звена оно попадает в уже занятый узел, то такая новая конформация отбрасывается и уже не учитывается в вычислении интересующих параметров системы. Различные расположения цепи на решетке соответствуют конформациям полимерной цепи. По ним и проводится усреднение требуемых характеристик, например расстояния между концами цепи R.

Исследование такой модели позволяет понять, как объемные взаимодействия влияют на зависимость среднеквадратичной величины от числа звеньев в цепи N. Конечно величина , определяющая средние размеры полимерного клубка, играет основную роль в разных теоретических построениях и может быть измерена на опыте; однако до сих пор не существует точной аналитической формулы для расчета зависимости от N при наличии объемных взаимодействий. Можно также ввести дополнительно энергию притяжения между теми парами звеньев, которые попали в соседствующие узлы решетки. Варьируя эту энергию в компьютерном эксперименте, удается, в частности, исследовать интересное явление, называемое переходом "клубок -- глобула", когда за счет сил внутримолекулярного притяжения развернутый полимерный клубок сжимается и превращается в компактную структуру - глобулу, напоминающую жидкую микроскопическую каплю. Понимание деталей такого перехода важно для развития наиболее общих представлений о ходе биологической эволюции, приведшей к возникновению глобулярных белков.

Существуют различные модификации решеточных моделей, например, такие, в которых длины связей между звеньями не имеют фиксированных значений, но способны меняться в определенном интервале, гарантирующем лишь запрет самопересечений цепи именно так устроена широко распространенная модель с "флуктуирующими связями". Однако все решеточные модели объединяет то, что они являются дискретными, то есть число возможных конформаций такой системы всегда конечно (хотя и может составлять астрономическую величину даже при сравнительно небольшом количестве звеньев в цепи). Все дискретные модели обладают очень высокой вычислительной эффективностью, но, как правило, могут исследоваться только методом Монте-Карло.

Для ряда случаев используются континуальные обобщенные модели полимеров, которые способны менять конформацию непрерывным образом. Простейший пример - цепь, составленная из заданного числа N твердых шаров, последовательно соединенных жесткими или упругими связями. Такие системы могут исследоваться как методом Монте-Карло, так и методом молекулярной динамики.

Главная > Лекция

ЛЕКЦИЯ

Тема: Компьютерный эксперимент. Анализ результатов моделирования

Чтобы дать жизнь новым конструкторским разработкам, вне-дрить новые технические решения в производство или прове-рить новые идеи, нужен эксперимент. Эксперимент - это опыт, который производится с объектом или моделью. Он заключается в выполнении некоторых действий и определении, как реагиру-ет экспериментальный образец на эти действия. В школе вы проводите опыты на уроках биологии, химии, физики, географии. Эксперименты проводят при испытании новых образцов продукции на предприятиях. Обычно для этого используется специально создаваемая установка, позволяющая провести эксперимент в лабораторных условиях, либо сам реальный продукт подвергается всякого рода испытаниям (натурный эксперимент). Для исследования, к примеру, эксплуатацион-ных свойств какого-либо агрегата или узла его помещают в тер-мостат, замораживают в специальных камерах, испытывают на вибростендах, роняют и т. п. Хорошо, если это новые часы или пылесос - не велика потеря при разрушении. А если са-молет или ракета? Лабораторные и натурные эксперименты требуют больших ма-териальных затрат и времени, но их значение, тем не менее, очень велико. С развитием компьютерной техники появился новый уни-кальный метод исследования - компьютерный эксперимент. В помощь, а иногда и на смену экспериментальным образцам и испытательным стендам во многих случаях пришли компьютер-ные исследования моделей. Этап проведения компьютерного эксперимента включает две стадии: составление плана экспери-мента и проведение исследования. План эксперимента План эксперимента должен четко отражать последовательность работы с моделью. Первым пунктом такого плана всегда являет-ся тестирование модели. Тестирование - процесс проверки правильности построенной модели . Тест - набор исходных данных , позволяющий определить пра- вильность построения модели . Чтобы быть уверенным в правильности получаемых результа-тов моделирования, надо:

проверить разработанный алгоритм построения модели; убедиться, что построенная модель правильно отражает свойства оригинала, которые учитывались при моделиро-вании.

