Математическое моделирование социальных процессов в сфере молодежной политики – тема научной статьи по СМИ (медиа) и массовым коммуникациям читайте бесплатно текст научно-исследовательской работы в электронной библиотеке КиберЛенинка

Содержание

Введение        3

1. Теоретические основы математического моделирования экономики        5

1.1 Моделирование как метод научного познания        5

1.2 Особенности применения метода математического моделирования в экономике        7

1.3 Классификация экономико-математических моделей        8

1.4 Этапы экономико-математического моделирования        12

2. Математическое программирование        19

2.1 Методы решения задач линейного программирования        19

2.2 Пример решения задачи        22

Заключение        27

Список использованной литературы        28

Приложение        30

Введение

        В последние годы мы особенно отчетливо ощутили, что нет ничего  важнее для общества, чем здоровая экономика. Научное исследование основ функционирования экономики – сложная и интересная  деятельность.

Математические методы в ней играют возрастающую с каждым десятилетием  роль, а реализация  возникающих   при  этом  математических  моделей  и  получение практически важных результатов невозможны без ЭВМ. Целью математического моделирования экономики является использование методов математики для наиболее эффективного решения задач, возникающих в сфере экономики, с использованием, как правило, современной вычислительной техники.

Можно выделить  по крайней мере четыре аспекта применения математических методов в решении практических проблем.

Совершенствование  системы  экономической  информации. Математические методы позволяют упорядочить  систему  экономической информации,  выявлять недостатки в имеющейся информации и вырабатывать требования для подготовки новой информации  или ее корректировки.  Разработка и применение экономико-математических моделей указывают пути совершенствования  экономической информации, ориентированной  на  решение  определенной системы задач планирования и  управления.  Прогресс  в  информационном обеспечении планирования  и управления опирается на бурно развивающиеся технические и программные средства информатики.

Интенсификация и повышение точности экономических расчетов. Формализация экономических задач и применение ЭВМ  многократно ускоряют типовые, массовые расчеты, повышают точность и сокращают трудоемкость,  позволяют проводить многовариантные экономические обоснования сложных мероприятий, недоступные при господстве “ручной” технологии.

Углубление количественного анализа экономических проблем. Благодаря  применению  метода  моделирования  значительно усиливаются возможности  конкретного  количественного анализа; изучение многих факторов, оказывающих влияние на экономические процессы, количественная  оценка последствий изменения условий развития экономических объектов и т.п.

Решение принципиально новых экономических задач.  Посредством математического моделирования  удается  решать  такие экономические задачи,  которые иными средствами решить практически невозможно,  например:  нахождение оптимального варианта народнохозяйственного плана, имитация народнохозяйственных мероприятий, автоматизация контроля за функционированием сложных экономических объектов.

Сфера практического применения метода моделирования ограничивается возможностями  и эффективностью формализации экономических проблем и ситуаций, а также состоянием информационного, математического, технического обеспечения используемых моделей. Стремление во что бы то ни стало применить математическую модель  может не дать хороших результатов из-за отсутствия хотя бы некоторых необходимых условий.

Предметом исследования является экономика, объектом – экономико-математические модели. Целью курсовой работы является исследование математического моделирования в экономике.

Данная цель определяет следующие задачи:

1. Теоретические основы математического моделирования экономики

1.1 Моделирование как метод научного познания

Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Термин “модель” широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. Рассмотрим только такие “модели”, которые являются инструментами получения знаний.

Модель – это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале^[1].

Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания.

Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.

Процесс моделирования включает три элемента: 1) субъект (исследователь), 2) объект исследования, 3) модель, опосредствующую отношения познающего субъекта и познаваемого объекта^[2].

Для понимания сущности моделирования важно не упускать из виду, что моделирование – не единственный источник знаний об объекте. Процесс моделирования “погружен” в более общий процесс познания. Это обстоятельство учитывается не только на этапе построения модели, но и на завершающей стадии, когда происходит объединение и обобщение результатов исследования, получаемых на основе многообразных средств познания.

