Задача 22 Список литературы 24

• Название: Задача 22 Список литературы 24
• Дата: 01.02.2023
• Размер: 89.33 Kb.
• Имя файла: 15.docx
• Тип: Задача; #915055

Содержание

2.Динамические свойства систем (стимулируемость, функциональность, изменчивость во времени, способность к существованию в изменяющейся среде) 3

6.Анализ и моделирование экономических и социально- экономических систем 10

Задача 22

Список литературы 24

2.Динамические свойства систем (стимулируемость, функциональность, изменчивость во времени, способность к существованию в изменяющейся среде)

Если рассмотреть состояние системы в другой, отличный от первого, момент времени, то мы вновь обнаружим все четыре статических свойства. Но если наложить эти две «фотографии» друг на друга, то обнаружится, что они отличаются в деталях: за время между двумя моментами наблюдения произошли какие-то изменения в системе и ее окружении. Такие изменения могут быть важными при работе с системой и, следовательно, должны быть отображены в описаниях системы и учтены в работе с нею. Особенности изменений со временем внутри системы и вне ее и именуются динамическими свойствами систем. Если статические свойства — это то, что можно увидеть на фотографии системы, то динамические — то, что обнаружится при просмотре кинофильма про систему. О любых изменениях мы имеем возможность говорить в терминах перемен в статических моделях системы. В этой связи различаются четыре динамических свойства.

Функциональность — пятое свойство системы. Процессы Y(t), происходящие на выходах системы (Y(t)={y/t), y₂(t), ..., y/t)}, рис. 1), рассматриваются как ее функции.



Рисунок 1

Функции системы — это ее поведение во внешней среде; изменения, производимые системой в окружающей среде; результаты ее деятельности; продукция, производимая системой.

Из множественности выходов следует множественность функций, каждая из которых может быть кем-то и для чего-то использована. Поэтому одна и та же система может служить для разных целей.

Субъект, использующий систему в своих целях, будет, естественно, оценивать ее функции и упорядочивать их по отношению к своим потребностям. Так появляется понятие главной, второстепенной, нейтральной, нежелательной, лишней и т.п. функции. Снова обратим внимание, что все эти термины оценочные, субъективные, относительные. Так, главной функцией лампы считается давать свет; но при выборе светильника из десятков прочих продаваемых в магазине на первый план выходят его декоративные качества, согласованность с интерьером помещения, его стоимость и пр.

Итак, выделим два момента данного свойства систем: объективную многофункциональность и субъективную упорядоченность функций.

Стимулируемость — шестое свойство системы. На входах системы тоже происходят определенные процессы X(t)={x_x(t), x₂(t),..., xjt)} (рис. 2), воздействующие на систему, превращаясь (после ряда преобразований в системе) в Y(t). Назовем воздействия X(t) стимулами, а саму подверженность любой системы воздействиям извне и изменение ее поведения под этими воздействиями — стимулируемостью.



Рисунок 2

Изменчивость системы со временем — седьмое свойство системы. В любой системе происходят изменения, которые надо учитывать: предусматривать и закладывать в проект будущей системы; способствовать или противодействовать им, ускоряя или замедляя их при работе с существующей системой. Изменяться в системе может что угодно, но в терминах наших моделей можно дать наглядную классификацию изменений: изменяться могут значения внутренних переменных (параметров) Z(t) (рис. 3), состав и структура системы и любые их комбинации.



Рисунок 3

Характер этих изменений тоже может быть различным. Поэтому могут рассматриваться дальнейшие классификации изменений.

Самая очевидная классификация — по скорости изменений: быстрые, медленные (по сравнению с чем-то, взятым за стандарт); возможно введение большего числа градаций скоростей (сверхбыстрые, очень быстрые и т.д.).

Представляет интерес классификация тенденций перемен в системе, касающихся ее состава и структуры. Начнем эту классификацию с введения специальных понятий, рассматривая изменения на коротком интервале времени, чтобы изменения можно было считать идущими «в одну сторону», т.е. монотонными.

