Основные виды математических моделей. Модели, типы моделей и их использование
Модели, типы моделей и их использование
Одним из главных элементов, необходимых для эффективного решения сложных задач, является построение и соответствующее использование модели. Модель - представление объекта или системы в некоторой форме, отличной от формы их реального существования.
Очевидно, что модели могут принимать самую разную форму и записываться с разной степенью математической детализации. Выбор того уровня сложности, который делает модель полезной, определяется планируемым ее использованием.
В повседневной практике при работе с системами пользуются умозрительными (субъективными) моделями, в которых математики нет вообще. Примерами таких моделей могут служить алгоритмы функционирования, правила управления системами и т.д.
Для описания свойств некоторых объектов и систем подходят числовые таблицы и (или) графики. Такие описания обычно называют графическими моделями. Например, линейные системы автоматического управления (САУ) могут быть представлены своими импульсными реакциями, реакциями на единичный скачок или частотными характеристиками. Соответствующие графические представления широко используются при проектировании и исследовании САУ.
В более сложных приложениях используются математические модели, в которых соотношения, описывающие связи между переменными объекта, задаются в виде определенных уравнений. Поэтому такие модели иногда называют аналитическими моделями. Математические модели представляют собой формализованные математические описания, отражающие с требуемой точностью процессы, происходящие в исследуемом объекте. Математические модели могут быть снабжены набором поясняющих прилагательных (линейные, нелинейные, дискретные, непрерывные, детерминированные, стохастические и т.д.) в зависимости от типа исследуемых уравнений.
В процессе машинного моделирования моделью системы является программа для ЭВМ. Программа, которой описывается поведение сложных систем, может представлять собой совокупность взаимодействующих между собой подпрограмм и просмотровых таблиц. Формализация такой совокупности в виде некоторой математической модели может оказаться трудноразрешимой задачей. Такие компьютеризованные представления называют программными (или машинными) моделями. Такие модели в настоящее время играют большую роль в процессе принятия оптимальных решений в сложных системах.
Модели можно классифицировать различными способами. Однако ни один из них не является полностью удовлетворительным, хотя каждый из них служит определенной цели. Укажем некоторые типовые альтернативные группы моделей:
Физические (натурные) и математические (символьные);
Статические и динамические;
Детерминированные и стохастические;
Дискретные и непрерывные;
Линейные и нелинейные;
Сосредоточенные и распределенные;
Стационарные и нестационарные.
Физическими моделями являются модели, в которых свойства реального объекта представляются свойством такого же объекта (макета) или некоторым другим свойством аналогичного по поведению объекта.
К математическим моделям относятся те, в которых для представления процесса используются символы, а не физические устройства.
Математическую модель можно представить в виде множества величин, описывающих процесс функционирования реального объекта:
а) совокупность управляемых входных воздействий на объект
б) совокупность неуправляемых входных воздействий
в) совокупность внутренних (собственных) параметров объекта
г) совокупность выходных характеристик объекта (переменных состояния)
Структура моделируемого объекта имеет вид представленный на рис. 4.1
Входные переменные являются независимыми (экзогенными), а выходные - зависимыми (эндогенными) переменными.
Процесс функционирования объекта описывается во времени оператором F, который преобразует независимые переменные в зависимые
(4.1)
Совокупность зависимостей выходных характеристик объекта от времени называется выходной траекторией .
Зависимость (1.1) называется законом функционирования объекта. В общем случае закон функционирования объекта может быть задан в виде функции, функционала, логических условий, в алгоритмической и табличной формах или в виде словесного правила соответствия.
Весьма важным для описания и исследования объекта является понятие алгоритма функционирования , под которым понимается метод получения выходных характеристик с учетом входных воздействий .
Очевидно, что один и тот же закон функционирования может быть реализован различными способами, т.е. с помощью множества различных алгоритмов функционирования.
Соотношения (1.1) являются математическим описанием поведения объекта моделирования во времени t, т.е. отражают его динамические свойства. Поэтому математические модели такого вида называются динамическими . Они описывают изменения параметров во времени, например:
(4.2)
Инженеру очень часто приходится сталкиваться с такими моделями при разработке новых технологических процессов, изделий, средств и систем автоматического управления. В сущности, любая задача проектирования, связанная с расчетом потоков энергии или движения тел, в конечном счете сводится к решению дифференциальных уравнений.
Статические модели описывают процессы, не изменяющиеся во времени, т.е. поведение объекта в установившихся режимах
(4.3)
Статические модели используют, как правило, при проектной оптимизации объекта.
Обычно динамическая модель задается в виде дифференциальных уравнений, а статическая - в виде алгебраических или трансцендентных.
Модели, у которых существует жесткая связь между переменными, называют детерминированными . Такие модели не содержат случайных факторов и значения выходных переменных однозначно определяются значениями входных переменных.
Стохастическая (вероятностная) модель отражает воздействие случайных факторов. Поэтому между входными и выходными переменными существует не функциональная зависимость (детерминированная модель), а вероятностная. Обычно переменные состояния объекта оцениваются в терминах математического ожидания, а входные воздействия - вероятностными законами распределения.
Непрерывная модель описывает непрерывные изменения переменных объекта в течении определенного промежутка времени, например:
Дискретная
модель описывает зависимость между переменными объекта в дискретные моменты времени, например: где - начало j-ой стадии моделирования объекта; - ее конец, т.е. состояние объекта в момент времени определяется по известному его состоянию в момент при условии, что 
известны и остаются постоянными.
У линейной модели существует пропорциональная связь между входными и выходными переменными. Модели, не удовлетворяющие этому условию, являются нелинейными .
Динамическая модель, которая описывает изменение переменных объекта только во времени, называется динамической моделью с сосредоточенными параметрами (искомая величина зависит только от одной переменной).
Эти модели содержат одну или несколько производных от переменных состояния и представляют собой обыкновенные дифференциальные уравнения. Их можно записать в виде:
Полная математическая модель наряду с дифференциальным уравнением (1.4) при решении практических задач содержит также некоторые дополнительные условия (например, значения искомых переменных y ) в начальный момент времени t0 , называемыми начальными условиями :
Во многих практических задачах искомая величина зависит от нескольких переменных. В этом случае математическая модель содержит частные производные и называется моделью с распределенными параметрами .
Если одной из независимых переменных является время t, то такая модель дает описание динамики процесса как во времени, так и в пространстве. Полная математическая модель содержит дифференциальное уравнение в частных производных, начальные условия и граничные условия если математическая модель определена в ограниченном пространстве. Примером такой модели может служить модель теплопроводности или диффузии (параболическое уравнение):
, (4.5)
где y - параметр состояния (температура или концентрация); t - время; x - пространственная координата (толщина материала); a - константа, при заданных начальных и граничных условиях.
В настоящее время трудно назвать область человеческой деятельности, в которой в той или иной степени не использовались бы модели и методы моделирования. Особенно это относится к сфере управления различными системами, где основными являются процессы принятия решений на основе получаемой информации.
Идея представления объекта или системы при помощи модели носит столь общий характер, что дать полную классификацию всех функций модели затруднительно. Можно привести, по крайней мере, следующие основания области применения моделей в инженерной практике:
Управление сложными объектами и системами (техническими, экономическими, социальными и т.д.);
Проектирование технических объектов и систем;
Прогнозирование и диагностика с использованием модели объекта;
Создание средств обучения и тренажа;
Постановка численных экспериментов на имитационной модели объекта.
Математическое моделирование является составной частью всех технических и естественно - научных дисциплин. Действительно, основная задача техники заключается в том, чтобы, используя математическую модель, найти хорошее проектно-конструкторское решение, оптимальное управление объектами, наилучшее распределение ресурсов, оптимальный план производства и т.д.
Математические модели являются также мощным инструментальным средством решения задач имитационного моделирования и предсказания (прогнозирования) поведения моделируемых объектов при различных ситуациях, которые часто возникают не только в технике, но и в экономике, экологии, биологии и других областях знания. Модели широко применяются в качестве средств профессиональной подготовки и обучения лиц, которые должны уметь справляться с всевозможными случайностями до возникновения реальной критической ситуации. Широко известны такие применения моделей, как натурные макеты или модели космических летательных аппаратов, используемые для тренировки космонавтов, тренажеры для обучения водителей, деловые игры для обучения персонала, принимающего решения.
Применение моделей позволяет проводить контролируемые эксперименты в ситуациях, когда экспериментирование на реальных объектах практически невозможно или экономически нецелесообразно. При экспериментировании с моделью сложной системы мы часто можем узнать больше о ее внутренних взаимодействующих факторах, чем могли бы узнать, проведя эксперименты с реальной системой. Это становится возможным благодаря наблюдаемости переменных структурных элементов модели, благодаря тому, что мы можем контролировать ее поведение при различных внешних воздействиях, легко изменять ее параметры.
Резюмируя изложенное выше, отметим, что модель может служить для достижения одной из двух основных целей: либо описательной, если модель служит для объяснения и (или) лучшего понимания объекта, либо предписывающей, когда модель позволяет предсказать и (или) воспроизвести характеристики объекта, определяющие его поведение.