Моделирование – циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования, таким образом, заложены большие возможности саморазвития.

1.2 Особенности применения метода математического моделирования в экономике

Проникновение математики в экономическую науку связано с преодолением значительных трудностей. В этом отчасти была “повинна” математика, развивающаяся на протяжении нескольких веков в основном в связи с потребностями физики и техники. Но главные причины лежат все же в природе экономических процессов, в специфике экономической науки.

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система.

Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Важным качеством любой системы является эмерджентность – наличие таких свойств, которые не присущи ни одному из элементов, входящих в систему. Поэтому при изучении систем недостаточно пользоваться методом их расчленения на элементы с последующим изучением этих элементов в отдельности. Одна из трудностей экономических исследований – в том, что почти не существует экономических объектов, которые можно было бы рассматривать как отдельные (внесистемные) элементы.

Сложность системы определяется количеством входящих в нее элементов, связями между этими элементами, а также взаимоотношениями между системой и средой. Экономика страны обладает всеми признаками очень сложной системы. Она объединяет огромное число элементов, отличается многообразием внутренних связей и связей с другими системами (природная среда, экономика других стран и т.д.). В народном хозяйстве взаимодействуют природные, технологические, социальные процессы, объективные и субъективные факторы.

Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и любой сложности. И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, ее успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать еще неформализованные проблемы, а также ситуации, где математическое моделирование недостаточно эффективно^[3].

1.3 Классификация экономико-математических моделей

Математические модели экономических процессов и явлений более кратко можно назвать экономико-математическими моделями. Для классификации этих моделей используются разные основания.

По целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые в исследованиях общих свойств и закономерностей экономических процессов, и прикладные, применяемые в решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).

Экономико-математические модели могут предназначаться для исследования разных сторон народного хозяйства (в частности, его производственно-технологической, социальной, территориальной структур) и его отдельных частей. При классификации моделей по исследуемым экономическим процессам и содержательной проблематике можно выделить модели народного хозяйства в целом и его подсистем – отраслей, регионов и т.д., комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т.д.

Остановимся более подробно на характеристике таких классов экономико-математических моделей, с которыми связаны наибольшие особенности методологии и техники моделирования.

В соответствии с общей классификацией математических моделей они подразделяются на функциональные и структурные, а также включают промежуточные формы (структурно-функциональные). В исследованиях на народнохозяйственном уровне чаще применяются структурные модели, поскольку для планирования и управления большое значение имеют взаимосвязи подсистем. Типичными структурными моделями являются модели межотраслевых связей. Функциональные модели широко применяются в экономическом регулировании, когда на поведение объекта (“выход”) воздействуют путем изменения “входа”. Примером может служить модель поведения потребителей в условиях товарно-денежных отношений. Один и тот же объект может описываться одновременно и структурой, и функциональной моделью. Так, например, для планирования отдельной отраслевой системы используется структурная модель, а на народнохозяйственном уровне каждая отрасль может быть представлена функциональной моделью.

Выше уже показывались различия между моделями дескриптивными и нормативными. Дискриптивные модели отвечают на вопрос: как это происходит? или как это вероятнее всего может дальше развиваться?, т.е. они только объясняют наблюдаемые факты или дают вероятный прогноз. Нормативные модели отвечают на вопрос: как это должно быть?, т.е. предполагают целенаправленную деятельность. Типичным примером нормативных моделей являются модели оптимального планирования, формализующие тем или иным способом цели экономического развития, возможности и средства их достижения.

Применение дескриптивного подхода в моделировании экономики объясняется необходимостью эмпирического выявления различных зависимостей в экономике, установления статистических закономерностей экономического поведения социальных групп, изучения вероятных путей развития каких-либо процессов при неизменяющихся условиях или протекающих без внешних воздействий. Примерами дескриптивных моделей являются производственные функции и функции покупательского спроса, построенные на основе обработки статистических данных.