Можно говорить о таких изменениях, которые не затрагивают структуры системы: одни элементы заменяются другими, эквивалентными; параметры (внутренние переменные Z(t)) могут меняться без изменения структуры («работают» часы, городской транспорт, школа, баня и т.д.). Такой тип динамики системы называют ее функционированием.

Далее, изменения могут носить преимущественно количественный характер: происходит наращивание состава системы, и хотя при этом автоматически меняется и ее структура, это до поры до времени не сказывается на свойствах системы (расширение мусорной свалки или кладбища — примеры). Такие изменения называют ростом системы.

Затем выделяют качественные изменения системы, при которых происходит изменение ее существенных свойств. Если такие изменения идут в позитивном направлении, они называются развитием. С теми же ресурсами развитая система добивается более высоких результатов, могут появиться новые позитивные качества (функции). Это связано с повышением уровня системности, организованности системы.

Применительно к организационным системам Р. Акофф определяет развитие как «увеличение желаний и способности удовлетворять свои собственные и чужие нужды и оправданные желания». (Желания называются «оправданными», если их удовлетворение ради одних не скажется отрицательно на развитии других. Нужды — это то, что необходимо для выживания. Возможны разные комбинации: например, можно не хотеть нужного, можно желать ненужного.)

Сколько субъект (индивид или организация) имеет, это вопрос накопленного богатства. Показателем богатства является уровень жизни. А вот вопрос о том, что мы можем сделать с тем, что имеем, — это вопрос компетентности, т.е. чему мы научились. А это выражается достигнутым качеством жизни. Чем более развит субъект, тем меньше средств ему требуется для достижения удовлетворительного качества жизни, либо тем большего качества жизни он может достичь с тем, что имеет.

Интересно заметить, что сосредоточение на росте является патологией для индивида, но обычно является нормальным для организаций.

Итак, рост происходит в основном за счет потребления материальных ресурсов, развитие — за счет усвоения и использования информации. Рост есть увеличение в размерах и численности. Развитие — это увеличение компетентности. Объемность — результат роста; компетентность — результат развития. Цель роста организации — повышение уровня жизни. Цель развития организации — повышение качества жизни. Рост может сдерживать развитие, но развитие не может сдерживать рост. Рост и развитие могут идти одновременно (как у ребенка), но не обязательно связаны между собой. Рост всегда ограничен (в силу внешних физических условий, в частности ограниченности материальных ресурсов), а развитие извне не ограничено, поскольку информация о внешней среде неисчерпаема: сколько бы мы ни знали, всегда есть нечто еще непознанное. Недостаток материальных ресурсов может ограничить рост, но не развитие. Однако существует внутреннее ограничение на развитие. Дело в том, что развитие есть результат усвоения и использования новой информации, т.е. результат обучения. Но обучение есть, пожалуй, единственное действие, которое нельзя осуществить для и вместо обучаемого. Если система не желает обучаться, она не будет, не может развиваться. Извне невозможно развить систему, можно только помочь в развитии, но при условии склонности системы к обучению. Развитие возможно только как саморазвитие. Например, пробуксовка российских реформ в их начальном периоде 1990-х гг. связана с нежеланием руководителей обучаться. Черномырдин в бытность премьер-министром отказался даже выслушать соображения обратившихся к нему десяти всемирно известных лауреатов Нобелевской премии по экономике, озабоченных неэффективностью социально-экономических преобразований в нашей стране.

Ясно, что, кроме процессов роста и развития, в системе могут происходить и обратные процессы. Обратные росту изменения называют спадом, сокращением, уменьшением. Обратное развитию изменение именуют деградацией, утратой или ослаблением полезных свойств.

Мы рассмотрели возможные монотонные изменения самой системы (рис. 4).



Рисунок 4

Очевидно, монотонные изменения не могут длиться вечно. В истории любой системы можно усмотреть периоды спада и подъема, стабильности и неустойчивости, последовательность которых и образует индивидуальный жизненный цикл системы.

