Практическое задание1111111111111. 1Методы проектирования эвристические
 Скачать 0.5 Mb.
|
|
Алгоритм выполнения практического задания Ознакомиться с теоретической частью практического задания. По варианту выполнения практического задания №1 заполнить таблицу 4. Титульный лист для практического задания №2 Министерство образования и науки Российской Федерации федеральное государственное бюджетное образовательное учреждение высшего образования «Тольяттинский государственный университет» ____________________________________________________________ (институт) ____________________________________________________________ (кафедра) Практическое задание №2 по учебному курсу «___________________________________» Вариант ____ (при наличии)
Тольятти 20__ Бланк для оформления практического задания 2 Таблица 4 Алгоритм выполнения ТРИЗ
Практическое задание №3 Метод проектирования - «моделирование» Тема 4. Организация проектной деятельности Цель:ознакомиться с методом проектирования «моделирование». Формулировка задания Дать характеристику применения моделирования в проектировании и рассмотреть понятия и методы моделирования. Получить практические навыки структуру с использованием методов моделирования в проектировании. Теоретическая часть. Существенную роль в управленческой деятельности выполняет общенаучный метод моделирования, который опирается на системный и комплексный подходы к управлению. Моделирование представляет собой исследование каких-либо явлений, процессов или систем объектов путем построения и изучения их моделей, а также использование моделей для определения или уточнения способов построения вновь создаваемых объектов. В теории управления метод моделирования обычно осуществляется путем построения и оперирования моделями, отражающими свойства, взаимосвязи, структурные и функциональные характеристики управляемых объектов, существенные с точки зрения осуществления управленческих решений. Он осуществляется в несколько этапов. Этапы моделирования: 1) Постановка целей и задач конструирования моделей; 2) теоретический (эмпирический) анализ данной модели и определение области применения; 3) практическое применение полученных данных; 4) если возникает необходимость, проводится четвертый этап, содержание которого составляет корректировка полученных результатов с целью введения дополнительных данных и факторов, возможных ограничений и уточнений. Методы математического моделирования Моделирование – это один из важнейших методов научного познания, с помощью которого создается модель (условный образ) объекта исследования. Сущность его заключается в том, что взаимосвязь исследуемых явлений и факторов передается в форме конкретных математических уравнений. Процесс построения математической модели включает в себя следующие типовые этапы: • формулирование целей моделирования; качественный анализ экосистемы исходя из этих целей; • формулировку законов и правдоподобных гипотез относительно структуры экосистемы, механизмов ее поведения в целом или отдельных частей (при самоорганизации эти законы «находит» компьютер); • идентификацию модели (определение ее параметров); • верификацию модели (проверку ее работоспособности и оценку степени адекватности реальной экосистеме); • исследование модели (анализ устойчивости ее решений, чувствительности к изменениям параметров и пр.) и эксперимент с ней. Если вспомнить еще об уникальности экосистем, невозможности их редукции, сложности проведения системных экспериментов, значительной погрешности и малочисленности измерений многих экологических параметров, неполноте наших знаний о механизмах функционирования экосистем, то становятся понятны сомнения ряда специалистов относительно возможностей экологического прогнозирования в частности, и экологического моделирования вообще. В.В. Налимов писал, что можно «как блестящие идеи, так и научные нелепости одинаковым образом облечь во впечатляющий мундир формул и теорем... Наряду с математизацией знаний происходит и математизация глупостей; язык математики, как ни странно, оказывается пригодным для выполнения любой из этих задач». Однако при правильном применении математический подход не отличается существенно от подхода, основанного на «традиционном здравом смысле». Математические методы просто более точны и в них используются более четкие формулировки и более широкий набор понятий. В конечном счете они должны быть совместимы с обычными словесными рассуждениями, хотя, вероятно, идут дальше них. В тех случаях когда установлено постоянное и удовлетворительно точное согласие между математической моделью и опытом, такая модель приобретает практическую ценность. Эта ценность может быть достаточно велика, вне зависимости от того, представляет ли сама модель чисто математический интерес. Итак, сформулируем еще один принцип математического моделирования в экологии: модель должна иметь конкретные цели. Условно такие цели можно подразделить на три основные группы: 1) компактное описание наблюдений; 2) анализ наблюдений (объяснение явлений); 3) предсказание на основе наблюдений (прогнозирование). Нередко бывает так, что одну и ту же модель можно воспринимать сразу в трех «ипостасях», т.