Является ли экономико-математическая модель дескриптивной или нормативной, зависит не только от ее математической структуры, но от характера использования этой модели. Например, модель межотраслевого баланса дескриптивна, если она используется для анализа пропорций прошлого периода. Но эта же математическая модель становится нормативной, когда она применяется для расчетов сбалансированных вариантов развития народного хозяйства, удовлетворяющих конечные потребности общества при плановых нормативах производственных затрат.

Многие экономико-математические модели сочетают признаки дескриптивных и нормативных моделей. Типична ситуация, когда нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Например, межотраслевая модель может включать функции покупательского спроса, описывающие поведение потребителей при изменении доходов. Подобные примеры характеризуют тенденцию эффективного сочетания дескриптивного и нормативного подходов к моделированию экономических процессов. Дескриптивный подход широко применяется в имитационном моделировании^[4].

По характеру отражения причинно-следственных связей различают модели жестко детерминистские и модели, учитывающие случайность и неопределенность. Необходимо различать неопределенность, описываемую вероятностными законами, и неопределенность, для описания которой законы теории вероятностей неприменимы. Второй тип неопределенности гораздо более сложен для моделирования.

По способам отражения фактора времени экономико-математические модели делятся на статические и динамические. В статических моделях все зависимости относятся к одному моменту или периоду времени. Динамические модели характеризуют изменения экономических процессов во времени. По длительности рассматриваемого периода времени различаются модели краткосрочного (до года), среднесрочного (до 5 лет), долгосрочного (10-15 и более лет) прогнозирования и планирования. Само время в экономико-математических моделях может изменяться либо непрерывно, либо дискретно^[5].

Модели экономических процессов чрезвычайно разнообразны по форме математических зависимостей. Особенно важно выделить класс линейных моделей, наиболее удобных для анализа и вычислений и получивших вследствие этого большое распространение. Различия между линейными и нелинейными моделями существенны не только с математической точки зрения, но и в теоретико-экономическом отношении, поскольку многие зависимости в экономике носят принципиально нелинейный характер: эффективность использования ресурсов при увеличении производства, изменение спроса и потребления населения при увеличении производства, изменение спроса и потребления населения при росте доходов и т.п. Теория “линейной экономики” существенно отличается от теории “нелинейной экономики”. От того, предполагаются ли множества производственных возможностей подсистем (отраслей, предприятий) выпуклыми или же невыпуклыми, существенно зависят выводы о возможности сочетания централизованного планирования и хозяйственной самостоятельности экономических подсистем.

По соотношению экзогенных и эндогенных переменных, включаемых в модель, они могут разделяться на открытые и закрытые. Полностью открытых моделей не существует; модель должна содержать хотя бы одну эндогенную переменную. Полностью закрытые экономико-математические модели, т.е. не включающие экзогенных переменных, исключительно редки; их построение требует полного абстрагирования от “среды”, т.е. серьезного огрубления реальных экономических систем, всегда имеющих внешние связи. Подавляющее большинство экономико-математических моделей занимает промежуточное положение и различаются по степени открытости (закрытости).

Для моделей народнохозяйственного уровня важно деление на агрегированные и детализированные.

В зависимости от того, включают ли народнохозяйственные модели пространственные факторы и условия или не включают, различают модели пространственные и точечные.

Таким образом, общая классификация экономико-математических моделей включает более десяти основных признаков. С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей (особенно смешанных типов) и новых признаков их классификации осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

1.4 Этапы экономико-математического моделирования

В различных отраслях знаний, в том числе и в экономике, основные этапы процесса моделирования приобретают свои специфические черты. Проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования.

1. Постановка экономической проблемы и ее качественный анализ. Главное здесь – четко сформулировать сущность проблемы, принимаемые допущения и те вопросы, на которые требуется получить ответы. Этот этап включает выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных; изучение структуры объекта и основных зависимостей, связывающих его элементы; формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта.