Для проверки правильности алгоритма построения модели ис-пользуется тестовый набор исходных данных, для которых ко-нечный результат заранее известен или предварительно опреде-лен другими способами. Например, если вы используете при моделировании расчет-ные формулы, то надо подобрать несколько вариантов исход-ных данных и просчитать их «вручную». Это тестовые задания. Когда модель построена, вы проводите тестирование с теми же вариантами исходных данных и сравниваете результаты мо-делирования с выводами, полученными расчетным путем. Если результаты совпадают, то алгоритм разработан верно, если нет - надо искать и устранять причину их расхождения. Тес-товые данные могут совершенно не отражать реальную ситуа-цию и не нести смыслового содержания. Однако полученные в процессе тестирования результаты могут натолкнуть вас на мысль об изменении исходной информационной или знаковой модели, прежде всего в той ее части, где заложено смысловое содержание. Чтобы убедиться, что построенная модель отражает свойства оригинала, которые учитывались при моделировании, надо по-добрать тестовый пример с реальными исходными данными. Проведение исследования После тестирования, когда у вас появилась уверенность в пра-вильности построенной модели, можно переходить непосредст-венно к проведению исследования. В плане должен быть предусмотрен эксперимент или серия экспериментов, удовлетворяющих целям моделирования. Каж-дый эксперимент должен сопровождаться осмыслением итогов, что служит основой анализа результатов моделирования и при-нятия решений. Схема подготовки и проведения компьютерного эксперимента приведена на рисунке 11.7.

ТЕСТИРОВАНИЕ МОДЕЛИ

ПЛАН ЭКСПЕРИМЕНТА

ПРОВЕДЕНИЕ ИССЛЕДОВАНИЯ

АНАЛИЗ РЕЗУЛЬТАТОВ

Рис. 11.7. Схема компьютерного эксперимента

Анализ результатов моделирования

Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа ре-зультатов моделирования. Этот этап решающий - либо вы про-должаете исследование, либо заканчиваете. На рисунке 11.2 видно, что этап анализа результатов не может существовать ав-тономно. Полученные выводы часто способствуют проведению дополнительной серии экспериментов, а подчас и изменению за-дачи. Основой выработки решения служат результаты тестирова-ния и экспериментов. Если результаты не соответствуют целям поставленной задачи, значит, на предыдущих этапах были допу-щены ошибки. Это может быть либо неправильная постановка задачи, либо слишком упрощенное построение информационной модели, либо неудачный выбор метода или среды моделирова-ния, либо нарушение технологических приемов при построении модели. Если такие ошибки выявлены, то требуется корректи-ровка модели, то есть возврат к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования. Главное, надо всегда помнить: выявленная ошибка - тоже результат. Как гласит народная мудрость, на ошибках учатся. Об этом писал и великий русский поэт А. С. Пушкин: О, сколько нам открытий чудных Готовят просвещенья дух И опыт, сын ошибок трудных, И гений, парадоксов друг, И случай, бог изобретатель...

Контрольные вопросы и задания

Назовите два основных типа постановки задач моделиро-вания.

В известном «Задачнике» Г. Остера есть следущая задача:

Злая колдунья, работая не покладая рук, превращает в гу-сениц по 30 принцесс в день. Сколько дней ей понадобится, чтобы превратить в гусениц 810 принцесс? Сколько принцесс в день придется превращать в гусениц, чтобы управиться с ра-ботой за 15 дней? Какой вопрос можно отнести к типу «что будет, если...», а ка-кой - к типу «как сделать, чтобы...»?

Перечислите наиболее известные цели моделирования. Формализуйте шутливую задачу из «Задачника» Г. Остера:

Из двух будок, находящихся на расстоянии 27 км одна от другой, навстречу друг другу выскочили в одно и то же время две драчливые собачки. Первая бежит со скоростью 4 км/час, а вторая - 5 км/час. Через сколько времени начнется драка? Дома: §11.4, 11.5.

1. Понятие об информации

   Документ

   Окружающий мир очень разнообразен и состоит из огромного количества взаимосвязанных объектов. Чтобы найти свое место в жизни, вы с раннего детства вместе с родителями, а затем с учи­телями шаг за шагом познаете все это многообразие.

2. Выпускающий редактор В. Земских Редактор Н. Федорова Художественный редактор Р. Яцко Верстка Т. Петрова Корректоры М. Одинокова, М. Щукина ббк 65. 290-214

   Книга

   Ш39 Организационная культура и лидерство / Пер. с англ. под ред. В. А. Спивака. - СПб: Питер, 2002. - 336 с: ил. - (Серия «Теория и практика менеджмента»).

3. Учебно-методический комплекс по дисциплине: «Маркетинг» специальность: 080116 «Математические методы в экономике»

   Учебно-методический комплекс

   Область профессиональной деятельности: анализ и моделирование экономических процессов и объектов на микро, макро и глобальном уровнях; мониторинг экономико-математических моделей; прогнозирование, программирование и оптимизация экономических систем.