е. используя ее и для описания, и для анализа, и для предсказания. К примеру, логистической регрессией мы описываем параметры генеральной совокупности, но одновременно мы и анализируем взаимосвязи в этой совокупности, результат же логистической регрессии мы применяем для предсказания. Показано, что для сложных свойств сложных систем нельзя ожидать аналогичного успеха: одна модель (один закон) будет не в состоянии одновременно удовлетворительно выполнять как объяснительную, так и предсказательную функцию (принцип разделения функций описания и прогнозирования). Для объяснения необходимы простые модели, и здесь, по меткому выражению У.Р. Эшби, «в будущем теоретик систем должен стать экспертом по упрощению». Что касается экологического прогнозирования, то «сложность модели для сложных объектов принципиально необходима». Методы моделирования процессов Этот метод предназначен для моделирования последовательности выполнения действий и взаимозависимости между ними в рамках процессов. Основой модели служит так называемый сценарий процесса, который выделяет последовательность действий и подпроцессов анализируемой системы. Можно отметить основные этапы метода: – постановка задачи; – разработка модели; – анализ результатов моделирования. Методы моделирования решений Решение – это результат конкретной управленческой деятельности менеджера. Решение – это выбор альтернативы. Этапы рационального решения проблем: диагноз, формулировка ограничений и критериев принятия решений, выявление альтернатив, их оценка, окончательный выбор. Процесс моделирования часто применяется при решении сложных проблем в управлении, так как позволяет избежать трудностей и издержек при проведении экспериментов в реальной жизни. Типы моделей: физическая, аналоговая (организационная схема, график), математическая (использование символов для описания действия или объектов). Процесс построения моделей состоит из нескольких этапов: постановка задачи, построение модели, проверка модели на достоверность, применение модели, обновление модели в процессе реализации. Часто при моделировании применяется теория игр. Модель теории очередей (используется для определения оптимального числа каналов обслуживания по отношению к потребностям в этих каналах). Модель управления запасами (для оптимизации времени исполнения заказов; цель – свести к минимуму отрицательные последствия при накоплении или дефиците запасов продукции или ресурсов). Модель линейного программирования (для определения оптимального распределения дефицитных ресурсов при наличии конкурирующих между собой потребностей). Имитационное моделирование (часто применяется в ситуациях слишком сложных для использования математических методов). Методы принятия решений 1. Метод, основанный на интуиции управляющего, которая обусловлена наличием у него ранее накопленного опыта. 2. Метод, основанный на принятии «здравого смысла», когда управляющий, принимая решения, обосновывает их последовательными доказательствами, содержание которых опирается на практический опыт. 3. Метод, основанный на научно-практическом подходе, предполагающий выбор оптимальных решений на основе переработки больших количеств информации, помогающий обосновать принимаемые решения. Требования к методам принятия решений: практическая применимость, экономичность, достаточность, точность, достоверность. Методы моделирования систем Моделирование применяется в тех случаях, когда проведение реального эксперимента сопряжено с опасностью, высокими экономическими и временными затратами или неудобен в масштабе пространства и времени. В силу многозначности понятия «модель» в науке и технике не существует единой классификации видов моделирования: классификацию можно проводить по характеру моделей, по характеру моделируемых объектов, по сферам приложения моделирования (в технике, физических науках, кибернетике и т. д.). Например, можно выделить следующие виды моделирования: – информационное моделирование; – компьютерное моделирование; – математическое моделирование; - цифровое моделирование; – логическое моделирование; – педагогическое моделирование; – психологическое моделирование; – структурное моделирование; – физическое моделирование; – имитационное моделирование; – эволюционное моделирование и другие. Рассмотрим этапы разработки модели. Этот вопрос довольно широко рассмотрен в литературе, и разные авторы выделяют различные этапы, но все их можно объединить в следующие основные блоки. Постановка задачи На этом этапе ставится цель разработки модели, строится описание задачи и проводится анализ моделируемого объекта или системы. Здесь под задачей понимается проблема, которую необходимо решить. Также на этом этапе необходимо четко формулировать (в виде цели), что же должно быть получено в результате решения поставленных задач. Кроме того, выявляются основные сущности, связи и процессы, протекающие с исследуемой