Осетрова Н.В, Павелко Я.О - Финансовый Университет при
advertisement
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ: ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ SIMULATION: DECISION MAKING UNDER UNCERTAINTY Осетрова Н.В., Павелко Я.О. студенты ФГОБУ ВПО «Финансовый университет при Правительстве Российской Федерации»,Орловский филиал, г. Орел. Научный руководитель: к.ф.-м.н., доцент, Филонова Е.С. Научный консультант: к.э.н., доцент Агеев А.В. Аннотация. В данной работе раскрывается сущность и содержание метода имитационного моделирования, рассматривается история становления и применения имитационного моделирования в России. Методы имитационного моделирования проиллюстрированы на примере решения конкретных экономических задач. Annotation. In this paper, the essence and content of the method of simulation, traces the history of the formation and use of simulation in Russia. Simulation techniques are illustrated by examples of solving the economic problems. Ключевые слова: имитация, имитационный эксперимент, имитационное моделирование, программирование, случайность, метод Монте-Карло. Key words: simulation, simulation experiment, simulation, programming, chance, Monte Carlo. Стремительное развитие области информационных технологий и ее огромная роль в управлении экономическими процессами, сделали эту область индикатором управленческого прогресса. В последнее время в России активно предпринимаются шаги, направленные на превращение страны в современное высокотехнологичное государство. Мировая практика принятия сложных управленческих решений в экономических, социальных, политических, технических, военных и иных системах перешла на принципиально новый 1 уровень методологической и инструментальной поддержки, когда те или иные варианты решений должны быть предварительно апробированы не на реальных объектах и людях, а на их аналогах, т. е. на моделях. В этой связи осуществление экономических, технических, политических решений или новаций требует предварительных оценок финишных результатов при помощи системного анализа и имитационного моделирования. Этим объясняется актуальность темы данного исследования. Имитационное моделирование применяется к процессам, в ход которых может время от времени вмешиваться человеческая воля. Человек, руководящий операцией, может в зависимости от сложившейся обстановки, принимать одни или другие решения. Затем приводится в действие математическая модель, которая показывает, какое ожидается изменение обстановки в ответ на определенное решение и к каким последствиям оно приведет спустя некоторое время. Следующее «текущее решение» принимается уже с учетом реальной новой обстановки и т.д. В результате многократного повторения такой процедуры руководитель как бы «набирает опыт», учится на своих и чужих ошибках и постепенно выучивается принимать правильные решения – если не оптимальные, то почти оптимальные. Целью данной работы является раскрытие сущности и содержания методов имитационного моделирования в исследованиях и управлении, реализация данных методов на практике. Обозначенная цель будет достигнута в ходе решения следующих задач исследования: 1. Изучить историю становления имитационного моделирования в России. 2. Определить понятия имитационной модели и имитационного моделирования. 3. Выделить этапы и сформировать структуру процесса имитационного моделирования. 2 4. Рассмотреть некоторые методы имитационного моделирования и продемонстрировать их применение при решении конкретных задач управления. Объектом исследования в работе является имитационное моделирование, предмет – стохастические процессы в экономике и управлении. Методика построения имитационных моделей состоит из двух этапов: Методология имитации – постановка задачи, подготовка данных, построение модели, оценка адекватности. Организация эксперимента, имитационного экспериментирование, эксперимента – планирование обработка результатов, документирование. Имитационные эксперименты авторов работы основаны на использовании метода статистических испытаний Монте-Карло и инструментов Excel 2010. Полученные результаты имеют практическую значимость, так как построенные имитационные модели могут быть успешно распространены на большой класс задач управления и принятия решений. В 60-е годы 20 столетия в области аналитического моделирования систем массового обслуживания работало большое количество известных ученых. Многие исследователи пришли к выводу, что для более тщательного и всестороннего изучения реальных систем необходимо использовать методы имитационного моделирования. Данные методы позволяли создавать модели сложных систем с достаточной точностью, с большей степенью детализации и приближения к реальности. Еще один аргумент в пользу применения методов имитационного моделирования – бурное развитие вычислительной техники. В СССР имитационное моделирование было одним из наиболее развитых направлений в информатике. В 60–80 годы был создан ряд научных школ в Москве, Киеве, Санкт-Петербурге, Новосибирске и других городах. Помимо собственных разработок проводилось активное изучение и использование на практике передовых зарубежных технологий и систем. Например, была проведена адаптация и внедрение семейства языков GPSS. 3 Благодаря синтезу собственных научных идей и оригинальных разработок с лучшими зарубежными технологиями советская школа имитационного моделирования получила мировое признание. Глобальные политические и экономические изменения, которые произошли в СССР, привели к потере этих позиций. За несколько лет были утрачены связи, нарушена преемственность поколений, приостановлены или вообще прекращены многие перспективные разработки и т. д. В последнее время, с улучшением экономической ситуации в России интерес к имитационному моделированию стал пробуждаться. Имитационное моделирование применяется в самых разных областях, например: 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. Принципиальное отличие имитационных