Понятие жизненного цикла заслуживает специального обсуждения, поскольку как при проектировании будущих систем, так и при изучении существующих и при управлении ими информация об индивидуальной истории системы играет весьма существенную, часто решающую роль в достижении поставленной цели.

При построении описания жизненного цикла особое внимание необходимо обратить на непрерывность его траектории. По-разному приходится определять жизненный цикл в прошлом и будущем. Прошедшую историю восстанавливают по дошедшей до нас информации о ней. К сожалению, нередко эта информация неполна, неточна, а об отдельных периодах вовсе утрачена. Поэтому описание прошедших событий часто поневоле имеет невосстановимые пробелы (примером может служить жизнеописание Иисуса Христа, содержащееся в Евангелиях). Но при определении будущего жизненного цикла проектируемой системы непрерывность должна быть предметом особой заботы: история этой системы закончится на первом же пробеле в описании ее жизненного цикла. Примеров тому много. Непродуманность этапа утилизации отслуживших ламп дневного света привела к тому, что из разбитых на свалках ламп ртуть попадает в почву и воды, отравляя все живое. Непродуманность этапа соединения кабелей космической ракеты закончилась тем, что у корабля, отправленного на Марс, не раскрылись антенны из-за неправильно подсоединенного сигнального кабеля, и все многомиллиардные затраты на проект пошли прахом. А сколько было случаев гибели урожая на полях из-за пропуска какого-нибудь этапа (например, своевременного вывоза буртов) его жизненного цикла. В описании любой технологии не должно быть пробелов.

Заметим далее, что, характеризуя процессы, происходящие в системе, можно использовать и другие их классификации. Например, классификация по предсказуемости: детерминированные и случайные процессы. Или классификация по типу зависимости от времени: процессы монотонные, периодические, гармонические, импульсные и т.д.

Существование в изменяющейся среде — восьмое свойство системы. Изменяется не только данная система, но и все остальные. Для данной системы это выглядит как непрерывное изменение окружающей среды. Неизбежность существования в постоянно изменяющемся окружении имеет множество последствий для самой системы, начиная с необходимости ее приспособления к внешним переменам, чтобы не погибнуть, до различных других реакций системы. При рассмотрении конкретной системы с конкретной целью внимание сосредотачивается на некоторых конкретных особенностях ее реакции. В качестве примера рассмотрим вопрос о том, как должна соотноситься скорость изменений внутри системы со скоростью изменений в окружающей среде — быть медленнее, совпадать или идти быстрее? Это определяется в зависимости от природы системы или ее предназначенности. Например, системы, предназначенные для переноса информации во времени (книги, памятники, произведения искусства, видео- и аудиозаписи, триангуляционные метки и т.п.), тем лучше выполняют свою функцию, чем медленнее они меняются при изменениях в окружающей среде. Другой пример этого — сохранение своего состояния автоматами и живыми организмами (гомеостат, стабилизация, стационарность). Иная реакция живых организмов идет практически одновременно с изменениями среды, например, адаптация зрачка при изменениях освещения. Существуют системы, функции которых могут выполняться только если изменения в системе опережают изменения в среде. Типичный пример — управление: перебор и сравнение различных вариантов управляющего воздействия должны происходить в ускоренном темпе, чтобы выбранное воздействие шло в реальном масштабе времени.

Отметим еще одну важную особенность существования системы в изменяющейся среде. Сами изменения постоянно меняются; это выражается в ускорении перемен в среде. Например, скорости передвижения в пространстве, передачи и обработки информации, производства и потребления продукции за время нашего поколения возросли больше, чем за всю предысторию. Это требует быстрых и значительных перемен в том, что и как мы делаем. Плохо приспосабливающиеся к изменениям люди, организации, фирмы, правительства быстро сходят со сцены, выбывают из игры. Единственный шанс сохраниться в турбулентной среде — обеспечить динамическое равновесие, наподобие тому, как это делает корабль или самолет, попавший в шторм. И чем сильнее внешние изменения, тем активнее должны проводиться внутренние (сравните активность водителя на хорошей и плохой дорогах, в хорошую и плохую погоду).