2. Построение математической модели. Это – этап формализации экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.). Обычно сначала определяется основная конструкция (тип) математической модели, а затем уточняются детали этой конструкции (конкретный перечень переменных и параметров, форма связей). Таким образом, построение модели подразделяется в свою очередь на несколько стадий.

Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше “работает” и дает лучшие результаты. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности и неопределенности и т.д. Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

Одна из важных особенностей математических моделей – потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой экономической задачей, не нужно стремиться “изобретать” модель; вначале необходимо попытаться применить для решения этой задачи уже известные модели.

В процессе построения модели осуществляется взаимосопоставление двух систем научных знаний – экономических и математических. Естественно стремиться к тому, чтобы получить модель, принадлежащую хорошо изученному классу математических задач. Часто это удается сделать путем некоторого упрощения исходных предпосылок модели, не искажающих существенных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация экономической проблемы приводит к неизвестной ранее математической структуре. Потребности экономической науки и практики в середине ХХ в. способствовали развитию математического программирования, теории игр, функционального анализа, вычислительной математики. Вполне вероятно, что в будущем развитие экономической науки станет важным стимулом для создания новых разделов математики.

3. Математический анализ модели. Целью этого этапа является выяснение общих свойств модели. Здесь применяются чисто математические приемы исследования. Наиболее важный момент – доказательство существования решений в сформулированной модели (теорема существования). Если удастся доказать, что математическая задача не имеет решения, то необходимость в последующей работе по первоначальному варианту модели отпадает; следует скорректировать либо постановку экономической задачи, либо способы ее математической формализации. При аналитическом исследовании модели выясняются такие вопросы, как, например, единственно ли решение, какие переменные (неизвестные) могут входить в решение, каковы будут соотношения между ними, в каких пределах и в зависимости от каких исходных условий они изменяются, каковы тенденции их изменения и т.д. Аналитической исследование модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.

Знание общих свойств модели имеет столь важное значение, часто ради доказательства подобных свойств исследователи сознательно идут на идеализацию первоначальной модели. И все же модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию. В тех случаях, когда аналитическими методами не удается выяснить общих свойств модели, а упрощения модели приводят к недопустимым результатам, переходят к численным методам исследования.

4. Подготовка исходной информации. Моделирование предъявляет жесткие требования к системе информации. В то же время реальные возможности получения информации ограничивают выбор моделей, предназначаемых для практического использования. При этом принимается во внимание не только принципиальная возможность подготовки информации (за определенные сроки), но и затраты на подготовку соответствующих информационных массивов. Эти затраты не должны превышать эффект от использования дополнительной информации.

В процессе подготовки информации широко используются методы теории вероятностей, теоретической и математической статистики. При системном экономико-математическом моделировании исходная информация, используемая в одних моделях, является результатом функционирования других моделей.

5. Численное решение. Этот этап включает разработку алгоритмов для численного решения задачи, составления программ на ЭВМ и непосредственное проведение расчетов. Трудности этого этапа обусловлены, прежде всего, большой размерностью экономических задач, необходимостью обработки значительных массивов информации.

Обычно расчеты по экономико-математической модели носят многовариантный характер. Благодаря высокому быстродействию современных ЭВМ удается проводить многочисленные “модельные” эксперименты, изучая “поведение” модели при различных изменениях некоторых условий. Исследование, проводимое численными методами, может существенно дополнить результаты аналитического исследования, а для многих моделей оно является единственно осуществимым. Класс экономических задач, которые можно решать численными методами, значительно шире, чем класс задач, доступных аналитическому исследованию.

6. Анализ численных результатов и их применение. На этом заключительном этапе цикла встает вопрос о правильности и полноте результатов моделирования, о степени практической применимости последних.