Непрерывные и дискретные модели
Непрерывные модели отражают непрерывные процессы, протекающие, в частности, во времени. Значения независимой переменной (аргумента) принадлежат континуальному множеству. Континуальное множество обладает свойством, соответственно которому между любыми сколь угодно близкими точками множества всегда можно найти еще более близкие точки. Очень часто такой характер изменения приписывается времени.
Непрерывными моделями достаточно точно описываются такие реальные процессы, как изменение силы тока в определенной точке электрической схемы, изменение угловой скорости на выходе электропривода, набор линейной скорости при разгоне автомобиля, истечение газа или жидкости из резервуара и т.п.
Дискретные модели описывают дискретные, т.е. прерывистые процессы. Такие процессы происходят, например, в дискретных СУ, содержащих импульсный элемент (ключ), периодически замыкающий цепь через постоянный тактовый период Т .
Дискретными моделями достаточно точно описываются такие реальные процессы, как штамповка деталей, продажа мелких товаров с помощью автомата, работа микропроцессора и т.п.
Существуют также комбинированные – дискретно-непрерывные модели, в которых обычно можно отделить непрерывную часть от дискретной.
Статической называется модель объекта, отражающая оригинал в какой-то отдельный момент времени, т.е. «моментальная фотография» объекта. Например, буквально фотография или схема.
С фотографией (рис. 1.11) все ясно, что же касается схемы, то даже если это структурная схема с указанием передаточных функций звеньев, по ней явно не видно, как модель изменяется с течением времени (рис. 1.12).
Рис.1.11. Фотография как пример статической модели
Рис. 1.12. Структурная схема системы
Другой очевидный и знакомый пример статической модели –статическая характеристика, т.е. зависимость выходной переменной объекта (системы) от входной переменной в установившемся режиме , т.е. при t®∞: y(∞)=F (рис. 1.13).
Рис. 1.13. Статическая характеристика системы ”System ”
Динамическая модель, в отличие от статической, учитывает изменения, происходящие в системе с течением времени. Это может выражаться в зависимости входной, выходной и промежуточных переменных от времени. Примером могут служить переходные функции – реакции систем на единичное ступенчатое входное воздействие (рис. 1.14).
Рис. 1.14. Переходная функция h(t) системы “System ”
Обычно переходные функции получаются в результате: 1) аналитического решения; 2) численного интегрирования дифференциальных уравнений, описывающих исследуемую систему; 3) обратного преобразования Лапласа от передаточной функции системы, деленной на s . Модельв виде дифференциальных уравнений (ДУ) является широко распространенной динамической моделью.
Пример.
Пусть система описывается моделью в виде дифференциального уравнения: 
входное воздействие x(t)= 1[t] – единичное ступенчатое (как на рис. 1.14), а начальные условия имеют вид: y(t= 0) = 0, т.е. процесс начинается из начала координат.
Аналитическое решение. Это линейное дифференциальное уравнение первого порядка с постоянными коэффициентами (стационарное). Его решение складывается из двух слагаемых – общего и частного решения:
Общее решение ищется в виде:
где А – неизвестный коэффициент, определяемый из начальных условий;
l – корень характеристического уравнения, которое в данном случае выглядит так:
откуда l=– 2.
В стандартной форме исходное уравнение должно иметь при y(t) коэффициент, равный единице. Для этого исходное уравнение разделим на 4 и получим:
Частное решение зависит от вида правой части ДУ; в данном примере, поскольку x(t)= 1[t] , частное решение будет равно константе:
Суммарное решение будет выглядеть так:
Теперь, подставив в решение y(t) начальное условие (для уравнения 1-го порядка оно одно), можно найти значение коэффициента А :
откуда А = – 1,25. Окончательно решение имеет вид:
Поскольку входным воздействием было единичное ступенчатое, то полученное решение является переходной функцией и обозначается, как обычно, h(t) . График этой функции показан на рис. 1.15.
Рис. 1.15. Переходная функция h(t) – решение ДУ из примера
Подобный h(t) характер (с разной погрешностью) имеют такие процессы, как разгон автомобиля, нагрев жидкости, накопление знаний в некоторой предметной области, увеличение численности популяции животных, рост производства (при определенных условиях) и многие другие. В этом заключается одно из важнейших свойств математическихмоделей – их универсальность.
Введение
динамический модель математический
Динамическая модель - теоретическая конструкция (модель), описывающая изменение (динамику) состояний объекта. Динамическая модель может включать в себя описание этапов или фаз или диаграмму состояний подсистем. Часто имеет математическое выражение и используется главным образом в общественных науках (например, в социологии), имеющих дело с динамическими системами, однако современная парадигма науки способствует тому, что данная модель также имеет широкое распространение во всех без исключения науках в т.ч. в естественных и технических.
Экономико-математические модели описывают экономику в развитии (в отличие от статических, характеризующих ее состояние в определенный момент). Существует два подхода к построению динамической модели:
оптимизационный (выбор оптимальной траектории экономического развития из множества возможных)
описательный, в центре которого понятие равновесной траектории (т. е. уравновешенного, сбалансированного роста).
Динамические межотраслевые модели, экономико-математические модели плановых расчётов, позволяющие определять по годам перспективного периода объёмы производства продукции, капитальных вложений (а также ввода в действие основных фондов и производственных мощностей) по отраслям материального производства в их взаимной связи. В динамических межотраслевых моделях на каждый год планового периода задаются объёмы и структура "чистого" конечного продукта (личного и общественного потребления, накопления оборотных фондов и государственных резервов, экспортно-импортного сальдо, капитальных вложений, не связанных с увеличением производства в рассматриваемом периоде), а также объём и структура основных фондов на начало периода. В динамических межотраслевых моделях, помимо коэффициента прямых затрат, присущих статическим межотраслевым моделям, вводят специальные коэффициенты, характеризующие материально-вещественную структуру капитальных вложений.
По типу используемого математического аппарата динамические межотраслевые модели делятся на балансовые и оптимальные. Балансовые динамические межотраслевые модели могут быть представлены как в форме системы линейных уравнений, так и в форме линейных дифференциальных или разностных уравнений. Балансовые динамические межотраслевые модели различают также по лагу (разрыв во времени между началом строительства и пуском в эксплуатацию построенного объекта). Для оптимальных динамических межотраслевых моделей характерны наличие определённого критерия оптимальности, замена системы линейных уравнений системой неравенств, введение специальных ограничений по трудовым и природным ресурсам.
Динамические физические и виртуальные объекты существуют объективно. Это значит, что эти объекты функционируют в соответствии с некоторыми законами, независимо от того, знает ли и понимает ли их человек или нет. Например, для управления автомобилем вовсе не обязательно знать, как работает двигатель, что в нем происходит и почему это приводит к движению автомобиля, если нажимать на газ или поворачивать руль. Но если человек предполагает не управлять автомобилем, а сконструировать систему управления им, то знание и понимание процессов динамики уже совершенно необходимо.
Динамические объекты и их линейные модели плотно исследовались и анализировались на протяжении более двух столетий многими учеными и инженерами. Результаты этих исследований и анализа и представляются ниже качественно в концентрированном виде, так, как это воспринимается автором. Прежде всего, это относится к линейным моделям динамических систем, их классификации, описанию их свойств и области состоятельности.
Кроме того, далее обсуждаются и некоторые свойства нелинейных систем. Слова, термины "динамический", "динамичный" прочно и широко вошли в различные области знаний человека, используются и в быту, как эмоциональный эпитет энергичного движения в широком смысле этого слова, синоним быстрых изменений. В предлагаемой работе термин "динамический" будет использован в его узком и непосредственном значении, означающем "силовой", т.е. динамический объект - это объект, подверженный внешнему воздействию, приводящему к движению в широком смысле этого слова.
1. Динамические модели: понятие, виды
Динамический объект - это физическое тело, техническое устройство или процесс, имеющее входы, точки возможного приложения внешних воздействий, и воспринимающие эти воздействия, и выходы, точки, значения физических величин в которых характеризуют состояние объекта. Объект способен реагировать на внешние воздействия изменением своего внутреннего состояния и выходных величин, характеризующих его состояние. Воздействие на объект, и его реакция в общем случае изменяются с течением времени, они наблюдаемы, т.е. могут быть измерены соответствующими приборами. Объект имеет внутреннюю структуру, состоящую из взаимодействующих динамических элементов.
Если вчитаться и вдуматься в приведенное выше нестрогое определение, можно увидеть, что отдельно динамический объект в "чистом" виде, как вещь в себе, не существует: для описания объекта модель должна содержать еще и 4 источника воздействий (генераторы):
среду и механизм подачи на него этих воздействий
объект должен иметь протяженность в пространств
функционировать во времени
в модели должны быть измерительные устройства.
Воздействием на объект может быть некоторая физическая величина: сила, температура, давление, электрическое напряжение и другие физические величины или совокупность нескольких величин, а реакцией, откликом объекта на воздействие, может быть движение в пространстве, например смещение или скорость, изменение температуры, силы тока и др.