И хотя важными средствами остаются прогнозирование и обучение, более эффективными считаются выработка иммунитета к неподконтрольным с нашей стороны изменениям и усиление контроля над остальными.

6.Анализ и моделирование экономических и социально- экономических систем

Термин «моделирование» имеет несколько значений. Во-первых, под ним понимают процесс построения модели; во-вторых, его определяют как процесс исследования модели функционирования системы.

Таким образом, моделирование — это, своего рода, двухэтапный процесс: изначально это создание модели; если же модель уже существует — это процесс имитации функционирования системы на этой модели. Процесс имитации, как правило, осуществляют с целью исследования поведения системы, её анализа и, в конечном счёте, для разработки планов улучшения этой системы. Следовательно, цель моделирования экономических систем можно определить как применение математических методов для наиболее эффективного решения проблем, возникающих в сфере экономики, с использованием современной вычислительной техники.

Объекты исследования моделирования экономических систем — любые экономические объекты, вследствие чего моделирование является важным инструментом для специалистов по управлению экономическими объектами, в особенности для тех, кто занимается созданием автоматизированных систем управления.

1. Классификация моделей экономических систем и их применение. Моделирование применяется в случаях, когда существует необходимость в эксперименте, однако проведение его с реальными объектами является слишком затратным или же вовсе невозможным. Моделирование, таким образом, позволяет оптимизировать систему до её реализации. Этот процесс включает в себя отражение проблемы из реального мира в мир моделей (путём абстракции), анализ и оптимизацию модели, нахождение решения и отображение решения обратно в реальный мир.

Не существует единой классификации экономических моделей, однако можно выделить наиболее значимые их группы в зависимости от признака классификации. Так по степени агрегирования экономических объектов модели можно разделить на глобальные, макроэкономические, многосекторные, одно- или двухсекторные и микроэкономические. По учёту фактора времени модели делятся на статистические и динамические. Различие их заключается в том, что статистическая модель даёт информацию на определённый момент времени, динамическая же показывает систему в развитии.

Все реальные экономические системы динамические, однако существует ряд задач, когда фактором времени можно пренебречь. Это либо одномоментные задачи, которые нужно решить один раз, либо задачи, когда решение ищется для небольшого по продолжительности интервала времени, когда состояние системы от времени почти не изменяется. Очевидно, что поиск оптимального решения для статических моделей проще, поэтому их используют на практике, когда они соответствуют реальной ситуации. Для динамических моделей вводится второй признак — это непрерывность или дискретность изменения времени в этих моделях. Модели, в которых время изменяется непрерывно, называются непрерывными, а модели, в которых время изменяется дискретно, через определённый временной интервал, называются дискретными.

Более точное определение, подчеркивающее сущность в различии этих моделей, можно сформулировать так: непрерывные модели изменяют своё состояние во времени за сколь угодно малое приращение времени, а дискретные модели изменяют своё состояние во времени через определённый временной интервал. Реальные экономические системы дискретные, их состояние изменяется через конечный временной интервал, который чаще всего называют циклом. Этот интервал для разных систем различный и может измеряться в часах, сутках, неделях, месяцах, кварталах, годах и т. д.

Несмотря на то, что реальным экономическим системам адекватны дискретные модели, существует также необходимость и в непрерывных моделях. Поскольку непрерывные модели проще в описании, для них легче найти оптимальное управление. Реальные экономические системы можно считать адекватными непрерывным моделям в случаях, когда временной интервал управления гораздо больше цикла. Для таких случаев используются непрерывные модели экономических систем. Третий признак классификации для непрерывных и дискретных моделей — это наличие или отсутствие в них случайных факторов. Модели, в которых все воздействия и факторы известны на всём интервале управления моделью, называются детерминированными. Модели, в которых хотя бы один из факторов случайный, называются стохастическими. Реальные экономические системы являются стохастическими. Однако для детерминированных моделей проще найти оптимальное управление, да и реальные системы на сравнительно небольшом временном интервале могут быть адекватны детерминированным моделям, когда с большой достоверностью можно предположить, что воздействия и факторы на этом интервале времени заданы однозначно. В противном случае следует использовать стохастические модели, поиск оптимального управления для которых гораздо сложнее и может быть найден с определёнными оговорками на риск и т. д.