системой, а также определяются границы рассмотрения модели. Разработка модели Этот этап характеризуется построением трех видов модели: информационной, знаковой и непосредственно компьютерной. Первая модель подразумевает исследование системы и выделение всех значимых свойств объекта, их параметров, действий и связей. Такая модель часто строится либо в виде словесного описания, либо в виде схем, таблиц, либо и того и другого. Математическая модель представляет собой более строгое описание системы, позволяя переходить от реальных сущностей к представлению в виде математических формул и цифр. И уже на основе информационной и математической модели строится компьютерная модель, представляющая собой совокупность таблиц с данными. В компьютерной модели выделяется три типа данных: исходные данные (данные о модели), промежуточные расчеты и результаты. Эксперимент После разработки компьютерной модели проводится один компьютерный эксперимент или их ряд. Результаты эксперимента сравниваются с ожидаемыми или с известными (данные, полученные в реальной системе) результатами. Если данные неверны, то проводится поиск и устранение ошибки в модели, то есть отладка модели. Анализ результатов моделирования После отладки проводится сбор данных и их анализ. На этом этапе делаются выводы о степени адекватности модели и выносятся предложения по совершенствованию модели, а также – в качестве желаемого результата – совершенствованию моделируемого процесса или объекта. Далее рассмотрим, что представляет собой имитационное моделирование. Имитационная модель – это экономико-математическая модель изучаемой системы, предназначенная для использования в процессе имитации. Эксперимент над ней – это наблюдение за результатами расчетов по данной программе при различных задаваемых значениях. Имитационное моделирование является мощным инструментом исследования поведения реальных систем. Методы имитационного моделирования позволяют собрать необходимую информацию о поведении системы путем создания ее компьютеризованной модели. Эта информация используется затем для проектирования системы. Имитационное моделирование не решает оптимизационных задач, скорее, представляет собой технику оценки значений функциональных характеристик моделируемой системы, позволяя выявлять проблемные места в системе. Современное имитационное моделирование применяется в основном для исследования систем массового обслуживания (СМО). Это не ограничивает применение имитационного моделирования, поскольку на практике любую ситуацию исследования операций или принятия решений можно в той или иной мере рассматривать как систему массового обслуживания. По этой причине методы имитационного моделирования находят широкое применение в задачах, возникающих в процессе СМО, систем связи; в экономических и коммерческих задачах, включая оценки поведения потребителя, определение цен, экономическое прогнозирование деятельности фирм; в социальных и социально-психометрических задачах; в задачах анализа военных стратегий и тактик. Предшественником современного имитационного моделирования считается метод Монте-Карло, основная идея которого состоит в использовании выборки случайных чисел для получения вероятностных или детерминированных оценок каких-либо величин. Основное различие между современными методами имитации и методом Монте-Карло заключается в том, что для последнего время не является обязательным фактором, а получаемые оценки «статичны». Метод Монте-Карло применяется для вычисления площадей фигур, ограниченных кривыми, или, в более общем случае, вычисления кратных интегралов, вычисления констант и т.п. Имитация является случайным экспериментом, поэтому любой результат, полученный путем имитационного моделирования, подвержен экспериментальным ошибкам и, следовательно, как в любом статистическом эксперименте, должен основываться на результатах соответствующих статистических проверок. Выделяют два типа имитационных моделей: непрерывные и дискретные. Непрерывные модели используются для систем, поведение которых изменяется непрерывно во времени. Непрерывные имитационные модели обычно представляются в виде разностно-дифференциальных уравнений, которые описывают взаимодействие между различными элементами системы. Типичным примером непрерывной имитационной модели является изучение динамики народонаселения мира. Дискретные модели имеют дело с системами, поведение которых изменяется лишь в заданные моменты времени. Типичным примером такой модели является очередь. При этом задача моделирования состоит в оценивании операционных характеристик обслуживающей системы, таких, например, как среднее время ожидания или средняя длина очереди. Такие характеристики системы массового обслуживания изменяют свои значения либо в момент появления клиента, либо при завершении обслуживания. В других случаях в системе ничего существенного (с точки зрения имитационного моделирования) не происходит. Те моменты времени, в которые в системе происходят изменения, определяют события модели (например, приход или уход клиента). То, что эти события происходят в дискретные моменты, указывает, что процесс протекает в дискретном времени, откуда и появилось название дискретное моделирование. Имитационное моделирование представляет собой статистический эксперимент. Его результаты должны основываться на соответствующих статистических проверках (с использованием, например, доверительных интервалов и методов проверки гипотез). Для выполнения этой задачи получаемые наблюдения и имитационный эксперимент должны удовлетворять следующим трем требованиям: – наблюдения имеют стационарные распределения, т.