Для линейных моделей динамических объектов справедлив принцип суперпозиции (наложения), т.е. реакция на совокупность воздействий равна сумме реакций на каждое из них, а масштабному изменению воздействия соответствует пропорциональное изменение реакции на него. Одно воздействие может быть приложено к нескольким объектам или нескольким элементам объекта.
Понятие динамический объект содержит и выражает причинно-следственную связь между воздействием на него и его реакцией. Например, между силой, приложенной к массивному телу, и его положением и движением, между электрическим напряжением, приложенным к элементу, и током, протекающим в нем.
В общем случае динамические объекты являются нелинейными, в том числе они могут обладать и дискретностью, например, изменять быстро структуру при достижении воздействием некоторого уровня. Но обычно большую часть времени функционирования динамические объекты непрерывны во времени и при малых сигналах они линейны. Поэтому ниже основное внимание будет уделено именно линейным непрерывным динамическим объектам.
Пример непрерывности: автомобиль, двигающийся по дороге - непрерывно функционирующий во времени объект, его положение зависит от времени непрерывно. Значительную часть времени автомобиль может рассматриваться как линейный объект, объект, функционирующий в линейном режиме. И только при авариях, столкновениях, когда, например, автомобиль разрушается, требуется описание его как нелинейного объекта.
Линейность и непрерывность во времени выходной величины объекта просто удобный частный, но важный случай, позволяющий достаточно просто рассмотреть значительное число свойств динамического объекта.
С другой стороны, если объект характеризуется процессами, протекающими в разных масштабах времени, то во многих случаях допустимо и полезно заменить наибыстрейшие процессы их дискретным во времени изменением.
Настоящая работа посвящена, прежде всего, линейным моделям динамических объектов при детерминированных воздействиях. Гладкие детерминированные воздействия произвольного вида могут быть генерированы путем дискретного, сравнительно редкого аддитивного действия на младшие производные воздействия дозированными дельта - функциями. Такие модели состоятельны при сравнительно малых воздействиях для весьма широкого класса реальных объектов. Например, именно так формируются сигналы управления в компьютерных играх, имитирующих управление автомобилем или самолетом с клавиатуры. Случайные воздействия пока остаются за рамками рассмотрения.
Состоятельность линейной модели динамического объекта определяется, в частности тем, что является ли его выходная величина достаточно гладкой, т.е. является ли она и несколько ее младших производных по времени непрерывными. Дело в том, что выходные величины реальных объектов изменяются достаточно плавно во времени. Например, самолет не может мгновенно переместиться из одной точки пространства в другую. Более того он, как и любое массивное тело, не может скачком изменить свою скорость, на это потребовалась бы бесконечная мощность. Но ускорение самолета или автомобиля может изменяться скачком.
Понятие динамический объект вовсе не всесторонне определяет физический объект. Например, описание автомобиля как динамического объекта позволяет ответить на вопросы, как быстро он разгоняется и тормозит, как плавно двигается по неровной дороге и кочкам, какие воздействия будут испытывать водитель и пассажиры машины при движении по дороге, на какую гору он может подняться и т.п. Но в такой модели безразлично, какой цвет у автомобиля, не важна его цена и др., постольку, они не влияют на разгон автомобиля. Модель должна отражать главные с точки зрения некоторого критерия или совокупности критериев свойства моделируемого объекта и пренебрегать второстепенными его свойствами. Иначе она будет чрезмерно сложной, что затруднит анализ интересующих исследователя свойств.
С дугой стороны, если исследователя интересует именно изменение во времени цвета автомобиля, вызываемое различными факторами, например солнечным светом или старением, то и для этого случая может быть составлено и решено соответствующее дифференциальное уравнение.
Реальные объекты, как и их элементы, которые также можно рассматривать как динамические объекты, не только воспринимают воздействия от некоторого источника, но и сами воздействуют на этот источник, противодействуют ему. Выходная величина объекта управления во многих случаях является входной для другого, последующего динамического объекта, которая также, в свою очередь, может влиять на режим работы объекта. Т.о. связи динамического объекта с внешним, по отношению к нему миром, двунаправленные.
Часто, при решении многих задач, рассматривается поведение динамического объекта только во времени, а его пространственные характеристики, в случаях, если они непосредственно не интересуют исследователя, не рассматриваются и не учитываются, за исключением упрощенного учета задержки сигнала, которая может быть обусловлена временем распространения воздействия в пространстве от источника к приемнику.
Динамические объекты описываются дифференциальными уравнениями (системой дифференциальных уравнений). Во многих практически важных случаях это линейное, обыкновенное дифференциальное уравнение (ОДУ) или система ОДУ. Многообразие видов динамических объектов определяет высокую значимость дифференциальных уравнений как универсального математического аппарата их описания, позволяющего проводить теоретические исследования (анализ) этих объектов и на основе такого анализа конструировать модели и строить полезные для людей системы, приборы и устройства, объяснять устройство окружающего нас мира, по крайней мере, в масштабах макромира (не микро- и не мега-).
Модель динамического объекта состоятельна, если она адекватна, соответствует реальному динамическому объекту. Это соответствие ограничивается некоторой пространственно-временной областью и диапазоном воздействий.
Модель динамического объекта реализуема, если можно построить реальный объект, поведение которого под влиянием воздействий в некоторой пространственно-временной области и при некотором классе и диапазоне входных воздействий соответствует поведению модели.
Широта классов, многообразие структур динамических объектов может вызвать предположение, что все они вместе обладают неисчислимым набором свойств. Однако попытка охватить и понять эти свойства, и принципы работы динамических объектов, во всем их многообразии вовсе не столь безнадежна.
Дело в том, что если динамические объекты адекватно описываются дифференциальными уравнениями, а это именно так, то совокупность свойств, характеризующих динамический объект любого рода, определяется совокупностью свойств характеризующих его дифференциальное уравнение. Можно утверждать что, по крайней мере, для линейных объектов таких основных свойств существует довольно ограниченное и сравнительно небольшое число, а поэтому ограничен и набор основных свойств динамических объектов. Опираясь на эти свойства и комбинируя элементы, обладающие ими, можно построить динамические объекты с самыми разнообразными характеристиками.
Итак, основные свойства динамических объектов выведены теоретически из их дифференциальных уравнений и соотнесены с поведением соответствующих реальных объектов.
Динамический объект - это объект, воспринимающий изменяющиеся во времени внешние воздействия и реагирующий на них изменением выходной величины. Объект имеет внутреннюю структуру, состоящую из взаимодействующих динамических элементов. Иерархия объектов ограничена снизу простейшими моделями и опирается на их свойства.
Воздействием на объект, как и его реакцией, являются физические, измеряемые величины, это может быть и совокупность физических величин, математически описываемая векторами.
При описании динамических объектов с помощью дифференциальных уравнений неявно предполагается, что каждый элемент динамического объекта получает и расходует столько энергии (такую мощность), сколько ему требуется для нормальной работы в соответствии с его назначением по отклику на поступающие воздействия. Часть этой энергии объект может получать от входного воздействия и это описывается дифференциальным уравнением явно, другая часть может поступать от сторонних источников и в дифференциальном уравнении не фигурировать. Такой подход существенно упрощает анализ модели, не искажая свойств элементов и всего объекта. При необходимости процесс обмена энергией с внешней средой может быть подробно описан в явной форме и это будут также дифференциальные и алгебраические уравнения.
В некоторых частных случаях источником всей энергии (мощности) для выходного сигнала объекта является входное воздействие: рычаг, разгон массивного тела силой, пассивная электрическая цепь и др.
В общем случае воздействие может рассматриваться как управляющее потоками энергии для получения необходимой мощности выходного сигнала: усилитель синусоидального сигнала, просто идеальный усилитель и др.
Динамические объекты, как и их элементы, которые также можно рассматривать как динамические объекты, не только воспринимают воздействие от его источника, но и сами воздействуют на этот источник: например в классической механике это выражается принципом, сформулированном в третьем законе Ньютона: действие равно противодействию, в электротехнике напряжение источника есть результат установления динамического равновесия между источником и нагрузкой. Т.о. связи динамического объекта с внешним, по отношению к нему миром, двунаправленные.
По существу, все элементы динамического объекта являются двунаправленными, как и сам объект по отношению к внешним объектам. Это следует из обобщения третьего закона Ньютона, сформулированного им для механики: сила противодействия тела равна силе воздействия на него другим телом и направлена навстречу ей, а в химии также формулируется в виде принципа Ле Шателье. Обобщая можно сказать: воздействие одного динамического элемента на другой встречает противодействие некоторого вида. Например, электрическая нагрузка источника напряжения противодействует ему током, изменяя значение напряжения на выходе источника. В общем случае противодействие нагрузки влияет на режим работы источника, и их поведение определяется в результате, если это возможно, переходом в некоторое динамическое равновесие.
