Примеры описательных моделей

Тип задачи	Вид модели	Математический метод решения
Задачи планирования без оптимизации (расчет объемов производства по видам продукции, увязка планов производства с ресурсами и т.п.)	Балансовые модели	Аппарат линейной алгебры, матричное исчисление
Задачи сетевого планирования и управление (СПУ) без оптимизации	Расчет по формулам модели СПУ	Аппарат теории графов
Задача учета и статистики (оперативный учет, получение различных форм отчетности и т.п.)	Расчет по формулам
Задачи контроля и анализа (анализ влияния и факторов, выявление тенденций, отслеживание отклонений и установление их причин)	Статистические модели обработки реализаций случайных величин	Факторный анализ, дисперсионный анализ, регрессионный анализ
Задача создания нормативной базы	Статистические модели обработки реализаций случайных величин	То же
Расчет параметров функционирования сложных систем с неформализованными связями	Расчет по формулам имитационных моделей	То же
Задачи прогнозирования	Модели регрессионного анализа, оценка параметров и проверка статистических гипотез	Факторный анализ, дисперсионный анализ, регрессионный анализ, аппарат математической статистики
Прочие задачи, связанные с рутинными процессами переработки информации, т.е. с расчетами по заданным формулам (расчеты подетальных спецификаций, потребности в оборудовании и производственных площадях и другие расчеты технической подготовки производства)

В зависимости от степени формализованности связей f и g_i между факторами моделей в выражениях (2.4) и (2.5) различают аналитические и алгоритмические модели.

Аналитической формой записи называется запись математической модели в виде алгебраических уравнений или неравенств, не имеющих разветвлений вычислительного процесса при определении значений любых переменных состояния модели, целевой функции и уравнений связи. Если в математических моделях единственная целевая функция f и ограничения g_j заданы аналитически, то подобные модели относятся к классу моделей математического программирования. Характер функциональных зависимостей, выраженных в функциях f и g_j , может быть линейным и нелинейным. Соответственно этому ЭММ делятся на линейные и нелинейные, а среди последних в специальные классы выделяются дробно-линейные, кусочно-линейные, квадратичные и выпуклые модели.

Если мы имеем дело со сложной системой, то зачастую гораздо легче построить ее модель в виде алгоритма, показывающего отношения между элементами системы в процессе ее функционирования, задаваемые обычно в виде логических условий – разветвлений хода течения процесса. Математическое описание для элементов может быть очень простым, однако взаимодействие большого количества простых по математическому описанию элементов и делает эту систему сложной. Алгоритмически же можно описывать даже такие объекты, которые в силу их сложности или громоздкости в принципе не допускают аналитического описания. В связи с этим к алгоритмическим моделям относятся такие, в которых критерии и (или) ограничения описываются математическими конструкциями, включающими логические условия, приводящие к разветвлению вычислительного процесса. К алгоритмическим моделям относятся и так называемые имитационные модели – моделирующие алгоритмы, имитирующие поведение элементов изучаемого объекта и взаимодействие между ними в процессе функционирования.

В зависимости от того, содержит ли ЭММ случайные факторы, она может быть отнесена к классу стохастических или детерминированных.

В детерминированных моделях ни целевая функция f , ни уравнения связи g_j не содержат случайных факторов. Следовательно, для данного множества входных значений модели на выходе может быть получен только один-единственный результат. Для стохастических ЭММ характерно наличие среди факторов модели, описываемой соотношениями (2.4) и (2.5), таких, которые имеют вероятностную природу и характеризуются какими-либо законами распределения, причем среди функций f и g_j могут быть и случайные функции. Значения выходных характеристик в таких моделях могут быть предсказаны только в вероятностном смысле. Реализация стохастических ЭММ в большинстве случаев осуществляется на ЭВМ методами имитационного статистического моделирования.

Следующим признаком, по которому можно различать ЭММ, является связь с фактором времени. Модели, в которых входные факторы, а следовательно, и результаты моделирования явно зависят от времени, называются динамическими, а модели, в которых зависимость от времени t либо отсутствует совсем, либо проявляется слабо или неявно, называют статическими. Интересны в этом отношении имитационные модели: по механизму функционирования они являются динамическими (в модели идет имитация работы объекта в течение некоторого периода времени), а по результатам моделирования – статическими (например, определяется средняя производительность объекта за моделируемый период времени).

Статические модели представляют собой известную степень приближения к реальным объектам и системам, функционирующим во времени. Во многих случаях степень такого приближения, проявляющаяся в допущениях о неизменности или различного рода осреднениях факторов во времени (косвенно или приблизительно учитывающих фактор времени в определенных границах его изменения), является достаточной для практического применения статических моделей.