С понятием “моделирование экономических систем” (а также математических и др.) связаны два класса задач:
задачи анализа, когда система подвергается глубокому изучению ее свойств, структуры и параметров, то есть исследуется предметная область будущего моделирования.
Задачи, связанные с задачами синтеза (получения ЭММ данной системы).
Модель – изображение, представление объекта, системы, процесса в некоторой форме, отличной от реального существования.
Различают физическое и математическое моделирование.
2.2. Классификация моделей.
2.3. Этапы практического моделирования.
1) Анализ экономической системы, ее идентификация и определение достаточной структуры для моделирования.
2) Синтез и построение модели с учетом ее особенностей и математической спецификации.
3) Верификация модели и уточнение ее параметров
4) Уточнение всех параметров системы и соответствие параметров модели, их необходимая валидация (исправление, корректирование).
Этап подгонки модели многократный.
2.4. Оптимальность управления и достаточность системы ограничений.
В экономических системах (моделях) критерием оптимальности выбирают параметры, как правило, определяющие наилучшим образом эффективность данной системы. Такими параметрами могут быть максимальная прибыль и затраты, минимальное время достижения цели и т.д.
Вектор оптимального управления – набор тех параметров, которые обеспечивают оптимальную траекторию функционирования данной ЭС. В любой модели (ЭС) имеются ограничения по ресурсам, по фондам и т.д. Поэтому система ограничений W – запись условий в виде уравнений, неравенств, в которых существует единственное оптимальное решение. Совместимость ограничений – обязательное условие разрешимости любой модели. На практике – это запасы ресурсов,сырья, трудовые ресурсы, финансовые ресурсы, др.
“Смягчить ограничение” - значит, получить показатель оптимизации оптимистичным.
“Ужесточить ограничения” - сделать более строгими, значит получить показатель оптимизации пессимистичным.
Ограничения могут встречаться в разных комбинациях.
ЭММ линейна тогда и только тогда, когда целевая функция и система ограничений линейны. Любая комбинация:
- целевая функция линейна - W нелинейна;
- целевая функция нелинейна - W линейна;
- целевая функция нелинейна - W нелинейна;
- приводит к нелинейности модели.
2.5. Формальная классификация моделей.
Признак классификации | Модель |
1. Целевое назначение | Прикладные, теоретико-аналитические |
2. По типу связей | Детерминированные, стохастические |
3. По фактору времени | Статические, динамические |
4. По форме показателей | Линейные, нелинейные |
5. По соотношению экзогенных и эндогенных переменных | Открытые, закрытые |
6. По типу переменных | Дискретные, непрерывные, смешанные |
7. По степени детализации | Агрегированные (макромодели), детализированные (микромодели) |
8. По количеству связей | Одноэтапные, многоэтапные |
9. По форме представления информации | Матричные, сетевые |
10. По форме процесса | Аналитические, графические, логические |
11. По типу математического аппарата | Балансовые, статистические, оптимизационные, имитационные, смешанные |