Классификация моделей.
Классификацию моделей на верхнем уровне (Рис. 1
Рис.) можно провести, выделив два основных класса – моделей натурных и моделей математических.
Рис. 1. Классификация моделей
При натурном моделировании используется либо сама исследуемая система, либо подобная ей. Модели в этих случаях представляют собой материальные объекты. Поэтому они иногда называются материальными моделями.
При исследовании сложных систем, как правило, создать адекватную физическую модель не представляется возможным. В этих случаях ограничиваются созданием и исследованием математических описаний закономерных отношений между значениями параметров оригиналов. Такие описания называются математическими моделями. Математическая модель - это образ исследуемого объекта, умозрительно создаваемый исследователем с помощью определенных формальных (математических) систем с целью изучения или оценивания определенных свойств данного объекта.
Математическое моделирование можно определить как процесс установления соответствия реальной системе математической модели и проведения исследований на этой модели, позволяющий получить характеристики реальной системы.
Применение математического моделирования дает возможность исследовать объекты, реальные эксперименты над которыми затруднены или невозможны в силу связанных с проведением экспериментов больших затрат, опасности для жизни или здоровья. Такие случаи возможны при изучении новой конструкции летательного аппарата, наличия физических (например, большая удаленность объекта от исследователя) или временных (проведение натурных экспериментов невозможно в установленные сроки) ограничений и т.п.
Одним из основных достоинств математического моделирования является их экономичность. По разным оценкам построение и применение математических моделей требует примерно в 10-100 раз меньших затрат по сравнению с затратами на физическое моделирование.
В зависимости от способов, которые используются для математического описания моделируемой системы и нахождения решения с помощью этого описания, различают аналитическое и компьютерное моделирование.
При аналитическом моделировании процессы функционирования элементов описываются в виде математических соотношений (алгебраических, интегральных, дифференциальных, логических и т.д.).
При компьютерном моделировании описание модели составляется либо в виде алгоритма (программы ЭВМ), либо в форме, которая может восприниматься (интерпретироваться) ЭВМ с целью проведения экспериментов. В зависимости от способа, который используется для решения математической модели, различают численное, статистическое и имитационное моделирование.
При численном моделировании для проведения расчетов используются методы вычислительной математики. От аналитического моделирования численное моделирование отличается тем, что возможно задание различных параметров модели.
Статистическое моделирование, или метод Монте-Карло состоит в обработке данных о системе (модели) с целью получения статистических характеристик системы. Его можно считать разновидностью имитационного моделирования, способ исследования процессов поведения вероятностных систем в условиях, когда неизвестны внутренние взаимодействия в этих системах. Он заключается в машинной имитации изучаемого процесса, который как бы копируется на вычислительной машине со всеми сопровождающими его случайностями; используется главным образом при решении задач исследования операций, в анализе производственной деятельности.
Когда внутренние взаимодействия между элементами системы и механизмы протекания процессов исследуемого объекта достаточно хорошо изучены и описаны, то становится возможным непосредственное воспроизведение протекающих процессов с помощью компьютерной программы. Такой подход называют имитационным моделированием, которое позволяет исследователю или аналитику добиться высокой точности результата при относительно невысоких затратах на его получение.
Математические модели, которые являются основным классом моделей изучаемых в настоящем курсе, можно классифицировать и по целому ряду специфических для них признаков. Укажем некоторые из основных классификаций математических моделей.
Математический аппарат.
В зависимости от применяемого аппарата модель может быть отнесена к одному из следующих видов.
Функциональная – состоит из совокупности нескольких функций, описывающих взаимосвязи между различными параметрами моделируемой системы. Примером функциональной модели может быть выраженная вторым законом Ньютона зависимость между массой, силой и ускорением движущегося тела.
Логическая – состоит из логических высказываний (предикатов) относительно моделируемой системы. Например, правила выполнения арифметических действий над двоичными числами в процессоре ЭВМ могут быть описаны с помощью основных логических операций И, ИЛИ, НЕ.