Математические методы проверки могут выявлять некорректные построения модели и тем самым сужать класс потенциально правильных моделей. Неформальный анализ теоретических выводов и численных результатов, получаемых посредством модели, сопоставление их с имеющимися знаниями и фактами действительности также позволяют обнаруживать недостатки постановки экономической задачи, сконструированной математической модели, ее информационного и математического обеспечения^[6].

Взаимосвязи этапов. Обратим внимание на возвратные связи этапов, возникающие вследствие того, что в процессе исследования обнаруживаются недостатки предшествующих этапов моделирования.

Уже на этапе построения модели может выясниться, что постановка задачи противоречива или приводит к слишком сложной математической модели. В соответствии с этим исходная постановка задачи корректируется. Далее математический анализ модели (этап 3) может показать, что небольшая модификация постановки задачи или ее формализации дает интересный аналитический результат.

Наиболее часто необходимость возврата к предшествующим этапам моделирования возникает при подготовке исходной инфориации (этап 4). Может обнаружиться, что необходимая информация отсутствует или же затраты на ее подготовку слишком велики. Тогда приходится возвращаться к постановке задачи и ее формализации, изменяя их так, чтобы приспособиться к имеющейся информации.

Поскольку экономико-математические задачи могут быть сложны по своей структуре, иметь большую размерность, то часто случается, что известные алгоритмы и программы для ЭВМ не позволяют решить задачу в первоначальном виде. Если невозможно в короткий срок разработать новые алгоритмы и программы, исходную постановку задачи и модель упрощают: снимают и объединяют условия, уменьшают число факторов, нелинейные соотношения заменяют линейными, усиливают детерминизм модели и т.д.

Недостатки, которые не удается исправить на промежуточных этапах моделирования, устраняются в последующих циклах. Но результаты каждого цикла имеют и вполне самостоятельное значение. Начав исследование с построения простой модели, можно быстро получить полезные результаты, а затем перейти к созданию более совершенной модели, дополняемой новыми условиями, включающей уточненные математические зависимости.

По мере развития и усложнения экономико-математического моделирования его отдельные этапы обособляются в специализированные области исследований, усиливаются различия между теоретико-аналитическими и прикладными моделями, происходит дефференциация моделей по уровням абстракции и идеализации.

Теория математического анализа моделей экономики развилась в особую ветвь современной математики – математическую экономику. Модели, изучаемые в рамках математической экономики, теряют непосредственную связь с экономической реальностью; они имеют дело с исключительно идеализированными экономическими объектами и ситуациями. При построении таких моделей главным принципом является не столько приближение к реальности, сколько получение возможно большего числа аналитических результатов посредством математических доказательств. Ценность этих моделей для экономической теории и практики состоит в том, что они служат теоретической базой для моделей прикладного типа.

Довольно самостоятельными областями исследований становятся подготовка и обработка экономической информации и разработка математического обеспечения экономических задач (создание баз данных и банков информации, программ автоматизированного построения моделей и программного сервиса для экономистов-пользователей). На этапе практического использования моделей ведущую роль должны играть специалисты в соответствующей области экономического анализа, планирования, управления. Главным участком работы экономистов-математиков остается постановка и формализация экономических задач и синтез процесса экономико-математического моделирования^[7].

2. Математическое программирование

2.1 Методы решения задач линейного программирования

Математическое программирование занимается изучением экстремальных задач и поиском методов их решения.

Линейное программирование – это раздел математического программирования, в котором рассматриваются методы решения экстремальных задач с линейным функционалом и линейными ограничениями, которым должны удовлетворять искомые переменные^[8].

Задачу линейного программирования можно сформулировать так: Найти max    

при условии:

 a11 x1  a12 x2 . . . a1n xn ≤ b1; 

 a21 x1  a22 x2 . . . a2n xn ≤ b2; 

 . . . . . . . . . . . . . . . . . . . . . . . . . . . .

 am1 x1  am2 x2 . . . amn xn ≤ bm; 

 x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0 . 

Эти ограничения называются условиями неотрицательности. Если все ограничения заданы в виде строгих равенств, то данная форма называется канонической.