е. распределения не изменяются во время проведения эксперимента; – наблюдения подчиняются нормальному распределению; – наблюдения независимы. Иногда на практике результаты имитационного моделирования не удовлетворяют ни одному из этих требований. Тем не менее их выполнение гарантирует наличие корректных способов сбора наблюдений над имитационной моделью. Рассмотрим сначала вопрос о стационарности распределений. Результаты наблюдений над моделью зависят от продолжительности периода имитации. Начальный период неустойчивого поведения модели обычно называется переходным. Когда результаты имитационного эксперимента стабилизируются, говорят, что система работает в установившемся режиме. Продолжительность переходного периода определяется в значительной степени начальными характеристиками модели, и невозможно предсказать, когда наступит установившийся режим. В общем случае чем длиннее продолжительность прогона модели, тем выше шанс достичь установившегося состояния. Рассмотрим теперь второе требование, состоящее в том, что наблюдения над имитационной моделью должны иметь нормальное распределение. Это требование можно выполнить, если привлечь центральную предельную теорему, утверждающую, что распределение среднего выборки является асимптотически нормальным независимо от распределения генеральной совокупности, из которой взята выборка. Центральная предельная теорема, таким образом, есть главное средство удовлетворения требования о нормальности распределения. Рассматривая третье требование, стоит заметить, что природа имитационного эксперимента не гарантирует независимости между последовательными наблюдениями над моделью. Однако использование выборочных средних для представления отдельных наблюдений позволяет смягчить проблему, связанную с отсутствием независимости. Для этого, в частности, следует увеличивать интервал времени имитации для получения выборочного среднего. Понятия переходного и установившегося состояний имеют силу в ситуациях, именуемых незаканчивающейся имитацией, т.е. имитацией, применяемой к системам, которые функционируют бесконечно долго. При заканчивающейся имитации (например, работа деканата, для которого четко определен режим работы) переходное поведение является частью нормального функционирования системы и, следовательно, не может игнорироваться. Единственным выходом в такой ситуации является увеличение, насколько это возможно, числа наблюдений. Выделяют три наиболее общих метода сбора информации в процессе имитационного моделирования: метод подынтервалов, метод повторения и метод циклов. Рассмотрим кратко каждый из них. Идея метода подынтервалов состоит в том, что информация с переходного (начального) периода не учитывается, а остальная разбивается в соответствии с временными отрезками на nn групп. Далее требуемая информация (например, размер очереди) усредняется в пределах группы и рассматривается как единственное значение для группы. Преимущество данного метода в нивелировании влияния переходных периодов на общие данные модели. К недостаткам метода относится то, что границы групп коррелированны, а это нарушает предположение о независимости (данная проблема решается увеличением длины интервалов и времени моделирования), также невозможность применения в моделях с заканчивающейся имитацией. Метод повторов предполагает проведение независимого моделирования для каждого наблюдения и усреднения искомого значения для каждого запуска модели. Этот метод, как и метод подынтервалов, не учитывает начальный период. Применение независимых запусков модели исключает корреляцию между группами. Недостатком данного метода является то, что в некоторых случаях информация может оказаться под сильным влиянием начального (переходного) периода. Для устранения такого недостатка необходимо увеличивать как число повторов, так и длину временного интервала моделирования. Как развитие метода подынтервалов можно рассматривать метод циклов. Целью разработки данного метода была идея уменьшения влияния автокорреляции путем выбора групп так, что каждая группа имеет одинаковые начальные условия (для очереди таким условием может являться состояние, когда очередь пуста). В отличие от метода подынтервалов длины групп будут различны и сказать заранее, где начнется новая группа, а где закончится, нельзя, но можно предположить, что в стационарных условиях такие точки будут расположены более-менее равномерно. | ||||||||||||||||||||||||||||||||||||||||||||||||