Реальные экономические системы являются динамическими, дискретными и стохастическими. Модели этих систем самые сложные, поиск оптимального управления для них наиболее трудный и порой неоднозначный, поэтому при разумных ограничениях в ряде случаев можно воспользоваться более простыми моделями, найти для них оптимальное управление и затем творчески применить этот результат для реальных экономических систем. Также выделим виды моделей в зависимости от цели создания и применения. Это классификация включает: балансовые, эконометрические, оптимизационные, сетевые и имитационные модели экономических систем. Балансовые модели предназначены для анализа и планирования распределения ресурсов. Цель построения балансовых моделей — определить объём производства, который удовлетворит все потребности в продукте. Наиболее разработанной балансовой моделью считается математическая модель Леонтьева, которая характеризует межотраслевые взаимосвязи в экономике страны (хотя её можно обобщить и для микроэкономического уровня).

В основе этой модели балансовый принцип связи различных отраслей промышленности: валовой выпуск n-й отрасли должен быть равным сумме объёмов потребления в производственной и непроизводственной сферах. Эконометрические модели, иначе — экономико-математические модели факторного анализа, параметры которых оцениваются посредством математической статистики. Цель построение эконометрических моделей — анализ и прогнозирование конкретных экономических процессов на основе реальной статистической информации. Эконометрические модели также имеют довольно широкую классификацию. Так, в зависимости от аналитической формы, модели, которые представлены уравнениями, делятся на линейный, нелинейный, степенные и др. Классифицируемые по направлению и сложности причинных связей между показателями, характеризующими экономическую систему, эконометрические модели делятся на регрессионные, рекурсивные и взаимозависимые.

Регрессионные модели основываются на уравнении регрессии или системе регрессионных уравнений, которые связывают эндогенные и экзогенные переменные. Модели такого типа позволяют предсказать объём продаж за требуемый период при незначительном наличии информации. Чаще всего ограничиваются линейной регрессией, т. е. зависимостью вида: ,



где y — результирующий признак,x1, …, xn — факторные признаки, b1,…,bn — коэффициенты регрессии, a — свободный член уравнения, ε — ''ошибка» модели. Рекурсивные модели представлены системой уравнений, в которых зависимая переменная включает в каждое последующее уравнение в качестве факторов все зависимые переменные предшествующих уравнений. Примером такой системы может служить модель производительности труда и фондоотдачи вида:



, гдеy1 — производительность труда, y2– фондоотдача, x1 — фондовооружённость труда, x2 — энерговооружённость труда, x3 — квалификация рабочих. Взаимозависимые модели наиболее полно описывают экономическую систему, состоящую из множества взаимосвязанных эндогенных и экзогенных переменных. Модели такого типа задаются системой взаимозависимых уравнений.

На практике такие модели стараются упростить и привести их к рекурсивному виду. Оптимизационные модели экономических систем связаны с практическим применением принципа оптимальности в управлении. Цель таких моделей — нахождение наилучшего из возможных вариантов. Наилучший вариант определяется посредством выбора некоторого критерия оптимальности — экономического показателя, демонстрирующего эффективность тех или иных управленческих решений. Зачастую критерием оптимальности назначается максимальная прибыль, минимальный объём затрат и прочее. Таким образом, модель сводится к задаче оптимального управления, связанной с определением максимальных и минимальных значений. Сетевые модели, которые нашли своё применение в управлении проектами. Такая модель представляет комплекс взаимосвязанных работ и событий графически.