классом математических моделей, моделей, являющихся особым от аналитических заключается в определяющей роли компьютера в процессе их реализации. Имитационные модели не накладывают жестких ограничений на используемые исходные данные, позволяют в процессе исследования использовать всю собранную информацию вне зависимости от ее формы представления и степени формализации. Имитационное изучаемая реальная проводимые с моделирование – метод исследования, при котором система заменяется имитирующей. Эксперименты, имитирующей системой (не прибегая к экспериментам на реальном объекте), позволяют получить информацию об изучаемой системе. Используя имитационное моделирование, можно имитировать, например, бизнес-процессы так, как, если бы они происходили в действительности, с учетом графиков рабочего времени и наличия 4 необходимого количества материальных и других ресурсов. В результате, можно оценить реальные характеристики эффективности выполнения как одного процесса, так и заданного их множества. Структура имитационного моделирования представляется последовательноциклической. Последовательность имитационного определяется тем, что процесс моделирования можно разбить на ряд этапов, выполнение которых осуществляется последовательно от предыдущего к последующему. Цикличность проявляется в необходимости возвращения к предыдущим этапам и повторении уже однажды пройденного пути с измененными в силу необходимости данными и параметрами модели (рис. 1). Постановка задачи моделирования Формулирование цели: - прогнозирование; - оптимизация; -анализ чувствительности. - описание системы; - построение математической схемы; - математическое описание; -определение метода решения Построение математической модели Программирование Исследование модели ОСНОВНОЙ ЭТАП - выполнение математических экспериментов; - определение результатов моделирования. Проверка адекватности Рис. 1. Этапы имитационного моделирования при исследовании сложной проблемной ситуации Одним из видов имитационного моделирования является статистическое имитационное моделирование, позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов. 5 При исследовании возмущениям, сложных используются систем, вероятностные подверженных случайным аналитические модели и вероятностные имитационные модели. В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров процесса или системы. При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием. Основная задача компьютера при построении статистической имитационной модели – генерация случайных числовых последовательностей с заданными вероятностными характеристиками. Численный метод, решающий задачу генерирования последовательности случайных чисел с заданными законами распределения, получил название «метод статистических испытаний» или «метод Монте-Карло». Большой прорыв в использовании метода Монте-Карло произошел после появления первых компьютеров, способных с достаточно большой для того времени скоростью генерировать псевдослучайные числа, что значительно расширило круг задач, для решения которых более эффективным оказался стохастический подход. Метод Монте-Карло стали применять для решения широкого круга задач, однако его использование не всегда было оправдано, так как требовалось большое количество вычислений, чтобы получить ответ с заданной точностью. В настоящее время основные усилия исследователей направлены на создание эффективных Монте-Карло алгоритмов различных физических, химических, экономических и социальных процессов. 6 Для реализации имитационных моделей могут быть использованы различные средства: стандартные пакеты прикладных программ, языки программирования, языки и среды моделирования. По мнению многих исследователей, основным недостатком имитационных моделей, реализуемых с помощью универсальных языков программирования, пакетов прикладных программ, является их специфичность и сложность повторного использования. С другой стороны, среды моделирования могут включать избыточные функции и не всегда позволяют рассматривать особенности исследуемой области. В научной работе решены две практические задачи. В одной из них методом статистического моделирования построена имитационная модель управления запасами. В другой – методом Монте-Карло оценен риск определенного экономического поведения. На основе проведенного в работе исследования сущности и содержания методов имитационного моделирования можно сделать ряд выводов: 1. Имитационная модель отражает временной, пространственный и логический аспекты исследуемого процесса, тогда как в других моделях, как правило, присутствует один из них. 2. Это сравнительно новый класс моделей, которые основаны на имитационном эксперименте посредством компьютерного программирования реальных ситуаций 3. Обладая замечательным инструментом – имитационным моделированием, можно решить задачи высокого уровня сложности. Авторы научной работы считают, что проведенные ими имитационные эксперименты и построенные имитационные модели легко могут быть адаптированы для решения целого класса задач с аналогичной постановкой. Имитационное моделирование является мощным инструментом исследования сложных процессов и систем и позволяет решать трудно формализуемые задачи в условиях неопределенности. Поэтому данный метод позволяет совершенствовать системы поддержки принятия решений, улучшая, 7 тем самым, экономические показатели организаций, уменьшая риск от реализации решений и экономя средства для достижения той или иной цели. Особенно сейчас, в условиях спада экономической активности и производственной деятельности, когда государству и предприятиям жизненно необходимо считать каждую копейку и минуту, имитационное моделирование становится особенно актуально. Оно представляет собой универсальный подход для принятия решений в условиях неопределённости. В перспективе авторы работы планируют расширить свои навыки имитационного моделирования в направлении детального применения на практике отдельных языков программирования. 8 изучения и