Во многих случаях мощность источника воздействия значительно больше потребной входной мощности приемника, каковым является динамический объект. В этом случае динамический объект практически не влияет на режим работы источника (генератора) и связь может рассматриваться как однонаправленная от источника к объекту. Такая однонаправленная модель элемента, основывающаяся на рациональном физическом структурировании объекта, существенно упрощает описание и анализ системы. Собственно, многие технические объекты, хотя и далеко не все же, строятся как раз по такому принципу, в частности при проектировании систем для решения задач управления. В других случаях, например при решении задачи, когда требуется получение максимального кпд двигателя, противодействием пренебречь нельзя.
Детализируя структуру динамического объекта можно придти к элементарным, условно не упрощаемым объектам. Такие объекты описываются простейшими алгебраическими и дифференциальными уравнениями. Фактически такие элементы в свою очередь могут иметь сложную структуру, однако удобнее при моделировании воспринимать их как единое целое, свойства которого определяются этими, сравнительно простыми уравнениями, связывающими реакцию с воздействием.
1.1 Физические модели
Так называют увеличенное или уменьшенное описание объекта или системы. Отличительная характеристика физической модели состоит в том, что в некотором смысле она выглядит как моделируемая целостность.
Наиболее известным примером физической модели является копия конструируемого самолета, выполненная с полным соблюдением пропорций, скажем 1:50. На одном из этапов разработки самолета новой конструкции возникает необходимость проверить его основные аэродинамические параметры. С этой целью подготовленную копию продувают в специальной (аэродинамической) трубе, а полученные показания затем тщательно исследуют. Выгодность такого подхода совершенно очевидна. И потому все ведущие самолетостроительные компании используют физические модели подобного рода при разработке каждого нового летательного аппарата.
Часто в аэродинамическую трубу помещают уменьшенные копии многоэтажных зданий, имитируя при этом розу ветров, характерную для той местности, где предполагается их строительство. Пользуются физическими моделями и в кораблестроении.
1.2 Математические модели
Так называют модели, использующие для описания свойств и характеристик объекта или события математические символы и методы. Если некоторую проблему удается перенести на язык формул, то она сильно упрощается. Математический подход прост еще и потому, что он подчиняется вполне определенным жестким правилам, которые нельзя отменить указом или иным способом. Сложность нашей жизни как раз и состоит в том, что многое, что в ней случается, нередко свободно от условностей. Математика имеет дело с упрощенным описанием явлений. По существу, любая формула (или совокупность формул) представляет собой определенный этап в построении математической модели. Опыт показывает, что построить модель (написать уравнение) довольно легко. Трудно в этой модельной и следовательно, упрощенной форме суметь передать суть изучаемого явления.
Любой функциональный элемент реального объекта имеет свою структуру, его можно, как и весь объект, мысленно или физически разделить на взаимодействующие элементы. Элементарный динамический объект это рационально выбранный элемент реального объекта, условно считающийся неделимым, обладающий, как целое некоторым фундаментальным свойством, например инерцией, и с достаточной степенью точности описываемый простейшим алгебраическим или дифференциальным уравнением.
Важнейшее, фундаментальное свойство динамических объектов это их инерционность. Физически инерционность выражается в том, что объект не сразу, а постепенно реагирует на внешние воздействия, а в отсутствие внешнего воздействия стремится сохранить свое состояние и поведение. Математически инерция выражается в том, что выходная величина реального объекта является непрерывной во времени величиной. Более того, некоторые младшие производные выходной величины тоже должны быть непрерывными, они не могут изменяться скачком при ограниченных по мощности воздействиях, в том числе и изменяющихся скачком, ступенчато во времени.
Простейшие инерционные динамические объекты - кинедины. Это элементарные объекты, мысленно или физически вычленяемые из структуры сложного объекта и с достаточной степенью точности подчиняющиеся простейшим дифференциальным уравнениям различных порядков. Такие модели состоятельны, по крайней мере, в некоторой пространственно-временной области и в ограниченном диапазоне величин сигналов.
Математическое описание инерции динамического объекта, объекта, соответствующего некоторому дифференциальному уравнению, состоит в том, что воздействие сказывается на реакции объекта опосредовано, оно непосредственно влияет на ту или иную производную реакции по времени, или сразу на несколько из них. Это и приводит к тому, что реакция проявляется только с течением времени.
И действительно, такое описание соответствует поведению реальных объектов. Например, при мгновенной подаче некоторого, сравнительно малого, не меняющегося после подачи воздействия на элементарный объект второго порядка, например силы на инерционную массу, объект остается некоторое, пусть малое, время в том же состоянии, что и до подачи, имеет ту же скорость, что и ранее.
Но вторая производная, т.е. ускорение, прыгает скачком, пропорционально величине приложенной силы. И, поэтому, только с течением времени, а не сразу, наличие второй производной проявляется в изменении скорости, а следовательно, в последующем, и на положении тела в пространстве.
1.3 Аналоговые модели
Так называют модели, представляющие исследуемый объект аналогом, который ведет себя как реальный объект, но не выглядит как таковой.
Приведем два достаточно характерных примера.
Пример 1. График, иллюстрирующий соотношения между затраченными усилиями и результатами, является аналоговой моделью. График на рис. 1.1 показывает, как количество времени, отведенное студентом на подготовку к экзамену, влияет на его результат.
Рис. 1.1. График, иллюстрирующий соотношения между затраченными усилиями и результатами
Пример 2. Предположим, что нужно найти наиболее экономичный способ для регулярных известных поставок товаров в три города, построив для этого только один склад. Основное требование: место для склада должно быть таким, чтобы полные транспортные расходы были наименьшими (считается, что стоимость каждой перевозки равна произведению расстояния от склада до пункта назначения на общий вес перевозимых товаров и измеряется в тонна-километрах).
Наклеим карту местности на лист фанеры. Затем в месте нахождения каждого города пропилим сквозные отверстия, пропустим через них нити и привяжем к ним грузики, пропорциональные запросам товаров в этот город (рис. 1.2). Свяжем свободные концы нитей в один узел и отпустим. Под действием силы тяжести система придет в состояние равновесия. То место на листе фанеры, которое при этом займет узел, и будет соответствовать оптимальному расположению склада (рис. 1.3).
Замечание. Стоимость дорог, которые придется построить заново, мы для простоты рассуждений в расчет не принимаем.
Рис. 1.2. Карта местности на листе фанеры
Рис. 1.3. Оптимальное расположение склада
2. Построение математических моделей дискретных объектов
2.1 Модель народонаселения
Интересно, что построить математическую модель часто совсем нетрудно. Нередко для этого используются самые простые и легкообъяснимые предположения. Опишем, как это можно сделать, на одном почти реальном примере. Представим себе следующую картину. Середина XVIII в. центральная Европа, приход в глубинке, церковь, прихожане - жители окрестных деревень, приходский священник замечает, что храм стал тесноват для богослужений: возросло число прихожан. Священник размышляет: если число прихожан будет увеличиваться и в будущем, то придется строить новую церковь, для чего понадобятся средства, и немалые.
Священник понимает, что срок, за который должен быть построен храм, и его размеры во многом зависят от того, как имено будет изменяться число окрестных жителей. И он решает попытаться рассчитать это. Попробуем и мы изложить возможный ход его рассуждений, пользуясь современными обозначениями и языком.
Обозначим через х количество прихожан к концу n-го года. Их численность через год, т.е. к концу (n + 1)-го года, естественно обозначить через хn+1. Тогда изменение численности за этот год можно описать разностью
Оно происходит по двум естественным причинам - люди рождаются и умирают (для простоты будем считать, что вирус миграций эту местность тогда еще не поразил). Определить число родившихся и число умерших за год по приходским книгам особого труда не составляет. Подсчитывая число родившихся и умерших в разные годы, священник решает сопоставить полученные числа и d1,...,dk с общим числом прихожан за эти годы x1,..,xk, и замечает, что отношения x1,...,xk год от года различаются весьма мало. То же касается и отношений
Для простоты расчетов будем считать эти отношения постоянными и обозначим их через? и? соответственно. Тем самым число родившихся в n-м году оказывается равным, число умерших - ?xn, а изменение численности по естественным причинам составляет +?xn - ?xn.
В результате мы приходим к соотношению?xn=?хn - ?xn или подробнее:
xn+1=xn +?xn-?xn
Положим?=1 + ? - ?. Тогда интересующая нас формула примет вид
Модель построена.
Попробуем разобраться теперь с тем, что же получилось, т. е. проанализировать построенную модель. Возможны три случая:
1)?>1(?=?-?>0 - рождается больше, чем умирает) и численность прихожан растет год от года,
2)?=1 (?=?-?=0 - умирает столько же, сколько рождается) и численность прихожан год от года остается неизменной,
3)?<0 (?=?-?<0 - умирает больше, чем рождается) и численность прихожан неуклонно снижается.
Так как побудительным мотивом для построения модели было желание узнать, как быстро будет расти число прихожан, начнем с рассмотрения случая 1.
