Читайте также:
|
В определенном смысле предшественниками методов современного имитационного моделирования можно считать статистические испытания по методу Монте-Карло. Основная идея этого метода заключается в использовании случайных выборок для получения искомых оценок. В свою очередь, процесс получения случайных выборок предполагает, что исходная задача была формализована с учетом соответствующих законов распределений входящих случайных величин.
Зарождение метода связано с работой фон Неймана и Улама в конце 1940-х гг., когда они ввели для него название «Монте-Карло» и применили его к решению некоторых задач экранирования ядерных излучений. Этот математический метод был известен и ранее, но свое второе рождение нашел в Лос-Аламосе в закрытых работах по ядерной технике, которые велись под кодовым обозначением «Монте-Карло». Применение метода оказалось настолько успешным, что он получил распространение и в других областях, в частности в экономике.
Поэтому многим специалистам термин «метод Монте-Карло» иногда представляется синонимом термина «имитационное моделирование», что в общем случае неверно. Имитационное моделирование – это более широкое понятие, и метод Монте-Карло является важным, но далеко не единственным методическим компонентом имитационного моделирования.
Согласно методу Монте-Карло проектировщик может моделировать работу тысячи сложных систем, управляющих тысячами разновидностей подобных процессов, и исследовать поведение всей группы, обрабатывая статистические данные. Другой способ применения этого способа заключается в том, чтобы моделировать поведение системы управления на очень большом промежутке модельного времени (несколько лет), причем астрономическое время выполнения моделирующей программы на компьютере может составить доли секунды. Рассмотрим, метод Монте-Карло подробнее.
В различных задачах, встречающихся при создании сложных систем, могут использоваться величины, значения которых определяются случайным образом. Примерами таких величин являются:
- случайные моменты времени, в которые поступают заказы на фирму;
- загрузка производственных участков или служб объекта экономики;
- внешние воздействия (требования или изменения законов, платежи по штрафам и др.)
- оплата банковских кредитов;
- поступление средств от заказчиков;
- ошибки измерений.
В качестве соответствующих им переменных могут использоваться число, совокупность чисел, вектор или функция. Одной из разновидностей метода Монте-Карло при численном решении задач, включающих случайные переменные, является метод статистических испытаний, который заключается в моделировании случайных событий.
Метод Монте-Карло представляет собой численный способ решения исследовательских задач математического характера на основе моделирования случайных величин и формализованного описания неопределенности. Этот способ, называемый также методом статистических испытаний, на основе статистических данных и различного рода ограничений позволяет сформировать имитационные модели и создать множество сценариев реализации задач исследования и выбрать наиболее вероятный из них. При вычислениях методом Монте-Карло статистические результаты получаются путем повторяющихся испытаний. Вероятность того, что эти результаты отличаются от истинных не более чем на заданную величину, есть функция количества испытаний.
В основе вычислений по методу Монте-Карло лежит случайный выбор чисел из заданного вероятностного распределения. При практических вычислениях эти числа берут из таблиц или получают путем некоторых операций, результатами которых являются псевдослучайные числа с теми же свойствами, что и числа, получаемые путем случайной выборки. Имеется большое число вычислительных алгоритмов, которые позволяют получить длинные последовательности псевдослучайных чисел.
ИМ с помощью метода Монте-Карло состоит из 5 этапов:
1) установление распределения вероятностей для существенных переменных;
2) построение интегрального распределения вероятности для всех переменных;
3) установление интервала случайных чисел для каждой переменной;
4) генерация случайных чисел;
5) имитация путем многих попыток.
Применение метода Монте-Карло может дать существенный эффект при моделировании развития процессов, натурное наблюдение которых нежелательно или невозможно, а другие математические методы применительно к этим процессам либо не разработаны, либо неприемлемы из-за многочисленных оговорок и допущений, которые могут привести к серьезным погрешностям или неправильным выводам. В связи с этим необходимо не только наблюдать развитие процесса в нежелательных направлениях, но и оценивать гипотезы о параметрах нежелательных ситуаций, к которым приведет такое развитие, в том числе и параметрах рисков.
Метод статистических испытаний (Монте-Карло), основанный на использовании датчиков псевдослучайных величин при многочисленных реализациях вариантов поведения сложной экономической системы (или сложного процесса) и аппарата проверки статистических гипотез, полезен для предварительного анализа последствий принимаемых решений. Являясь бесспорно мощным средством при исследовании систем, этот метод вынуждает разрабатывать моделирующую программу. Такое обстоятельство не позволяет применять в чистом виде метод Монте-Карло для решения экономических задач. С учетом отмеченных особенностей данный метод включается в состав многих моделирующих систем, но только для статистических испытаний с возможностью проверки гипотез.
Дата добавления: 2014-12-19; просмотров: 48 | Поможем написать вашу работу | Нарушение авторских прав |