Объект планирования сетевой модели — рабочий коллектив, который выполняет совокупность операций для достижения намеченной цели (это может быть создание нового продукта, строительство и прочее). Особенно отличает от прочих сетевую модель то, что в ней чётко определены все временные взаимосвязи операций. Имитационные модели описывают процессы так, как они происходят в действительности. Имитационное моделирование заменяет изучаемую экономическую систему моделью, которая достаточно точно описывает реальную систему. В такого рода моделях база знаний выступает вместо непосредственного участия человека, то есть существует множество правил (дифференциальных уравнений, карт состояний, сетей и т. п.), которые определяют в какое состояние перейдёт система из изначально заданного. Существует ещё ряд классификационных признаков и, соответственно, другие виды моделей, однако они не так часто используются на практике сегодня. Среди перечисленных выше видов наибольший интерес вызывает имитационные модели, поскольку они также имеют внутреннюю классификацию, и широко применяются на практике в современных условиях. Поэтому я предлагаю рассмотреть ниже процесс решения задач в имитационных моделях, а также ознакомиться с некоторыми подвидами этих моделей и условиями их применения в современной экономике.

2. Процесс имитации. Вне зависимости от сложности и полноты перенесённой информации, модель — это лишь отображение реального объекта. Всякая модель должна быть адекватна реальной обстановке, иначе результаты её исследования не будут характеризовать функционирование исследуемого объекта. Оценка адекватности и точности модели является одной из главных задач моделирования. Заключается она в повышении степени уверенности, с которой можно судить относительно корректности выводов о реальной системе, полученных на основании обращения к модели. Проверка модели имеет три стадии. Сначала модель проверяют на адекватность: не будет ли она давать ответы, которые просто невозможны в условиях функционирования реальной системы. Затем происходит верификация имитационной модели — проверяется на сколько поведение модели соответствует предположениям экспериментатора. Это первый этап действительной подготовки к имитационному эксперименту. Подбираются некоторые исходные данные, для которых могут быть представлены результаты просчёта.

Если окажется, что программа выдаёт данные, противоречащие тем, которые ожидались при формировании модели, — модель неверна. В обратном случае переходят к следующему этапу проверки работоспособности модели — её валидации. Валидация имитационной модели — проверка соответствия данных, получаемых в процессе машинной имитации, реальному ходу явлений, для описания которых создана модель. Это процесс состоит в том, что выходные данные после расчёта вычислительной техникой сопоставляются с имеющимися статистическими сведениями о моделируемой системе. Таким образом, оценка адекватности модели имеет две стороны: сначала необходимо удостовериться в том, что функционирование модели адекватно реальной системе; затем убедиться в том, что выводы, полученные из экспериментов с моделью, справедливы и корректны. С ростом адекватности и точности модели возрастают как её стоимость, так и ценность для исследования, в связи с чем приходится решать вопрос о компромиссе между стоимостью модели и последствиями ошибочных решений из-за неадекватности исследуемому процессу. Оценка адекватности и точности модели представляет собой непрерывный процесс, правильность построения модели может быть проверена только на практике за счёт повторения цикла «построение модели — проверка модели». Следует отметить, что понятие адекватности модели не имеет количественного измерения: модель либо адекватна явлению, либо не адекватна. При этом, естественно, предполагается, что программа, реализующая вычисления по математической модели, не содержит ошибок, а исходные данные введены верно.

Таким образом, модель является достоверной, если её концептуальная модель адекватна исследуемому процессу, математическая модель адекватна концептуальной, а точность реализации математической модели на вычислительной технике соответствует заданной. После того, как завершатся разработка и планирование, модель эксплуатируют с целью получения необходимой информации. На этапе выявляются недостатки и просчёты в модели и планировании осуществления экспериментов, которые должны устраняться до тех пор, пока не будут достигнуты цели моделирования этой системы. При экспериментировании модель выступает как самостоятельный объект исследования. Над моделью проделывают эксперименты, при которых целенаправленно изменяются условия функционирования модели и собираются данные о её «поведении». В конце первого этапа формируется комплекс знаний о модели в отношении существенных сторон реальной системы. При разработке стратегического планирования, когда есть необходимость в выборе между несколькими стратегиями изменения входных данных, предметом исследования имитационного эксперимента будет поведение выходных параметров при внесении изменений во входные. Если к математической модели невозможно применить аналитические или численные методы, то для её решения используется метод экспериментальной оптимизации на ЭВМ. Математическая модель не обязательно должна быть представлена системой уравнений — она может быть сведена к алгоритму, позволяющему вычислить значения в ходе моделирования.