Случай 1. Итак, численность прихожан растет. Но как, насколько быстро? Здесь самое время кратко вспомнить поучительную историю (печальную притчу) о безвестном изобретателе шахмат. Говорят, что игра очень понравилась богатому и всесильному магарадже, который тут же решил наградить изобретателя и щедро предложил выбрать вознаграждение ему самому. Тот, как рассказывают, смахнув фигуры с шахматной доски, положил на 1-ю клетку одно пшеничное зернышко, на 2-ю - два зернышка, на 3-ю - четыре зернышка, на 4-ю - восемь зернышек (рис. 2.1) и предложил магарадже, чтобы он отдал распоряжение слугам выкладывать зерна пшеницы на другие клетки шахматной доски по предложенному закону, т. е. так: 1,2,4,8,16,…,263.
Рис. 2.1. Задача о шахматной доске и награде магараджи
Магараджу эта простая просьба почти обидела, и он согласилсявыполнить ее далеко не сразу. Но изобретатель настаивал. Магараджа приказал. И слуги тут же кинулись исполнять это "легкое"задание. Нужно ли говорить, что выполнить распоряжение магараджи им не удалось. Дело в том, что общее количество зерен пшеницына шахматной доске должно было быть равным 264 - 1, что намного превышает выращиваемое сейчас во всем мире за год. Закончим притчу совсем коротко: магараджа оказался в непривычном для себя положении - он прилюдно дал обещание и не смог его выполнить. Виновного, впрочем, тут же и нашли. Возможно, именно поэтому история и не сохранила имени изобретателя шахмат. Попробуем, однако, изобразить на графике, как быстро растет число зерен в каждой следующей клетке, для большей наглядности соединяя соседние точки (рис. 2.2).
Рис. 2.2-2.3. Экспоненциальное изменение численности
Правило, предложенное изобретателем шахмат, Xn+1=2xn является частным случаем формулы (1) при ?=2 и, так же как и она, описывает закон, следуя которому мы получаем последовательность чисел, образующих геометрическую прогрессию. При любом ?>1 картинка, иллюстрирующая изменение xn, имеет похожий вид - xn будет расти экспоненциально. В 1820 г. в Лондоне Т.Р. Мальтусом была опубликована работа "Principles of political economy considered with a view to their practical application" (в русском переводе - "Опыт о законе народонаселения..." Т. 1-2. СПб., 1868), в которой, в частности, говорилось о том, что в силу биологических особенностей людей население имеет тенденцию размножаться по закону геометрической прогрессии,
xn=1=?xn,?>1,
в то время как средства существования могут увеличиваться лишь по закону арифметической прогрессии, yn+1=yn+d, d>0. Такое различие в скорости изменения величин, непосредственно связанных с проблемами выживаемости популяции (рис. 2.3), не могло остаться незамеченным и вызвало довольно жесткую критику и сильно политизированную полемику в соответствующих кругах. Попробуем извлечь из самого факта критики полезный для нас вывод об адекватности построенной модели (1). Разумеется, при попытке упрощенного описания ситуации некоторыми обстоятельствами приходится пренебрегать, считая их несущественными. Однако единого взгляда на то, что именно существенно, а что не очень, по-видимому, нет. Можно, например, не обращать внимания на то, что начался дождик. Но согласитесь, что одно дело пробежать под накрапывающим дождем сотню метров, и совсем другое - часовая прогулка под таким дождем без зонта. Нечто аналогичное мы наблюдаем и здесь: при расчете на 3-4 года вперед формула (1) работает достаточно хорошо, но долгосрочный прогноз, основанный на ней, оказывается ошибочным.
Важный вывод. Предлагая построенную или выбранную вами модель, вы непременно должны указать пределы, в которых ею можно пользоваться, и предупредить о том, что нарушение этих ограничений может привести (и, скорее всего, приведет) к серьезным ошибкам. Коротко говоря, у каждой модели есть свой ресурс. Покупая блузку или рубашку, мы привыкли к наличию меток, на которых указаны максимально допустимая температура глажения, дозволенные виды стирки и т. п. Это, конечно, ни в коей мере не означает, что вам запрещается, взяв докрасна раскаленный утюг, пройтись им раз-другой по ткани. Такое вы сделать можете. Но вот захотите ли вы носить блузку или рубашку после такого глажения? Случай 2. Численность населения не изменяется (рис. 2.4). Случай 3. Население вымирает (рис. 2.5).
Рис. 2.4. График народонаселения при неизменяющейся численности
Рис. 2.5. График народонаселения при убывающей численности
Мы умышленно весьма подробно остановились на описании модели народонаселения, во-первых, потому, что она является одной из первых моделей подобного рода, и, во-вторых, чтобы на ее примере показать, через какие основные этапы проходит решение задачи построения математической модели.
Замечание 1. Очень часто, описывая эту модель народонаселения, привлекают ее дифференциальный вариант: x=?x (здесь х=x(t) - зависящая от времени численность популяции, х" - производная по времени, ?- постоянная величина).
Замечание 2. При больших значениях х конкурентная борьба за средства существования приводит к уменьшению ?, и эта жесткая модель должна быть заменена более мягкой моделью: x=?(x)x, в которой коэффициент ? зависит от численности населения. В простейшем случае эта зависимость описывается так:
?(x)=a-bx
где а и b - постоянные числа, а соответствующее уравнение принимает вид
x=ax-bx2
И мы приходим к более сложной, так называемой логистической модели, которая описывает динамику популяции уже достаточно хорошо. Анализ логистической кривой (рис. 2.6) весьма поучителен, и его проведение может быть любопытно читателю. Логистическая модель хорошо описывает и другие процессы, например эффективность рекламы.
Рис. 2.6. Логистическая кривая
2.2 Модель хищник - жертва
Выше рассказывалось о беспрепятственном размножении популяции. Однако в реальных обстоятельствах популяция сосуществует с другими популяциями, находясь с ними в самых разных взаимоотношениях. Здесь мы коротко рассмотрим антагонистическую пару хищник - жертва (это может быть и пара рысь - заяц и пара божья коровка - тля) и попытаемся проследить, как может изменяться со временем численность обеих взаимодействующих сторон. Популяция жертвы может существовать сама по себе, в то время как популяция хищника - только за счет жертвы. Обозначим численность популяции жертвы через х, а численность популяции хищника через у. В отсутствие хищника жертва размножается согласно уравнению x=ax, a>0, а хищник в отсутствие жертвы вымирает по закону y=-?y,?>0. Хищник съедает тем больше жертвы, чем ее больше и чем более многочислен он сам. Поэтому при наличии хищника численность жертвы меняется по закону
x=ax-?xy,?>0
Съеденное количество жертвы способствует размножению хищника, что можно записать так: y=-?y+?xy, ?>0.
Таким образом, мы получаем систему уравнений
x=ax-?xy
y=-?y+?xy
причем x?0, y?0.
Модель хищник - жертва построена.
Как и в предыдущей модели, наибольший интерес для нас представляет точка равновесия (х*,у*), где х* и у* - отличное от нуля решение системы уравнений
ax-?xy=0
Y+?xy=0
Или x(a-?y)=0, y(-?+?x)=0
Эта система получается из условия стабильности численности обеих популяций x=0, y=0
Координаты точки равновесия - она является точкой пересечения прямых
a-?y=0 (2)
?+?x=0 (3)
легко вычисляются:
, (рис. 2.7).
Рис. 2.7. Решение системы уравнений
Начало координат О(0,0) лежит в положительной полуплоскости относительно горизонтальной прямой, задаваемой уравнением (2), а относительно вертикальной прямой, задаваемой уравнением (3), в отрицательной полуплоскости (рис. 2.8). Тем самым первая четверть (а нас интересует только она, так как х>0 и у>0) разбивается на четыре области, которые удобно обозначить так: 1-(+,+), 2-(-,+), 3-(-,-), 4-(+,-).
Рис. 2.8. Разбиение области решений на квадранты
Пусть начальное состояние Q(x0,y0) находится в области IV. Тогда выполнены неравенства?-?y0>0, -?+?x0<0? из которых следует, что скорости x" и у" в этой точке должны быть разных знаков, x>0, y<0 и, значит, величина х должна возрастать, а величина убывать.
Подобным же образом анализируя поведение х и у в областях 2, 3 и 4, получим в итоге картину, изображенную на рис. 2.9.
Рис. 2.9. Изменение x и y по квадрантам
Тем самым начальное состояние Q приводит к периодическому колебанию численности, как жертвы, так и хищника, так что по прошествии какого-то времени система вновь возвращается в состояние Q (рис. 2.10).
Рис. 2.10. Цикличность колебаний численности хищника и жертвы
Как показывают наблюдения, несмотря на свою простоту, предложенная модель качественно верно отражает колебательный характер численности в системе хищник - жертва (рис. 2.11).
Рис. 2.11. Колебания систем Заяц - Рысь и Тля - Божья коровка
Реальные наблюдения. Вмешиваться в действия непонятных нам законов природы иногда довольно опасно - применение инсектицидов (если только они не уничтожают насекомых практически полностью) в конечном счете приводит к увеличению популяции тех насекомых, численность которых находится под контролем других насекомых-хищников. Случайно попавшая в Америку тля поставила под угрозу все производство цитрусовых. Вскоре туда же был завезен ее естественный враг - божья коровка, которая немедленно принялась за дело и сильно сократила популяцию тли. Чтобы ускорить процесс уничтожения, фермеры применили ДДТ, но в результате количество тли увеличилось, что, глядя на рис. 2.11, нетрудно предугадать.