Табличная – описывает структуру и/или поведение моделируемой системы в виде одной или нескольких таблиц. Так, эффективность применения того или иного антивирусного средства можно описать в виде таблицы, строками которой будут применяемые программы, а столбцами – виды вирусных атак.
Графовая – использует математическое понятие графа для представления моделируемых структур и взаимодействий между отдельными элементами структур. Например, с помощью графовой модели можно представить транспортную сеть с целью оптимизации ее структуры или нахождения оптимальных путей передвижения по этой сети (задача коммивояжера и т.п.).
Алгоритмическая – строится как формализованное описание логической последовательности действий, которые необходимо предпринять для достижения требуемой цели в моделируемой системе. Например, для нахождения критического пути в сетевом графе работ используется алгоритм (метод) критического пути, построенный на рекуррентном правиле.
Игровая – описывает поведение системы из нескольких субъектов (групп субъектов) с конфликтом или антагонизмом целей. Формализация осуществляется на основе аппарата теории игр.
Приведенный перечень не является исчерпывающим и отражает лишь наиболее распространенные типы моделей.
Назначение модели.
Если описание модели не содержит временного параметра, то модель называется статической. Примерами статических моделей являются планетарная модель атома и модель ДНК.
Если описание модели включает временной параметр, то модель называется динамической. Примером динамической модели может быть модель для определения величины пройденного пути свободно падающим телом, которая находится из выражения:
где
g – ускорение свободного падения;
t - время, прошедшее с момента начала движения.
Модельное время.
Модель называется моделью с дискретным временем (или просто дискретной), если поведение моделируемой системы описывается только для дискретного набора моментов времени. Например, если рассматривать систему ведения артиллерийского огня, то решение задачи оценивания эффективности стрельбы можно проводить, привязываясь только к определенным временным моментам, а именно, к моментам произведения выстрела.
Модель называется моделью с непрерывным временем (или просто непрерывной), если поведение моделируемой системы описывается для любого момента времени ее функционирования. Например, в ранее приведенном примере свободно падающего тела величину пройденного пути модель позволяет определять в произвольные моменты времени.
Деление систем на непрерывные и дискретные довольно условно и определяется характером решаемой задачи.
Вид используемых функций.
По этому признаку принято подразделять модели на две большие группы – линейные и нелинейные.
В линейных моделях математическая связь ее выходных параметров с входными представляется с помощью линейных зависимостей.
В качестве примера можно еще раз использовать второй закон Ньютона, который выражается математически, как хорошо известно, следующим образом:
F=ma.
Другим примером может служить также хорошо известный закон Ома, устанавливающий связь меду величиной напряжения, силой тока и сопротивлением:
U = IR.
Однако довольно часто поведение исследуемой системы не подчиняется линейным зависимостям и для их описания нужно применять функции более сложного вида (степенные, логарифмические, показательные), что приводит к нелинейным моделям.
Построение и использование нелинейных моделей сопряжено со значительными трудностями, поэтому на практике чаще прибегают к кусочно-линейной аппроксимации (линеаризации) нелинейных моделей в целях упрощения задачи.
Определенность поведения.
Различают детерминированные и стохастические в зависимости от возможности или невозможности предсказать их поведение.
В детерминированной модели в каждый момент времени можно основываясь на значениях входных параметров, однозначно предсказать значения выходных параметров. К таким моделям можно отнести многие модели, применяемые в астрономии.
В стохастической (недетерминированной, вероятностной) модели в силу действия недостаточной изученных или вовсе неизвестных случайных факторов предсказать поведение модели однозначно нельзя. Описание и исследование моделируемой системы может быть построено на использовании аппарата теории вероятностей и математической статистики, а также известных законов распределения случайных величин. К стохастическим моделям можно отнести модели систем массового обслуживания (парикмахерская, банк, билетная касса, справочное бюро и т.п.), где момент прихода очередного требования и продолжительность нахождения его в системе однозначно непредсказуемы.
