Имитационное моделирование и исследование экономических систем

        закономерностей,  выраженных в  виде  четких  или  нечетких  правил.

        Экспертные  системы, основанные  на  примерах,  характеризуются  как

        индуктивные,  то есть общие заключения  делаются  только  на  основе

        большого  количества  частных  примерах.  К  таким  системам  можно

        отнести  нейросетевые пакеты, о которых  речь пойдет  ниже.  Заметим,

        что  нейросеть предназначена главным   образом  для  того,  чтобы   на

        основе  анализа большого объема информации,  представленной  в  виде

        набора  частных случаев, выявить общие  закономерности которые в свою

        очередь  впоследствии применяются к новым  аналогичным ситуациям.

     4.  Экспертные  системы,  основанные  на  имитационном  моделировании.

        Данные     экспертные   системы    позволяют    при    исследовании

        функционирования  сложных  систем  составить   модель   на   основе

        имеющихся  данных и экспертных оценок  и  затем  на  основе  свойств

        данной  модели  протестировать  процесс   функционирования   данной

        системы,  вводя в модель  те  или   иные  данные  с  целью   получения

        оптимальных  выходных характеристик.

       Особое  место среди экспертных систем  занимают системы  искусственного

интеллекта. Проблема искусственного интеллекта занимает очень большое  место

в практике сознания и использования  вычислительной техники.  С  ней  связано

много  вопросов  и  чисто   гносеологического   характера.   Академик   Н.Н.

Моисеев[19] писал, что  сам  термин «искусственный интеллект» –  не более  чем

лингвистический нонсенс,  и  правильно  было  бы  говорить  об  имитационных

системах, понятием которых  прежде всего и связан рациональный смысл  денного

термина.  В  узком   смысле   под   искусственным   интеллектом   понимаются

технические средства и  логика  программирования,  принципиально  упрощающая

все процедуры  общения  с  ЭВМ.  Моисеев  считает,  что  ни  сегодня,  ни  в

обозримом будущем,  нет  и не будет никаких оснований  говорить о  возможности

появления  искусственных  систем,  которые  представляли  бы  новую,   более

совершенную форму организации  материи. Нет никаких  оснований  считать,  что

машина сама по себе превратится  в свехрчеловека и «отменит»  человечество  в

качестве пройденного, «устаревшего»  уровня организации сознания  и  материи.

Знаменитый Терминатор останется  продуктом фантастики.  Моисеев  уверен,  что

вычислительная техника  и средства искусственного интеллекта, как бы  они  не

развивались в дальнейшем, все равно  по  прежнему  будут  оставаться  плодом

человеческого разума и рук  и по прежнему будут служить целям  человека.

       Далее  будем понимать термин «искусственный  интеллект» только в  узком

смысле, связывая его с  технологией обработки и использования  информации.

         Нейросетевые   технологии   –   одна   из   разновидностей   систем

искусственного  интеллекта.  Понятия   нейпронная   сеть,   нейроматематика,

нейроимитатор  все  шире  входят  в  нашу  жизнь,  становятся  привычныс   и

эффективным  инструментом  для  решения  многих  научно-технических   задач.

Основой  нейронной сети (НС) являются  искусственные  нейроны,  описанные  в

предыдущем пункте. Тем  НС  –  совокупность  нейронов,  определенных  образом

соединенных  друг  с  другом  и  внешней   средой.   Используя   НС,   можно

реализовывать различные  логические  функции,  связывающие  между  собой  все

входные и выходные переменные, определенные в логическом базисе  {0,1}.  Эти

логические  функции  могут  быть  монотонными   и   немонотонными,   линейно

разделимыми и неразделимыми, то есть иметь достаточно сложный  вид.

       В основу  искусственных нейронных сетей  положены следующие черты живых

нейронных  сетей,  позволяющие  им  хорошо   справляться   с   нерегулярными

задачами[20]:

       . простой  обрабатывающий элемент – нейрон;

       . большое  количество нейронов, участвующих  в обработке информации;

       . связь  каждого нейрона с большим  количеством других нейронов;

       . изменяющиеся  по весу связи между нейронами;

       . массивная  параллельность обработки информации.