2.3 Модель мобилизации
Под термином политическая, или социальная, мобилизация понимается вовлечение людей в партию или в число ее сторонников, в какое-либо общественное движение и т. п. Вследствие того что текущий уровень мобилизации тесно связан с прошлым ее уровнем, а будущая мобилизация зависит от сегодняшних успехов пропагандистской кампании, ясно, что при построении соответствующей модели необходимо учитывать временной фактор. Иными словами, нужно понимать, что искомая модель должна быть динамической.
Постановка задачи. Отразить логику изменения уровня мобилизации в данном регионе между двумя соседними моментами времени, скажем за месяц (за год, неделю, день и т. п.).
Построение модели. Примем за единицу ту часть населения, для которой мобилизация данного типа имеет смысл. Пусть Mn- доля мобилизованного населения в момент времени tn=n. Тогда доля немобилизованного населения будет равна 1-Mn (рис. 2.12).
Рис. 2.12. Соотношение мобилизованного и немобилизованного населения
За месяц уровень мобилизации может измениться по двум основным причинам:
) часть населения удалось привлечь дополнительно; ясно, что эта величина тем больше, чем выше доля еще несагитированного населения на момент tn=n, и поэтому можно считать ее равной ?(1-Мn), (здесь ?>0 - коэффициент агитируемости, постоянный для данного региона);
2) часть населения убыла (по разным причинам); ясно, что это уменьшает долю сагитированного населения тем больше, чем выше была эта доля на момент tn=n, и поэтому потери, связанные с выбытием, можно считать равными (здесь?>0 - постоянный коэффициент выбытия). Подчеркнем, что числовые параметры? и? отражают пропорциональное изменение интересов, взглядов и намерений соответствующих частей населения рассматриваемого региона. Таким образом, изменение уровня мобилизации за единицу времени равно разности между долей населения, привлеченного дополнительно, и долей выбывшего сагитированного населения:
Это и есть уравнение процесса мобилизации. Модель мобилизации построена.
Последнее соотношение легко преобразуется к следующему виду:
Замечание. Вспомогательный параметр? не может быть больше 1 вследствие того, что исходные параметры? и? положительны. Полученное уравнение (4) называется линейным разностным уравнением с постоянными коэффициентами.
С уравнениями подобного рода можно сталкиваться в разных, по большей части простейших вариантах.
Один из них (при?=1) описывает правило, по которому каждый член последовательности, начиная со второго, получается из предыдущего путем сложения с некоторым постоянным числом: Mn+1=?+Mn, т. е. арифметрическую прогрессию.
Второй (при?=0) описывает правило, по которому каждый член последовательности, начиная со второго, получается из предыдущего путем умножения на некоторое постоянное число: Mn+1=?Mn, т. е. геометрическую прогрессию.
Предположим, что начальная доля привлеченного населения М0 известна. Тогда уравнение (4) легко решается (для определенности считаем, что). Имеем:
Применение модели.
Попробуем проанализировать возможности этой (построенной на основании простейших соображений) модели.
Начнем со случая |?|<1.
Для этого перепишем последнее соотношение в виде, где через M* обозначена следующая величина:
Замечание. Тот же результат получается, если в уравнении (4) положить Mn+1=Mn=M*.
В самом деле, тогда получим M*=?+?M*, откуда
Найденная величина M* не зависит от начального значения M0, выражается через исходные параметры? и? по формуле
а следовательно подчиняется условию 0 Для придания полученной формуле большей наглядности вновь воспользуемся методом координат. На рис. 2.13 показаны области возможных значений вспомогательного параметра?, на рис. 2.14 - исходных параметров? и?, а на рис. 2.15-17 - соответствующие им наборы значений Мn при разных n, М0 и М* (для удобства восприятия соседние точки (n,Мn) и (n+l,Mn+1) соединены прямолинейными отрезками). Случай?<1 проиллюстрирован на рис. 2.18. Конечно, на этих рисунках представлена качественная картина. Но ничто не мешает взять вполне конкретные значения величин М0, ? и? и подробно рассчитать соответствующую ситуацию. Рис. 2.13.области возможных значений? 2.14.исходные параметры? и? Рис. 2.15 - 2.16 Рис. 2.17 2.18. Случай?<1 Например, для, имеем ,…(рис. 2.19) Рис. 2.19. Мобилизация при, Интересно отметить, что построенная модель, несмотря на простоту подходов и рассуждений, довольно хорошо отражает реальные процессы. Так, предложенная модель мобилизации использовалась для изучения динамики числа голосов, поданных за демократическую партию в Лейк Кантри (США) в 1920-1968 гг., и оказалось, что она достаточно хорошо описывает качественные характеристики процесса мобилизации. 2.4 Модель гонки вооружений
Рассмотрим конфликтную ситуацию, в которой могут оказаться две страны, для определенности назовём страны X и Y. Обозначим через x=x(t) расходы на вооружение страны X и через y=y(t) расходы на вооружение страны Y в момент времени. Предположение 1. Страна X вооружается, опасаясь потенциальной угрозы войны со стороны страны Y, которая в свою очередь, зная о росте затрат на вооружение страны X, также увеличивает свои расходы на вооружение. Каждая страна изменяет скорость роста (или сокращения) вооружений пропорционально уровню затрат другой. В простейшем случае это можно описать так: где ? и ?- положительные постоянные.
Однако написанные уравнения имеют очевидный недостаток - уровень вооружения ничем не лимитируется. Поэтому правые части этих уравнений нуждаются в естественной корректировке. Предположение 2.
Чем больше текущий уровень расходов страны на оборону, тем меньше скорость его роста. Это позволяет внести в предыдущую систему следующие изменения: x=?y-?x
y=?x-?y
если же эта страна не угрожает существованию данной. Обозначим соответствующие претензии через a и b (а и b - положительные постоянные). В случае если постоянные a и b отрицательны, их можно назвать коэффициентами доброй воли. Основываясь на всех трех предположениях, в результате получаем следующую систему уравнений: x=?y-?x+a
y=?x-?y+b
Модель гонки вооружений построена. Решением полученной системы являются функции x(t) и y(t), определяемые для данных начальных условий x0?0 и y0?0 (начального состояния гонки вооружений).
Проанализируем полученную систему, предполагая, что уровни затрат обеих стран на вооружение не зависят от времени (являются стационарными). Это означает, что x=0, y=0, или по иному:
Y-?x+a=0
X-?y+b=0
Рассмотрим конкретный пример. Пример. Пусть система гонки вооружений имеет следующий вид: x=3y-5x+15
y=3x-4y+12
Если скорости изменения величин x и y равны нулю, то эти величины с необходимостью связаны условиями: Каждое из этих уравнений описывает прямую на плоскости (x,y), и точка пересечения этих прямых лежит в первой четверти (рис. 2.20) Прямая, заданная уравнением (а), разбивает плоскость, и начальная точка O(0,0) лежит в положительной полуплоскости. В рассматриваемом случае то же справедливо и для прямой, заданной уравнением (б) (рис. 2.21). Тем самым первая четверть (а нас интересует только она, так как всегда х?0 и у?0) разбивается на четыре области, которые удобно обозначить так: I-(+,+), II-(-,+), III-(-,-), IV-(+,-). Пусть начальное состояние (х0,у0) находится в области I. Тогда выполнены неравенства:
(а): 3у0-5x0+15>0,
(б): 3х0-4у0+12>0,
из которых следует, что скорости x" и у" в этой точке положительны: х">0, у">0 и, значит, обе величины (х и у) должны возрастать (рис. 2.22). Рис. 2.22. возрастание x и y
Таким образом, с течением времени в области I решение приходит в точку равновесия. Подобным же образом анализируя возможные расположения начального состояния в областях II, III и IV, получим в итоге, что стабильное состояние (баланса сил) достигается независимо от начальных уровней вооружения стран X и Y. Отличие состоит лишь в том, что если переход к стационарному состоянию из области I сопровождается одновременным увеличением уровней вооруженности, то из области III - их одновременным снижением; для областей II и IV иная ситуация - одна из сторон наращивает свое вооружение, в то время как другая разоружается.
Возможны и другие случаи (рис. 2.23). Рис. 2.23. другие случаи
Интересно отметить, что возможности построенной модели проверялись на реальной ситуации - гонке вооружений перед первой мировой войной. Проведенные исследования показали, что, несмотря на свою простоту, эта модель достаточно достоверно описывает положение дел в Европе в 1909-1913 гг.