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. Для исследования, к примеру, эксплуатационных свойств какого-либо агрегата или узла его помещали в термостат, морозили в специальных камерах, трясли на вибростендах, роняли и т. п. Хорошо, если это новые часы или пыле­сос ~ невелика потеря при разрушении. А если самолет или ракета?

Лабораторные и натурные эксперименты требуют больших матери­альных затрат и времени, но их значение тем не менее очень велико.

Уже говорилось о том, что на первом этапе при анализе исходного объекта выявляются элементарные объекты, которые в процессе моде­лирования должны подвергаться разнообразным экспериментам. Если вернуться к примеру с самолетом, то для экспериментов с узлами и системами, как говорится, все средства хороши. Для проверки обтека­емости корпуса применяется аэродинамическая труба и натурные мо­дели крыльев и фюзеляжа, для испытания систем безаварийного энергоснабжения и пожарной безопасности возможны различные ими­тационные модели, для отработки системы выпуска шасси не обойтись без специального стенда.

С развитием вычислительной техники появился новый уникаль­ный метод исследования - компьютерный эксперимент. В помощь, а иногда и на смену экспериментальным образцам и испытательным стендам во многих случаях пришли компьютерные исследования мо­делей. Этап проведения компьютерного эксперимента включает две ста­дии: составление плана моделирования и технологию моделирования.

План моделирования должен четко отражать последовательность работы с моделью.

Часто план отображается в виде последовательности пронумерован­ных пунктов с описанием действий, которые необходимо осуществить исследователю с компьютерной моделью. Здесь не следует конкретизи­ровать, каким надо воспользоваться программным инструментарием. Подробный план является своего рода отражением стратегии компью­терного эксперимента.

Первым пунктом такого плана всегда является разработка теста, а затем тестирование модели.

Тестирование - процесс проверки правильности модели.

Тест - набор исходных данных, для которых заранее известен ре­зультат.

Чтобы быть уверенным в правильности получаемых результатов моделирования, необходимо предварительно провести компьютерный эксперимент на модели для составленного теста. При этом вы должны помнить следующее:

Во-первых, тест всегда должен быть ориентирован на то, чтобы про­верить разработанный алгоритм функционирования компьютерной модели. Тест не отражает ее смыслового содержания. Однако полу­ченные в процессе тестирования результаты могут натолкнуть вас на мысль изменения исходной информационной или знаковой мо­дели, где заложено прежде всего смысловое содержание постановки задачи.

Во-вторых, исходные данные в тесте могут совершенно не отражать реальную ситуацию. Это может быть любая совокупность простей­ших чисел или символов. Важно то, чтобы вы могли заранее знать ожидаемый результат при конкретном варианте исходных данных. Например, модель представлена в виде сложных математических соотношений. Надо ее протестировать. Вы подбираете несколько вари­антов простейших значений исходных данных и заранее просчитываете конечный ответ, т. е. вам известен ожидаемый результат. Далее вы проводите компьютерный эксперимент с этими исходными данными и полученный результат сравниваете с ожидаемым. Они должны совпа­дать. Если не совпали, надо искать и устранять причину.

После тестирования, когда у вас появилась уверенность в правиль­ности функционирования модели, вы переходите непосредственно к технологии моделирования.

Технология моделирования - совокупность целенаправленных дей­ствий пользователя над компьютерной моделью.

Каждый эксперимент должен сопровождаться осмыслением резуль­татов, которые станут основой анализа результатов моделирования.

Компьютерное моделирование - основа представления знаний в ЭВМ. Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ. Прогресс моделирования связан с разработкой систем компьютерного моделирования, а прогресс в информационной технологии - с актуализацией опыта моделирования на компьютере, с созданием банков моделей, методов и программных систем, позволяющих собирать новые модели из моделей банка.

Разновидность компьютерного моделирования - вычислительный эксперимент, т. е. эксперимент, осуществляемый экспериментатором над исследуемой системой или процессом с помощью орудия эксперимента - компьютера, компьютерной среды, технологии.

Вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем (для которых достаточно хорошо известны или разработаны методы исследования, теория) к исследованию сложных и нелинейных математических моделей систем (анализ которых гораздо сложнее). Грубо говоря, наши знания об окружающем мире линейны, а процессы в окружающем мире нелинейны.

Вычислительный эксперимент позволяет находить новые закономерности, проверять гипотезы, визуализировать ход событий и т. д.

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.

С развитием вычислительной техники появился новый уникальный метод исследования - компьютерный эксперимент. Компьютерный эксперимент включает некоторую последовательность работы с моделью, совокупность целенаправленных действий пользователя над компьютерной моделью.