3. Имитационное моделирование как средство решения проблем бизнеса. Наше время характеризуется возросшим интересом к научному объяснению природы процессов, происходящих в современной экономике. Глобальный экономический кризис продемонстрировал не только несостоятельность современной модели мировой экономической системы, но и кризис современной экономической теории. Экономические модели, используемые для объяснения происходящих процессов, выработки экономической политики, прогнозирования состояния экономики оказались малоэффективными. Неожиданность кризиса для многих экономистов, которые давали оптимистические прогнозы развития мировой и национальных экономик непосредственно перед его началом, вызывают сомнения в адекватности используемых ими теорий и моделей. Экономические системы — это сложные системы с большим количеством обратных связей. Построение математических моделей таких систем, как правило, является непростой задачей, так как количество переменных очень велико, а связи между ними неочевидны. Для построения моделей сложных систем с многочисленными обратными связями Дж.Форрестер предложил метод системной динамики. Этот метод ориентирован на компьютерное моделирование системной динамики и на сегодняшний день является одним из наиболее мощных инструментов для исследования динамических процессов. В его основе лежит представление исследуемого процесса в виде диаграммы, состоящей из петель положительной и отрицательной обратной связи. Для компьютерного моделирования подобных систем разработан специальный язык программирования DYNAMO и целый ряд специализированных пакетов. Основа построения имитационной модели в соответствии с этим подходом — определение всех петель положительной и отрицательной обратной связи, описание их взаимодействий, построение потоковых диаграмм. Системная динамика использует высокий уровень агрегирования и абстракции, большое внимание в рамках данного подхода уделяется выделению причинно-следственных связей и их наглядному представлению.

Модели системной динамики успешно применяются в современной экономической теории и практике: в стратегическом менеджменте и оптимизации бизнес-процессов, в исследовании причин возникновения бизнес-циклов, для анализа макроэкономических процессов. Однако это далеко не единственный подход. Также широко используется дискретно-событийное моделирование. Этот подход представляет динамику системы как последовательность отдельных операций (прибытие, задержка, захват ресурса и др.) над транзактами (динамическими объектами, которые зарождаются в процессе моделирования), представляющими клиентов, документы, пакеты данных и т. п. Транзакты пассивны, они сами не контролируют свою динамику, но могут обладать определёнными атрибутами, влияющими на процесс их обработки (например, сложность работы) или накапливающими статистику (общее время ожидания, стоимость).Сфера применения такого подхода, в основном, ограничена детальным анализом микроэкономических систем и бизнес-процессов. Агентное моделирование относительно новый, приобретающий всё большую популярность подход к имитационному анализу социально-экономических систем. В соответствии с данным подходом система может быть представлена как совокупность взаимодействующих подсистем-агентов. Моделируя поведение отдельных элементов системы, задавая сценарии их взаимодействия, возможно исследовать закономерности поведения глобальной системы, анализировать её характеристики. Такой подход не является чем-то принципиально новым — в естественных науках он используется достаточно давно как метод индукции. В экономической теории такой подход является основным для тех, кто считает, что для экономики имеют значение только выраженные на рынке предпочтения отдельных индивидов. Следует отметить, что агентное моделирование позволяет выявить закономерности поведения глобальной системы в тех случаях, когда выявление причинно-следственных связей является сложным, а описание поведения агентов не вызывает серьёзных затруднений. Модель экономической системы — это, в первую очередь, упрощённое представление реальной системы, которое сохраняет её основные и существенные черты. Моделирование — процесс построения и изучения моделей реально существующих систем.