В завершение этого раздела процитируем высказывание Т. Саати об этой модели: "Модель представляется гораздо более убедительной, если вместо вооружений провести на ней изучение проблем угрозы, поскольку люди реагируют на абсолютный уровень враждебности, проявляемый по отношению к ним другими, и испытывают чувство тревоги в степени, пропорциональной уровню враждебности, которую они испытывают сами". Заключение
В наше время наука уделяет все большое внимание вопросам организации и управления, это приводит к необходимости анализа сложных целенаправленных процессов под углом зрения их структуры и организации. Потребности практики вызвали к жизни специальные методы, которые удобно объединять под названием «исследование операций». Под этим термином понимается применение математических, количественных методов для обоснования решений во всех областях целенаправленной человеческой деятельности. Целью исследования операций является выявление наилучшего способа действия при решение той или иной задачи. Главная роль при этом отводится математическому моделированию. Для построения математической модели необходимо иметь строгое представление о цели функционирования исследуемой системы и располагать информацией об ограничениях, которые определяют область допустимых значений. Цель и ограничения должны быть представлены в виде функций. В моделях исследования операций переменные, от которых зависят ограничения и целевая функция, могут быть дискретными (чаще всего целочисленными) и континуальными (непрерывными). В свою очередь, ограничения и целевая функция делятся на линейные и нелинейные. Существуют различные методы решения данных моделей, наиболее известными и эффективными из них являются методы линейного программирования, когда целевая функция и все ограничения линейные. Для решения математических моделей других типов предназначены методы динамического программирования (которые были рассмотрены в данном курсовом проекте), целочисленного программирования, нелинейного программирования, многокритериальной оптимизации и методы сетевых моделей. Практически все методы исследования операций порождают вычислительные алгоритмы, которые являются итерационными по своей природе. Это подразумевает, что задача решается последовательно (итерационно), когда на каждом шаге (итерации) получаем решение, постепенно сходящиеся к оптимальному решению. Итерационная природа алгоритмов обычно приводит к объемным однотипным вычислениям. В этом и заключается причина того, что эти алгоритмы разрабатываются, в основном, для реализации с помощью вычислительной техники. Построение модели опирается на значительное упрощение изучаемой ситуации и, следовательно, к получаемым на ее основе выводам нужно относиться достаточно осторожно - модель может не все. Вместе с тем даже весьма грубая на вид идеализация нередко позволяет глубже вникнуть в суть проблемы. Пробуя как-то влиять на параметры модели (выбирать их, управлять ими), мы получаем возможность подвергнуть исследуемое явление качественному анализу и сделать выводы общего характера.
Динамическое программирование представляет собой математический аппарат, позволяющий осуществлять оптимальное планирование многошаговых процессов, зависящих от времени. Так как в задачах динамического программирования процессы зависят от времени, то находится ряд оптимальных решений для каждого этапа, обеспечивающих оптимальное развитие всего процесса в целом. Используя поэтапное планирование, динамическое программирование позволяет не только упростить решение задач, но и решать те к которым нельзя применить методы математического анализа. Конечно, стоит отметить, что этот метод достаточно трудоёмкий при решении задач с большом количеством переменных.
Список используемой литературы
1.Акулич И.Л. Математическое программирование в примерах и задачах: Учеб. пособ. - М.: Высшая школа, 2009 г.
.Бережная Е.В., Бережной В.И. Математические методы моделирования. - М.: Дело и Сервис, 2009 г
.Интрилигатор М. Математические методы оптимизации и экономическая теория. - М.: Айрис-Пресс, 2008 г.
.Курбатов В.И., Угольницкий Г.А. Математические методы социальных технологий. - М.: Вузовская книга, 2011 г.
.Монахов А.В. Математические методы анализа экономики. - СПб.: Питер, 2007 г.
.Орлова И.В., Половников В.А. Экономико-Математические методы и модели. - М.: Вузовский учебник, 2008 г.
.Попов И.И., Партыка Т.Л. Математические методы. - М.: ИНФРА-М, 2007 г.
.Попова Н.В. Математические методы. - М.: Анкил, 2007 г.
Нужна помощь по изучению какой-либы темы?
Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике. Создание некоторой универсальной модели, отвечающей различным аспектам ее применения, практически невозможно. Для получения информации, отражающей те или иные свойства управляемого объекта, необходима классификация моделей. В основе классификации лежат особенности оператора φ.
Все многообразие объектов управления, исходя из временного и пространственного признаков, можно разделить на следующие классы: статические или динамические; линейные или нелинейные; непрерывные или дискретные во времени; стационарные или нестационарные; процессы, в ходе которых их параметры изменяются в пространстве, и процессы без пространственного изменения параметров. Так как математические моделии являются отражением соответствующих объектов, то для них характерны те же классы. Полное наименование модели может включать в себя совокупность перечисленных признаков. Эти признаки послужили основой названия соответствующих типов моделей. В зависимости от характера изучаемых процессов в системе все модели могут быть разделены на следующие виды: Детерминированные модели
– отображают детерминированные процессы, то есть процессы, в которых предполагается отсутствие всяких случайных воздействий. Стохастические модели
– отображают вероятностные процессы и события; в этом случае анализируется ряд реализаций случайного процесса, и оцениваются средние характеристики. Стационарные
и нестационарные модели.
Модель называется стационарной, если вид оператора φ и его параметры p не изменяются во времени, то есть, когда справедливо φ= φ, т.е. y= φ(p,x). Если же параметры модели изменяются во времени, то модель является параметрически нестационарной Самый общий вид нестационарности – когда от времени зависит и вид функции. Тогда в запись функции добавляется еще один аргумент Статические и динамические модели.
В основе такого разделения типов моделей лежат особенности движения исследуемого объекта как материальной системы. Говоря о моделях с позиций задач управления, надо отметить, что под пространством здесь понимается не геометрическое пространство, а пространство состояний – координат состояний выходных переменных у
. Элементами вектора y
являются обычно контролируемые технологические параметры (расход, давление, температура, влажность, вязкость и т.д.). Состав элементов вектораy
для самого объекта может быть шире, чем для модели этого объекта, так как при моделировании требуется изучение только части свойств реальной системы. Движение объекта управления в пространстве состояний и во времени оценивается с помощью векторного процесса y(t). Модель системы называется статической
, если состояние системы не изменяется, то есть система находится в равновесии, но движение связано со статичным состоянием объекта, находящегося в равновесии. Математическое описание в статических моделях не включает время как переменную и состоит из алгебраических уравнений либо дифференциальных уравнений в случае объектов с распределенными параметрами. Статические модели обычно являются нелинейными. Они точно отражают состояние равновесия, вызванное переходом объекта от одного режима к другому. Динамическая
модель отражает изменение состояния объекта во времени. Математическое описание таких моделей обязательно включает производную во времени. Динамические модели используют дифференциальные уравнения. Точные решения этих уравненийизвестны только для некоторого класса дифференциальных уравнений. Чаще приходится прибегать к использованию численных методов, являющихся приближенными. Для целей управления динамическую модель представляют в виде передаточной функции, связывающей входные и выходные переменные. Линейные и нелинейные модели.
Математически функция L(x) –
линейна, если L(λ 1 x 1 +λ 2 x 2)=λ 1 L(x 1)+λ 2 L(x 2). Аналогично и для функций многих переменных. Линейной функции присуще использование только операций алгебраического сложения и умножения переменной на постоянный коэффициент. Если в выражении для оператора моделиесть нелинейные операции, то модель является нелинейной
, в противном случае модель – линейна
. Модели с сосредоточенными и распределенными параметрами.
Следует отметить, что с учетом введенной терминологии было бы корректнее в названии модели вместо слова «параметры» употреблять понятие «координата состояния». Однако это сложившееся название, которое часто встречается во всех работах по моделированию технологических процессов. Если основные переменные процесса изменяются как во времени, так и в пространстве (или только в пространстве), то модели, описывающие такие процессы, называются моделями с распределенными
параметрами. В этом случае вводится геометрическое пространство z=(z 1 ,z 2 ,z 3
) и уравнения имеют вид: y(z)=φ, p(z)=ψ. Их математическое описание включает обычно дифференциальные уравнения в частных производных, либо обыкновенные дифференциальные уравнения в случае стационарных процессов с одной пространственной координатой. Если можно пренебречь пространственной неравномерность значений координат состояний объекта, т.е. градиент , то соответствующая модель – модель с сосредоточенными
параметрами. Для них масса и энергия как бы сосредоточены в одной точке. Трехмерность пространства не всегда обязательна. Например, модель змеевика с нагреваемым рабочим телом и с тонкостенной оболочкой обычно исходит из одномерности объекта – учитывается только длина змеевика. В то же время процесс передачи тепла в ограниченный объем рабочего тела через толстую стенку может быть описан одномерной моделью, учитывающей только толщину оболочки и т.п. Для конкретных объектов форма соответствующих уравнений требует обоснований. Модели непрерывные и дискретные во времени.