В матричной форме задачу линейного программирования записывают следующим образом. Найти max cT x при условии A x ≤ b; x ≥ 0, где А – матрица ограничений размером ( m×n), b(m×1) – вектор-столбец свободных членов, x(n × 1) – вектор переменных, сТ = [c1, c2, … , cn ] – вектор-строка коэффициентов целевой функции.

Решение х0 называется оптимальным, если для него выполняется условие сТ х0 ≥ сТ х , для всех х ∈ R(x).

Поскольку min f(x) эквивалентен max [- f(x)] , то задачу линейного программирования всегда можно свести к эквивалентной задаче максимизации.

Для решения задач данного типа применяются методы:

1) графический;

2) табличный (прямой, простой) симплекс – метод;

3) метод искусственного базиса;

4) модифицированный симплекс – метод;

5) двойственный симплекс – метод.

Табличный симплекс – метод

Для его применения необходимо, чтобы знаки в ограничениях были вида “ меньше либо равно ”, а компоненты вектора b – положительны.

Алгоритм решения сводится к следующему:

Метод искусственного базиса

Данный метод решения применяется при наличии в ограничении знаков “ равно ”, “ больше либо равно ”, “ меньше либо равно ” и является модификацией табличного метода. Решение системы производится путём ввода искусственных переменных со знаком, зависящим от типа оптимума, т.е. для исключения из базиса этих переменных последние вводятся в целевую функцию с большими отрицательными коэффициентами μ, а в задачи минимизации – с положительными μ. Таким образом, из исходной получается новая μ – задача.

Если в оптимальном решении μ – задачи нет искусственных переменных, это решение есть оптимальное решение исходной задачи. Если же в оптимальном решении μ – задачи хоть одна из искусственных переменных будет отлична от нуля, то система ограничений исходной задачи несовместна и исходная задача неразрешима.

Модифицированный симплекс – метод

В основу данной разновидности симплекс-метода положены такие особенности линейной алгебры, которые позволяют в ходе решения задачи работать с частью матрицы ограничений. Иногда метод называют методом обратной матрицы.

В процессе работы алгоритма происходит спонтанное обращение матрицы ограничений по частям, соответствующим текущим базисным векторам. Указанная способность делает весьма привлекательной машинную реализацию вычислений вследствие экономии памяти под промежуточные переменные и значительного сокращения времени счёта. Хорош для ситуаций, когда число переменных n значительно превышает число ограничений m.

В целом, метод отражает традиционные черты общего подхода к решению задач линейного программирования, включающего в себя канонизацию условий задачи, расчёт симплекс-разностей, проверку условий оптимальности, принятие решений о коррекции базиса и исключение Жордана-Гаусса.

Особенности заключаются в наличии двух таблиц – основной и вспомогательной, порядке их заполнения и некоторой специфичности расчётных формул^[9].

2.2 Пример решения задачи

Постановка задачи

Для производства двух видов изделий А и В используется три типа технологического оборудования. На производство единицы изделия А идёт времени, часов: оборудованием 1-го типа – а1 , оборудованием 2-го типа – а2 , оборудованием 3-го типа – а3 . На производство единицы изделия В идёт времени, часов: оборудованием 1-го типа – b1 , оборудованием 2-го типа – b2 ,, оборудованием 3-го типа – b3 . 

На изготовление всех изделий администрация предприятия может предоставить оборудование 1-го типа не более, чем на t1 , оборудование 2-го типа не более, чем на t2 , оборудование 3-го типа не более, чем на t3 часов.

Прибыль от реализации единицы готового изделия А составляет α рублей, а изделия В – β рублей.

Составить план производства изделий А и В, обеспечивающий максимальную прибыль от их реализации. Решить задачу простым симплекс-методом. Дать геометрическое истолкование задачи, используя для этого её формулировку с ограничениями-неравенствами.