Этап 4. Анализ результатов моделирования.

Конечная цель моделирования - принятие решения, которое должно быть выработано на основе всестороннего анализа полученных результатов. Этот этап решающий - либо вы продолжаете исследование, либо заканчиваете. Возможно, вам известен ожидаемый результат, тогда необходимо сравнить полученный и ожидаемый результаты. В случае совпадения вы сможете принять решение.

Основой для выработки решения служат результаты тестирования и экспериментов. Если результаты не соответствуют целям поставленной задачи, значит, допущены ошибки на предыдущих этапах. Это может быть либо слишком упрощенное построение информационной модели, либо неудачный выбор метода или среды моделирования, либо нарушение технологических приемов при построении модели. Если такие ошибки выявлены, то требуется корректировка модели , т. е. возврат к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования. Главное, надо всегда помнить: выявленная ошибка - тоже результат. Как говорит народная мудрость, на ошибках учатся.

Программы моделирования

ANSYS - универсальная программная система конечно-элементного (МКЭ ) анализа, существующая и развивающаяся на протяжении последних 30 лет, является довольно популярной у специалистов в области компьютерного инжиниринга (CAE , Computer-Aided Engineering) и КЭ решения линейных и нелинейных, стационарных и нестационарных пространственных задач механики деформируемого твёрдого тела и механики конструкций (включая нестационарные геометрически и физически нелинейные задачи контактного взаимодействия элементов конструкций), задач механики жидкости и газа, теплопередачи и теплообмена, электродинамики, акустики, а также механики связанных полей. Моделирование и анализ в некоторых областях промышленности позволяет избежать дорогостоящих и длительных циклов разработки типа «проектирование - изготовление - испытания». Система работает на основе геометрического ядра Parasolid .

AnyLogic - программное обеспечение для имитационного моделирования сложных систем и процессов , разработанное российской компанией «Экс Джей Текнолоджис» (англ. XJ Technologies ). Программа обладает графической средой пользователя и позволяет использовать язык Java для разработки моделей .

Модели AnyLogic могут быть основаны на любой из основных парадигм имитационного моделирования: дискретно-событийное моделирование , системная динамика , и агентное моделирование .

Системная динамика и дискретно-событийное (процессное) моделирование, под которым мы понимаем любое развитие идей GPSS - это традиционные устоявшиеся подходы, агентное моделирование - относительно новый. Системная динамика оперирует в основном с непрерывными во времени процессами, тогда как дискретно-событийное и агентное моделирование - с дискретными.

Системная динамика и дискретно-событийное моделирование исторически преподаются совершенно разным группам студентов: менеджмент, инженеры по организации производства и инженеры-разработчики систем управления. В результате возникли три различных практически не пересекающихся сообщества, которые почти никак не общаются друг с другом.

Агентное моделирование до недавнего времени было строго академическим направлением. Однако, растущий спрос на глобальную оптимизацию со стороны бизнеса, заставил ведущих аналитиков обратить внимание именно на агентное моделирование и его объединение с традиционными подходами с целью получения более полной картины взаимодействия сложных процессов различной природы. Так родился спрос на программные платформы, позволяющие интегрировать различные подходы.

Теперь рассмотрим подходы имитационного моделирования на шкале уровня абстракции. Системная динамика, заменяя индивидуальные объекты их агрегатами, предполагает наивысший уровень абстракции. Дискретно-событийное моделирование работает в низком и среднем диапазоне. Что же касается агентного моделирования, то оно может применяться практически на любом уровне и в любых масштабах. Агенты могут представлять пешеходов, автомобили или роботов в физическом пространстве, клиента или продавца на среднем уровне, или же конкурирующие компании на высоком.

При разработке моделей в AnyLogic можно использовать концепции и средства из нескольких методов моделирования, например, в агентной модели использовать методы системной динамики для представления изменений состояния среды или в непрерывной модели динамической системы учесть дискретные события. Например, управление цепочками поставок при помощи имитационного моделирования требует описания участников цепи поставок агентами: производители, продавцы, потребители, сеть складов. При этом производство описывается в рамках дискретно-событийного (процессного) моделирования, где продукт или его части - это заявки, а автомобили, поезда, штабелёры - ресурсы. Сами поставки представляются дискретными событиями, но при этом спрос на товары может описываться непрерывной системно-динамической диаграммой. Возможность смешивать подходы позволяет описывать процессы реальной жизни, а не подгонять процесс под доступный математический аппарат.