Моделирование может быть осуществлено различными способами, среди которых наиболее часто используется математическое моделирование. Разработка и построение модели экономической системы требует глубокого изучения свойств исходного объекта. При этом в основе построения модели лежат, как правило, определённая теоретическая концепция, включающая способ анализа ситуации, некоторые априорные представления о взаимосвязях между наблюдаемыми и изучаемыми признаками и факторами. В начале построения модели следует по возможности точно сформулировать те предпосылки и отношения, на которых базируется математическая модель объекта. Следует иметь в виду, что при разработке моделей достаточно сложных экономических систем необходимо учитывать несколько или даже все вышеуказанные отношения элементов системы. Также необходимо отметить, что последовательное внедрение методов моделирования экономических систем и использование современной информационно-вычислительной технике позволяет преодолеть субъективизм, исключить так называемые волевые решения, основанные не на учёте объективных событий, а на случайных эмоциях и личной заинтересованности управляющих разных уровней, которые к тому же не могут согласовать свои волевые решения. Моделирование позволяет учитывать и употреблять в управлении всю имеющуюся информацию об объекте, согласовать принимаемые решения с точки зрения объективного, а не субъективного, критерия эффективности. Экономить на вычислениях при управлении несообразно, ибо адекватные действительности результаты имеют и более высокую стоимость. Современные представления функционального моделирования экономических объектов выражены в законах функционирования, функциональных моделях и методах моделирования экономических систем.

Овладение функциональным моделированием обеспечивает повышение качества моделирования поведения экономических объектов, созданию автоматизированных систем управления экономическими объектами и в конечном итоге эффективности управления экономическими объектами.

Задача

Директор аграрного колледжа, обучение в котором осуществляется на платной основе, решает, следует ли расширять здание колледжа на 400 мест, на 80 мест или не проводить строительных работ вообще. Если абитуриенты будут приезжать с соседних регионов, то большая реконструкция могла бы принести прибыль 1300 тыс. рублей в год, незначительное расширение учебных помещений могло бы приносить 300 тыс. рублей прибыли. Если абитуриенты с других регионов не приедут, то крупное расширение обойдется колледжу в 400 тыс. рублей убытка, а малое – 100 тыс. рублей. Однако информация о том, будут ли приезжать абитуриенты, отсутствует. Постройте дерево решений и определите лучшую альтернативу.

Строим дерево решений, полагая равновероятным приезд (или не приезд) абитуриентов.



Оцениваем стоимости исходов 1-3.

1. 1300*0,5-400*0,5 = 450 тыс. руб.

2. 300*0,5-100*0,5 = 100 тыс. руб.

3. 0 тыс. руб.

Таким образом, выгоднее расширять на 400 мест, ожидаемая прибыль в данном варианте будет максимальной – 450 тыс. руб.

Список литературы

1. 
   Антонов, А.В. Системный анализ: Уч. / А.В. Антонов. - М.: Инфра-М, 2016. - 158 c.
   
2. 
   Анфилатов, В.С. Системный анализ в управлении: Учебное пособие / В.С. Анфилатов, А.А. Емельянов, А.А. Кукушкин. - М.: Финансы и статистика, 2009. - 368 c.
   
3. 
   Анфилатов, В.С. Системный анализ в управлении / В.С. Анфилатов. - М.: Финансы и статистика, 2009. - 368 c.
   
4. 
   Асланов, М. Системный анализ и принятие решений в деятельности учреждений реального сектора экономики, связи и транспорта / М. Асланов, А. Шатраков. - М.: Экономика, 2010. - 406 c.
   
5. 
   Баринов, В.А. Теория систем и системный анализ в управлении организациями: Справочник: Учебное пособие / В.А. Баринов, Л.С. Болотова; Под ред. В.Н. Волкова, А.А. Емельянов. - М.: Финансы и статистика, Инфра-М, 2012. - 848 c.
   
6. 
   Баринов, В.А. Теория систем и системный анализ в управлении организациями: Справочник / В.А. Баринов, Л.С. Болотова. - М.: Финансы и статистика, 2012. - 848 c.