а1 = 1 b1 = 5 t1 = 10 α = 2

а2 = 3 b2 = 2 t2 = 12 β = 3

а3 = 2 b3 = 4 t3 = 10

Разработка и описание алгоритма решения задачи

Построение математической модели задачи

Построение математической модели осуществляется в три этапа:

1. Определение переменных, для которых будет составляться математическая модель. Так как требуется определить план производства изделий А и В, то переменными модели будут:

x1 – объём производства изделия А, в единицах;

 x2 – объём производства изделия В, в единицах.

2. Формирование целевой функции.

Так как прибыль от реализации единицы готовых изделий А и В известна, то общий доход от их реализации составляет 2x1 3x2 ( рублей ). Обозначив общий доход через F, можно дать следующую математическую формулировку целевой функции: определить допустимые значения переменных x1 и x2 , максимизирующих целевую функцию F = 2x1 3x2 .

3. Формирование системы ограничений.

При определении плана производства продукции должны быть учтены ограничения на время, которое администрация предприятия сможет предоставить на изготовления всех изделий. Это приводит к следующим трём ограничениям:

x1 5x2 ≤ 10;         3x1 2x2 ≤ 12;      2x1 4x2 ≤ 10 .

Так как объёмы производства продукции не могут принимать отрицательные значения, то появляются ограничения неотрицательности:

x1 ≥ 0; x2 ≥ 0 .

Таким образом, математическая модель задачи представлена в виде: определить план x1 , x2 , обеспечивающий максимальное значение функции max F = max ( 2x1 3x2 )  при наличии ограничений: x1 5x2 ≤ 10; 3x1 2x2 ≤ 12; 2x1 4x2 ≤ 10; x1 ≥ 0; x2 ≥ 0 .

Решение задачи вручную

Табличный метод ещё называется метод последовательного улучшения оценки. Решение задачи осуществляется поэтапно.

1. Приведение задачи к форме:

x1 5x2 ≤ 10;

3x1 2x2 ≤ 12;

2x1 4x2 ≤ 10;

x1 ≥ 0; x2 ≥ 0 .

2. Канонизируем систему ограничений:

x1 5x2 x3 = 10;

3x1 2x2 x4 = 12;

2x1 4x2  x5 = 10;

x1 ≥ 0; x2 ≥ 0 .

A1 A2 A3 A4 A5 A0

3. Заполняется исходная симплекс-таблица и рассчитываются симплекс-разности по формулам:

δ0 =  – текущее значение целевой функции

δi =  – расчёт симплекс-разностей, где j = 1..6 .

Так как при решении задачи на max не все симплекс-разности положительные, то оптимальное решение можно улучшить.

4. Определяем направляющий столбец j*. Для задачи на max он определяется минимальной отрицательной симплекс-разностью. В данном случае это вектор А2
5. Вектор i*, который нужно вывести из базиса, определяется по отношению:

min  при аi j > 0

В данном случае сначала это А3 .

6. Заполняется новая симплекс-таблица по исключеню Жордана – Гаусса:

 а) направляющую строку i* делим на направляющий элемент: a i j = a i j / a i j , где j = 1..6

 б) преобразование всей оставшейся части матрицы: a ij = aij – a i j ⋅ aij , где i ≠ i* , j ≠ j* 

В результате преобразований получаем новую симплекс-таблицу:

Повторяя пункты 3 – 5, получим следующие таблицы:

Так как все симплекс-разности положительны, то оптимальное решение найдено:

X = (7/2 , 3/4 , 11/4 , 0 , 0) (единиц)

max F = 9 1/4 (рублей)^[10].

Заключение

В заключение работы можно сделать следующие выводы.

Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Процесс моделирования включает три элемента: 1) субъект (исследователь), 2) объект исследования, 3) модель, опосредствующую отношения познающего субъекта и познаваемого объекта.