Непрерывные модели отражают непрерывные процессы в системах. Модели, описывающие состояние объектов относительно времени как непрерывного аргумента – непрерывные
(по времени): y(t)=φ, p(t)=ψ. Дискретные модели
служат для описания процессов, которые предполагаются дискретными. Дискретная модель не может дать прогноз поведения объекта на интервале между дискретными отсчетами времени. Если введем квантование по времени с шагом ∆t, то рассматривается дискретная шкала , где i=0,1,2…- приобретает смысл относительного времени. И дискретная модель: y(i)=φ; p(i)=ψ. При правильном выборе шага ∆t можно ожидать от дискретной модели результата с наперед заданной точностью. При изменении ∆t должны быть пересчитаны и коэффициенты разностного уравнения. Дискретно-непрерывные модели
используются для случаев, когда хотят выделить наличие как дискретных, так и непрерывных процессов. Требования, предъявляемые к математическим моделям: точность – свойство, отражающее степень совпадения предсказанных с помощью модели значений параметров объекта с их истинными значениями; экономичность затрат машинного времени; универсальность – применимость к анализу группы однотипных объектов. Пример.
Пример.
Пример.
Пример.
Модель S=gt2/2, 0 < t < 100 непрерывна на промежутке времени (0;100). Пример.
a1x1 + a2x2 = S, Детерминированные и стохастические модели
Модель детерминированная, если каждому входному набору параметров соответствует вполне определенный и однозначно определяемый набор выходных параметров; в противном случае - модель недетерминированная, стохастическая (вероятностная). Пример.
Приведенные выше физические модели - детерминированные. Если в модели S = gt2 / 2, 0 < t < 100 мы учли бы случайный параметр - порыв ветра с силой p при падении тела: S(p) = g(p) t2 / 2, 0 < t < 100, то мы получили бы стохастическую модель (уже не свободного) падения. Функциональные, теоретико-множественные и логические модели
Модель функциональная, если она представима в виде системы каких- либо функциональных соотношений. Модель теоретико-множественная, если она представима с помощью некоторых множеств и отношений принадлежности им и между ними. Пример.
Пусть задано множество X = {Николай, Петр, Николаев, Петров, Елена, Екатерина, Михаил, Татьяна} и отношения: Николай - супруг Елены, Екатерина - супруга Петра, Татьяна - дочь Николая и Елены, Михаил - сын Петра и Екатерины, семьи Михаила и Петра дружат друг с другом. Тогда множество X и множество перечисленных отношений Y могут служить теоретико-множественной моделью двух дружественных семей. Модель называется логической, если она представима предикатами, логическими функциями. Например, совокупность логических функций вида: z = x y x, p = x y есть математическая логическая модель работы дискретного устройства. Игровые модели
Модель игровая, если она описывает, реализует некоторую игровую ситуацию между участниками игры. Пример.
Пусть игрок 1 - добросовестный налоговый инспектор, а игрок 2 - недобросовестный налогоплательщик. Идет процесс (игра) по уклонению от налогов (с одной стороны) и по выявлению сокрытия уплаты налогов (с другой стороны). Игроки выбирают натуральные числа i и j (i, j n), которые можно отождествить, соответственно, со штрафом игрока 2 за неуплату налогов при обнаружении игроком 1 факта неуплаты и с временной выгодой игрока 2 от сокрытия налогов. Если в качестве модели взять матричную игру с матрицей выигрышей порядка n, то в ней каждый элемент определяется по правилу aij = |i - j|. Модель игры описывается этой матрицей и стратегией уклонения и поимки. Эта игра - антагонистическая. Лингвистические модели
Модель называется языковой, лингвистической, если она представлена некоторым лингвистическим объектом, формализованной языковой системой или структурой. Иногда такие модели
называют вербальными, синтаксическими. Например, правила дорожного движения - языковая, структурная модель
движения транспорта и пешеходов на дорогах. Пусть B - множество производящих основ существительных, C - множество суффиксов, P - прилагательных, b i – корень слова; "+" - операция конкатенации слов, ":=" - операция присваивания, "=>" - операция вывода (выводимости новых слов), Z - множество значений (смысловых) прилагательных. Языковая модель
M словообразования может быть представлена: = + <с i >. При b i - "рыб(а)", с i - "н(ый)", получаем по этой модели
p i - "рыбный", z i - "приготовленный из рыбы". Система клеточных автоматов
Модель клеточно-автоматная, если она представима клеточным автоматом или системой клеточных автоматов.
Клеточный автомат - дискретная динамическая система, аналог физического (непрерывного) поля. Клеточно-автоматная геометрия - аналог евклидовой геометрии. Неделимый элемент евклидовой геометрии - точка, на основе ее строятся отрезки, прямые, плоскости и т.д. Неделимый элемент клеточно-автоматного поля - клетка, на основе её строятся кластеры клеток и различные конфигурации клеточных структур. Представляется клеточный автомат равномерной сетью клеток ("ячеек") этого поля. Эволюция клеточного автомата разворачивается в дискретном пространстве - клеточном поле. Смена состояний в клеточно-автоматном поле происходит одновременно и параллельно, а время идет дискретно. Несмотря на кажущуюся простоту их построения, клеточные автоматы могут демонстрировать разнообразное и сложное поведение объектов, систем. В последнее время они широко используются при моделировании
не только физических, но и социально-экономических процессов. Фрактальные модели
Модель называется фрактальной, если она описывает эволюцию моделируемой системы эволюцией фрактальных объектов. Если физический объект однородный (сплошной), т.е. в нем нет полостей, то можно считать, что его плотность не зависит от размера. Например, при увеличении параметра объекта R
до 2R
масса объекта увеличится в R 2
раз, если объект- круг и в R 3
раз, если объект - шар, т.е. существует связь массы и длины. Пусть n
- размерность пространства. Объект, у которого масса и размер связаны называется "компактным". Его плотность можно рассчитать по формуле: Если объект (система) удовлетворяет соотношению M(R) ~ R f(n) , где f(n) < n, то такой объект называется фрактальным. Его плотность не будет одинаковой для всех значений R, то она масштабируется согласно формуле: Так как f(n) - n < 0 по определению, то плотность фрактального объекта уменьшается с увеличением размера R, а ρ(R) является количественной мерой разряженности объекта. Пример фрактальной модели - множество Кантора. Рассмотрим отрезок . Разделим его на 3 части и выбросим средний отрезок. Оставшиеся 2 промежутка опять разделим на три части и выкинем средние промежутки и т.д. Получим множество, называемое множеством Кантора. В пределе получаем несчетное множество изолированных точек (рис. 1.4
) Рис. 1.4. Множество Кантора для 3-х делений Генетические алгоритмы
Идея генетических алгоритмов "подсмотрена" у систем живой природы, у которых эволюция развертывается достаточно быстро. Генетический алгоритм -
это алгоритм, основанный на имитации генетических процедур развития популяции в соответствии с принципами эволюционной динамики. Генетические алгоритмы используются для решения задач оптимизации (многокритериальной), для задач поиска и управления. Данные алгоритмы адаптивны, они развивают решения и развиваются сами. Генетический алгоритм может быть построен на основе следующей укрупненной процедуры:. Хотя генетические алгоритмы и могут быть использованы для решения задач, которые, нельзя решить другими методами, они не гарантируют нахождение оптимального решения, по крайней мере, за приемлемое время. Здесь более уместны критерии типа "достаточно хорошо и достаточно быстро". Главное же преимущество их использования заключается в том, что они позволяют решать сложные задачи, для которых не разработаны пока устойчивые и приемлемые методы, особенно на этапе формализации и структурирования системы. Генетические алгоритмы эффективны в комбинации с другими классическими алгоритмами и эвристическими процедурами. Статические и динамические, дискретные и непрерывные модели
Классификацию моделей проводят по различным критериям. Модель называется статической, если среди параметров, участвующих в ее описании, нет временного параметра. Статическая модель в каждый момент времени дает лишь "фотографию" системы, ее срез. Пример.
Закон Ньютона F=a*m - это статическая модель движущейся с ускорением a материальной точки массой m. Эта модель не учитывает изменение ускорения от одной точки к другой. Модель динамическая, если среди ее параметров есть временной параметр, т.е. она отображает систему (процессы в системе) во времени. Пример.
Динамическая модель закона Ньютона будет иметь вид: Модель дискретная, если она описывает поведение системы только в дискретные моменты времени. Пример.
Если рассматривать только t=0, 1, 2, …, 10 (сек), то модель или числовая последовательность: S0=0, S1=g/2, S2=2g, S3=9g/2, :, S10=50g может служить дискретной моделью движения свободно падающего тела. Модель непрерывная, если она описывает поведение системы для всех моментов времени некоторого промежутка времени. Пример.
Модель S=gt2/2, 0 < t < 100 непрерывна на промежутке времени (0;100). Модель имитационная, если она предназначена для испытания или изучения возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров модели. Пример.
Пусть модель экономической системы производства товаров двух видов 1 и 2, в количестве x1 и x2 единиц и стоимостью каждой единицы товара a1 и a2 на предприятии описана в виде соотношения: a1x1 + a2x2 = S, где S - общая стоимость произведенной предприятием всей продукции (вида 1 и 2). Можно ее использовать в качестве имитационной модели, по которой можно определять (варьировать) общую стоимость S в зависимости от тех или иных значений объемов и стоимости производимых товаров.
Репетиторство
Отправь заявку
с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.