       Нейросетевые  технологии  хорошо  зарекомендовали   себя   в   решении

всевозможных задач прогнозирования. Они способны решать задачи  опираясь  на

неполную, искаженную, зашумленную  и внутренне противоречивую  информацию.  И

как сказал Роберт Хехт-Нильсен[21]: «Не имеет значения, похожи ли  на  самом

деле в работе нейронные  сети на мозг. Значение имеет лишь то, что  у  данных

теоретических моделей можно  математически обосновать наличие  способностей  к

переработке информации».

 

 

 

  Использование математического  моделирования в исследованиях  экономических

                                   систем.

 

 

 

                         Модели агрегированной экономики.

 

 

      Экономико-математическое  моделирование  является  неотъемлемой  частью

любого исследования в  области  экономики.  Бурное  развитие  математического

анализа,  исследования  операций,  теории  вероятностей   и   математической

статистики способствовало формированию различного рода моделей  экономики.

. Почему можно говорить  об эффективности применения  методов математического

   моделирования в  этой области? Во-первых, экономические  объекты различного

   уровня (начиная с  уровня простого предприятия   и  кончая  макроуровнем  -

   экономикой страны  или даже  мировой  экономикой)  можно  рассматривать  с

   позиций системного  подхода.  Во-вторых,  такие   характеристики  поведения

   экономических систем:

. изменчивость (динамичность);

. противоречивость поведения;

. тенденция к ухудшению  характеристик;

. подверженность воздействию  окружающей среды;

предопределяют выбор  метода их исследования.

       За последние  30-40 лет методы моделирования  экономики разрабатывались

очень интенсивно.  Они  строились  для  теоретических  целей  экономического

анализа и  для  практических  целей  планирования,  управления  и  прогноза.

Содержательно  модели  экономики   объединяют   такие   основные   процессы:

производство, планирование, управление,  финансы  и  так  д.алее.  Однако  в

соответствующих моделях  всегда упор делается на  какой-нибудь  один  процесс

(например, процесс планирования), тогда как все остальные   представляются  в

упрощенном виде.

        В   литературе,   посвященной   вопросам   экономико-математического

моделирования, в зависимости  от учета различных факторов (времени,  способов

его представления в моделях; случайных факторов и тому  подобное)  выделяют,

например, такие классы моделей:

      1.статистические  и динамические;

      2. дискретные  и непрерывные;

      3. детерминированные  и стохастические.

      Если же  рассматривать характер метода,  на  основе  которого  строится

экономико-математическая  модель,  то  можно  выделить  два  основных   типа

моделей:

. математические

. имитационные .

         Развитие первого направления  в мировой и российской науке  связано с

такими именами, как Л.Н. Канторович, Дж. Фон  Нейман,  В.С.  Немчинов,  Н.А.

Новожилов, Л.Н. Леонтьев, В.В. Леонтьев и многие другие. Большой  интерес  в

этом  направлении  представляют   модели   агрегированной   экономики,   где

рассматривается  отраслевой,   народохозяйственный   уровень.   Динамические

народоозяйственные  модели  используются  в  роли   верхних   координирующих

звеньев  систем  экономико-математических  моделей.  С   ростом   временного

горизонта  увеличивается  разнообразие  вариантов  перспективного   развития

экономики  и  возрастает  число  степеней  свободы  для  выбора  оптимальных

решений, поскольку уменьшается  влияние  ограниченности  ресурсов,  неизбежно

предопределяемой  предшествующим  развитием.  Однако  с  ростом   временного

горизонта фактор неопределенности также  начинает  играть  все  возрастающую

роль. По мнению Ю.Н.  Черемных[22]  «укрупненная  номенклатура  динамических

моделей  регламентируется  в  первую   очередь   качеством   информационного

обеспечения. Переход к  такой номенклатуре для сокращения  размерности  может

быть   продиктован   недостаточно   мощным   алгоритмическим   и    машинным

обеспечением.»   Для   отыскания   оптимальных    траекторий    динамических

нарoднохозяйственных моделей  используются как конечные,  так  и  бесконечные

методы, предложенные для  решения  задач  математического  программирования.