Проникновение математики в Экономическую науку связано с преодолением значительных трудностей, лежащих в природе экономических процессов и специфике экономической науки

Сложность экономики иногда рассматривалась как обоснование невозможности её моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и. любой сложности, И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, её успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И, хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать неформализованные ещё проблемы, для которых математическое моделирование недостаточно эффективно.

Список использованной литературы

1. Айвазян С.А., Компьютерный анализ данных и моделирование. – Минск: 1998 г.
2. Акулич И.Л., Математическое программирование в примерах и задачах. Учебное пособие. – Минск: Высшая школа, 1999 г.
3. Власов М.П., Щикко П.Д., Моделирование экономических процессов. – Ростов-на-Дону: Феникс, 2005 г.
4. Волков С.Н., Купчиненко А.В., Твердовская Л.С., Экономико-математические методы и моделирование. – М.: 2000 г.
5. Гатаулин А.М., Гаврилов Г.В., Сорокина Т.M. и др. Математическое моделирование экономических процессов. – М.: Агропромиздат,2001 г.
6. Замков О.О., Математические методы в экономике: Учебник. – М.: Дело и Сервис, 2001 г.
7. Канторович Л.В., Горстко А.Б., Оптимальные решения в экономике.    – М.: Наука, 1998 г.
8. Колемаев В.А., Математические методы принятия решений в экономике. – М.: 2003 г.
9. Конюховский П. В., Математические методы исследования операций в экономике.  – СПб: Питер, 2002 г.
10. Кремер Н.Ш., Путко Б.А., Тришин И.М., Исследование операций в экономике. – Минск: 2001 г.
11. Кузнецов Ю.Н., Математическое программирование: Учебное пособие. – М.: Высшая школа, 1980 г.
12. Кундышева Е. С., Математическое моделирование в экономике. – М.: Дашков и К, 2007 г.
13. Лебедев В.В., Лебедев К.В.,  Математическое и компьютерное моделирование экономики. – М.: 2002 г.
14. Мешалкин Л.Д., Вайнберг Л.Л., Особенности моделирования экономики Саратов – М.: ЦЭМИ РАН, 2000 г.
15. Минюк С.А., Ровба Е.А., Кузьмич К.К., Математические методы и модели в экономике: Учебное пособие. – Минск: ТетраСистемс, 2002 г.
16. Найденков В.И., Прогнозирование и моделирование экономики (конспект лекций). – М.: ПРИОР, 2004 г.
17. Немчинов В.С., Экономика и  математические методы. – М.: 2001 г.
18. Петрова А.А., Поспелова И.Г., Шананина А.А., Опыт математического моделирования экономики. – М.: Энергоатомиздат, 2001 г.
19. Цисарь И., В. Нейман В.,  Моделирование экономики. – М.: 2002 г.

Приложение

Этапы экономико-математического моделирования

[1] Власов М.П., Щикко П.Д., Моделирование экономических процессов. – Ростов-на-Дону: Феникс, 2005 г.

[2] Цисарь И., В. Нейман В.,  Моделирование экономики. – М.: 2002 г.

[3] Колемаев В.А., Математические методы принятия решений в экономике. – М.: 2003 г.

[4] Петрова А.А., Поспелова И.Г., Шананина А.А., Опыт математического моделирования экономики. – М.: Энергоатомиздат, 2001 г.

[5] Найденков В.И., Прогнозирование и моделирование экономики (конспект лекций). – М.: ПРИОР, 2004 г.

[6] Минюк С.А., Ровба Е.А., Кузьмич К.К., Математические методы и модели в экономике: Учебное пособие. – Минск: ТетраСистемс, 2002 г.

[7] Замков О.О., Математические методы в экономике: Учебник. – М.: Дело и Сервис, 2001 г.

[8] Кузнецов Ю.Н., Математическое программирование: Учебное пособие. – М.: Высшая школа, 1980 г.

[9]

[10] Акулич И.Л., Математическое программирование в примерах и задачах. Учебное пособие. – Минск: Высшая школа, 1999 г.