Методы
моделирования и математического программирования. Разделение моделей на классы
Распространенной
методикой прогнозирования тех или иных процессов и явлений служит
моделирование. Моделирование считается достаточно эффективным средством
прогнозирования возможного явления новых или будущих технических средств и
решений. Модель конструируется субъектом исследования так, чтобы операции
отражали характеристики объекта, существенные для целей исследования.
Одним
из методов моделирования является метод математического моделирования. Под
экономико-математическим моделированием понимается методика доведения до
полного описания процесса получения, обработки исходной информации и оценки
решения рассматриваемой задачи в достаточно широком классе случаев.
Применение
математических методов является необходимым условием для разработки и
использования методов прогнозирования, обеспечивающим высокие требования
обоснованности, действенности и временности прогнозов.
Важное
прикладное значение в прогнозировании принадлежит методам регрессивного
анализа. Регрессивный метод используется для исследования форм связей,
устанавливающих качественные соотношения между случайными величинами изучаемого
случайного процесса.
Связь
между случайными и неслучайными величинами называется регрессионной, метод
анализа таких связей – регрессионным анализом. Достоинством регрессивного
метода следует считать его универсальность, широкий выбор функциональной
зависимости, возможность включения в статистическую модель в качестве
самостоятельной переменной фактора времени.
Модели
в зависимости от свойств функций разделяются на классы:
1.
Модели линейного программирования, в которой применяются линейные зависимости
между планируемыми параметрами.
2.
Модели нелинейного программирования, в которых некоторые функции нелинейные.
3.
Модели целочисленного программирования, в которых переменные в уравнениях по
своему физическому смыслу могут принимать лишь ограниченное число дискретных
значений.
4.
Модели параметрического программирования. Если исходные параметры в моделях
изменяются в некоторых пределах.
5.
Модели стохастического программирования, если с их помощью решаются в процессе
программирования задачи экстремума при наличии случайных параметров в их
условиях.
К
ним относятся следующие модели:
·
анализ корреляции и
регрессии
·
дисперсионного
анализа
·
массового
обслуживания
·
игр
·
аналитических решений
·
расписаний
·
запасов
·
информации
·
надежности
6.
Модель динамического программирования позволяет находить оптимальные решения по
конечным результатам предыдущих решений.
7.
Модели блочного программирования, которые в процессе планирования позволяют
точно или приблизительно получить оптимальные решения задач больших размеров по
решениям ряда задач с меньшим числом переменных ограничений.
| 