Большое   теоретическое   и   прикладное   значение   динамических   моделей

стимулировало  многих  авторов  на  разработку  специальных  методов  поиска

оптимальных траекторий. Предложенные  методы  учитывают  явно  или  не  явно

блочную структуру ограничений  динамических моделей и строятся

обычно без учета конкретных особенностей оптимальных траекторий.

 

 

 

          Имитационное моделирование и  исследование экономических систем.

 

 

      Рассмотрим   подробнее    применение    имитационного    моделирования

экономических систем, процессов. По словам крупного ученого в  этой  области

Р.Шеннона,   «идея   имитационного   моделирования   проста   и   интуитивно

привлекательна, позволяет  экспериментировать с системами, когда  на  реальном

объекте этого

сделать нельзя.»[23]. В основе этого метода - теория вычислительных  систем,

математическая статистика,  теория  вероятностей.  Все  имитационные  модели

построены по типу «черного ящика», то есть

сама система (ее элементы, структура) представлены в виде  «черного  ящика».

Есть какой-то вход в него,  который  описывается  экзогенными  или  внешними

переменными,  которые  возникают  вне  системы,  под  воздействием   внешних

причин, и выход описываемый  эндогенными или выходными  переменными,  который

характеризует

результат действия системы.

      В имитационном  исследовании большое значение  имеет этап оценки модели,

который включает в себя следующие шаги:

1. Верификация модели  (модель  ведет  себя  так,  как  это  было  задумано

   исследователем).

2. Оценка адекватности (проверка  соответствия модели реальной  системе).

3. Проблемный анализ (формирование  статистически значимых выводов  на основе

   данных, полученных  в результате экспериментов с  моделью).

       Большой   интерес  в  имитационном  моделировании  представляет  метод

системной динамики  -  разработанный  одним  из  крупнейших  специалистов  в

области теории  управления,  профессором  в  школе  управления  Альфреда  П.

Слоуна в Массачусетском  технологическом  институте,  Джеймсом  Форрестером.

Его первая книга в этой области «Кибернетика предприятия»  вызвала  огромный

интерес  мировой  науки  к  методу   системной   динамики   в   имитационном

моделировании.

      Начало  глобальному моделированию положил  другой труд Дж. Форрестера  -

«Мировая динамика». Здесь  он рассматривает мир как единое целое, как  единую

систему    различных    взаимодействующих    процессов:     демографических,

промышленных,  процессов  исчерпания  прирoдных   ресурсов   и   загрязнения

окружающей  среды,  процесса   производства   прoдуктов   питания.   Расчеты

показали,  что  при  сохранении  развития   общества,   точнее   сегодняшних

тенденций  его  развития,  неизбежен  серьезный  кризис  во   взаимодействии

человека и окружающей среды. Этот  кризис  объясняется  противоречием  между

ограниченностью    земных    ресурсов,     конечностью     пригодных     для

сельскохозяйственной обработки  площадей и все растущими темпами  потребления

увеличивающегося    населения.    Рост    населения,     промышленного     и

сельскохозяйственного производства приводит к кризису: быстрому  загрязнению

окружающей  среды,  истощению  природных  ресурсов,  упадку  производства  и

повышению смертности. На основании  анализа этих результатов  делается  вывод

о   необходимости   стабилизации   промышленного   роста   и   материального

потребления.

      Исследования  Дж.Форрестера, Р.Шеннона,  Дж.Шрайбера  и  многих  других

ученых в области  имитационного  моделирования  позволяет  сделать  вывод  о

перспективности использования  этого метода в области экономики.

 

 

 

                                 Заключение

 

 

        Возможность   постановки   вычислительного   эксперимента   на   ЭВМ

существенно ускорила процесс  математизации науки и техники. Расширился  круг

профессий, для которых  математическая  грамотность  становится  необходимой.

Благодаря возможности оперативного исследования процессов труднодоступных  и

недоступных для реального  экспериментирования  математическое  моделирование

все больше и больше находит  свое применение в областях, казалось бы  далеких