- •Раздел 1
- •1. Организационно-методические вопросы
- •Тгка – транспортные грузовые космические аппараты
- •Системность и системный подход
- •Общие положения и понятия
- •Раздел 2
- •2.2. Характеристика жизненного цикла стс
- •2.3. Сущность системного проектирования
- •2.4. Концепция системного проектирования
- •2.5. Главные вопросы системного проектирования
- •Раздел 3
- •3. Космический аппарат как большая техническая система
- •Раздел 4
- •4. Стадия опытной отработки ка как стс
- •Раздел 5
- •5. Примеры систем ка 2 иерархического уровня
- •5.2. Примеры - суд.
- •5.2.2. Принципы функционирования системы управления движением центра масс
- •Раздел 6
- •Вопрос 1. Понятие о моделировании
- •Раздел 7
- •Вопрос 2 Математические модели и их классификация
- •Раздел 8
- •Вопрос 3. Математические модели оптимизации
- •Аналитические модели;
- •Модели поверхности отклика;
- •Имитационные математические модели ( не путать с имитационными моделями).
- •Раздел 9
- •1. Системы энергоснабжения ка
- •2. Основные задачи и этапы разработки эу ка.
Раздел 8
Продолжение вопроса: классификация математических моделей
Наиболее важным типом математических моделей в исследовании операций являются оптимизационные математические модели.
В основе их построения лежат допущения о том, что все релевантные переменные, параметры и ограничения, а также целевая функция количест- венно измеримы. Поэтому если , представляют собой «n» управ- ляемых переменных и условия функционирования исследуемой системы характеризуются «m» ограничениями, то математическая модель может быть записана в следующем виде: при заданных тем или иным способом
Найти extr
При
ограничения ;
Ограничения х1, х2,..., хп > О называются условиями неотрицательности. Эти условия требуют, чтобы переменные принимали только положительные или нулевые значения. В большинстве практических случаев такое требование вполне
естественно.
Нахождение оптимума осуществляется для определения наилучшего значения целевой функции, например, максимума прибыли или минимума затрат.
Для построения оптимизационной математической модели необходимо иметь строгое представление 1) о цели функционирования исследуемой системы и располагать информацией 2) об ограничениях, которые определяют область допустимых значений управляемых переменных. Как цель, так и ограничения должны быть представлены в виде функций от управляемых переменных. Анализ модели должен привести к определению наилучшего управляющего воздействия на объект управления при выполнении всех установленных ограничений.
Процесс оптимизации с использованием модели можно рассматривать как метод отыскания оптимального решения для реальной системы без непосредственного экспериментирования с самой системой. Как показано на рисунке 2 «прямой» путь, ведущий к оптимальному решению, заменяется обходным, включающим построение и оптимизацию модели, а также преобразование полученных результатов в практически реализуемую форму. Очевидно, что такой подход к оптимизации системы обязательно требует использования некоторого упрощенного представления реальной системы. При формировании такого приближенного представления или приближенной математической модели следует учитывать только важнейшие характеристики системы, которые должны быть отражены в модели, а менее существенные особенности в модель можно не включать. (Не пренебрегаем напоминанием уже известных приёмов моделирования СТС). Необходимо также сформулировать логически обоснованные допущения, выбрать форму представления математической модели, уровень ее детализации и метод реализации на ЭВМ. Указанные соображения относятся к этапу построения модели и являются в той или иной мере произвольными.
Рис. 2
Специалисты, обладающие одинаковым уровнем подготовки, рассматривая одну и ту же реальную систему, могут предложить совершенно различные модели. Однако ни одну из таких моделей независимо от степени ее детализации и сложности нельзя считать единственно правильной. Качество модели нельзя оценивать ни по структуре, ни по форме. Единственным критерием такой оценки может служить лишь достоверность полученных на модели прогнозов поведения реальной системы. Модель, включающую нелинейные функции, можно считать предпочтительнее линейной модели лишь при условии, что нелинейная модель точно описывает реальную систему.
В то же время адекватность модели часто невозможно строго оценить и поэтому выбор той или иной модели в значительной степени субъективен. Поэтому очень важно, чтобы создатель модели детально знал моделирующую систему, понимая технические принципы, лежащие в основе компонентов модели.
Обычно самым дорогим этапом оптимизационного исследования является работа по созданию модели, так как она требует привлечения компетентных специалистов, хорошо знающих изучаемую систему. Поскольку стоимость создания моделей резко растет по мере детализации модели, необходимо тщательно продумывать уровень детализации, чтобы он соответствовал целям исследования и отвечал качеству доступной информации о системе. Бесполезно разрабатывать сложную модель, если доступная информация, по которой определяются коэффициенты модели, разрозненна и ненадежна. С другой стороны, поскольку оптимизируется именно модель, а не реальная система, бессмысленно проводить оптимизационное исследование с упрощенной моделью, которая дает неправильное значение истинного оптимума системы.
При разработке модели стремятся к тому, что иногда называют принципом оптимальной неточности: модель должна быть настолько детализирована, насколько это необходимо для целей исследования. Однако достичь этой цели всегда трудно. Существует единственно надежный способ создания модели с оптимальным уровнем неточности, а именно метод постепенного совершенствования модели и методов оптимизации. Начав с самой простой модели, ее последовательно доводят до такого уровня, когда точность полученного значения оптимума соответствует точности используемой в моделях информации. Однако этот трудоемкий процесс иногда требует больших затрат времени, чем это возможно в реальных условиях.