LabVIEW (англ. Lab oratory V irtual I nstrumentation E ngineering W orkbench) - это среда разработки и платформа для выполнения программ, созданных на графическом языке программирования «G» фирмы National Instruments (США). Первая версия LabVIEW была выпущена в 1986 году для Apple Macintosh , в настоящее время существуют версии для UNIX , GNU/Linux , Mac OS и пр., а наиболее развитыми и популярными являются версии для Microsoft Windows .

LabVIEW используется в системах сбора и обработки данных, а также для управления техническими объектами и технологическими процессами. Идеологически LabVIEW очень близка к SCADA -системам, но в отличие от них в большей степени ориентирована на решение задач не столько в области АСУ ТП , сколько в области АСНИ .

MATLAB (сокращение от англ. « Matrix Laboratory » ) - термин, относящийся к пакету прикладных программ для решения задач технических вычислений, а также к используемому в этом пакете языку программирования. MATLAB используют более 1 000 000 инженерных и научных работников, он работает на большинстве современных операционных систем , включая GNU/Linux , Mac OS , Solaris и Microsoft Windows .

Maple - программный пакет, система компьютерной алгебры . Является продуктом компании Waterloo Maple Inc., которая с 1984 года выпускает и продвигает на рынке программные продукты, ориентированные на сложные математические вычисления, визуализацию данных и моделирование.

Система Maple предназначена для символьных вычислений , хотя имеет ряд средств и для численного решения дифференциальных уравнений и нахождения интегралов . Обладает развитыми графическими средствами. Имеет собственный язык программирования , напоминающий Паскаль .

Mathematica - система компьютерной алгебры компании Wolfram Research . Содержит множество функций как для аналитических преобразований, так и для численных расчётов. Кроме того, программа поддерживает работу с графикой и звуком , включая построение двух- и трёхмерных графиков функций, рисование произвольных геометрических фигур , импорт и экспорт изображений и звука.

Инструменты прогнозирования - программные продукты, имеющие функции расчёта прогнозов. Прогнозирование - один из важнейших видов деятельности человека на сегодняшний день. Ещё в древние времена прогнозы позволяли людям рассчитывать периоды засух, даты солнечных и лунных затмений и многих других явлений. С появлением вычислительной техники прогнозирование получило мощнейший толчок развития. Одним из первых применений вычислительных машин был расчёт баллистической траектории снарядов, то есть, фактически, прогноз точки падения снаряда на землю. Такой вид прогноза называется статическим прогнозом. Существуют две основные категории прогнозов: статические и динамические. Ключевое отличие состоит в том что динамические прогнозы предоставляют информацию о поведении исследуемого объекта на протяжении какого-либо значительного интервала времени. В свою очередь, статические прогнозы отражают состояние исследуемого объекта лишь в единственный момент времени и, как правило, в таких прогнозах фактор времени, в котором объект претерпевает изменения, играет незначительную роль. На сегодняшний день существует большое количество инструментов, позволяющих строить прогнозы. Все они могут быть подвергнуты классификации по многим признакам:

Название инструмента	Сфера применения	Реализуемые модели	Требуемая подготовка пользователя	Готовность к эксплуатации
Microsoft Excel , OpenOffice.org	широкого назначения	алгоритмические, регрессионные	базовые знания статистики	требуется значительная доработка (реализация моделей)
Statistica , SPSS , E-views	исследовательская	широкий спектр регрессионных, нейросетевые		коробочный продукт
Matlab	исследовательская, разработка приложений	алгоритмические, регрессионные, нейросетевые	специальное математическое образование	требуется программирование
SAP APO	бизнес-прогнозирование	алгоритмические	не требуются глубокие знания
ForecastPro , ForecastX	бизнес-прогнозирование	алгоритмические	не требуются глубокие знания	коробочный продукт
Logility	бизнес-прогнозирование	алгоритмические, нейросетевые	не требуются глубокие знания	требуется значительная доработка (под бизнес-процессы)
ForecastPro SDK	бизнес-прогнозирование	алгоритмические	требуются базовые знания статистики	требуется программирование (интеграция с ПО)
iLog , AnyLogic , iThink , Matlab Simulink , GPSS	разработка приложений, моделирование	имитационные	требуется специальное математическое образование	требуется программирование (под специфику области)

ПК ЛИРА - многофункциональный программный комплекс, предназначенный для проектирования и расчета машиностроительных и строительных конструкций различного назначения. Расчеты в программе выполняются как на статические, так и на динамические воздействия. Основой расчётов является метод конечных элементов (МКЭ). Различные подключаемые модули (процессоры) позволяют делать подбор и проверку сечений стальных и железобетонных конструкций, моделировать грунт, рассчитывать мосты и поведение зданий в период монтажа и т. д.