Имитационное моделирование. Метод Монте-Карл

Введение 3
1. Имитационное моделирование. Метод Монте-Карло 6
1.1. Применение имитационного моделирования в экономике 6
1.2. Понятие имитационного моделирования 8
1.3 Метод Монте-Карло как разновидность имитационного моделирования 12
1.4. Имитационные модели систем 14
1.5. Преимущества и недостатки имитационного моделирования 17
Практическая часть 21
Заключение 25
Список литературы 27
Приложение 29

Весь текст будет доступен после покупки

Моделирование - это метод изучения сложных систем, основанный на том, что обозреваемая система заменяется моделью, и исследование модели осуществляется с целью сбора информации об исследуемой системе. Модель исследуемой системы понимается как отдельная другая система, которая ведет себя с учётом целей исследования таким же образом поведению системы. Модель по больше части проще и доступнее для исследования, чем система, что помогает ее рассмотрению. В числе различного рода видов моделирования, применяемых для исследования сложных систем, в большей мере роль отводится имитационному моделированию. Имитация - это модель, которая представляет все элементарные явления, составляющие функционирование исследуемой системы во времени, поддерживая вдобавок их логическую структуру и последовательность [10, 11, 12]. Не так давно в большей мере получивший всевозможное имитационное моделирование, при этом в качестве модели применяется программа. Данный вид моделирования называется программным моделированием систем.
Имитационное моделирование представляет мощный инструмент для изучения сложных бизнес-процессов и систем и даёт решать трудно формализуемые задачи в условиях неопределенности. В следствие этого, метод способствует усовершенствованию системы поддержки принятия решений, а значит улучшая экономические данные организаций, уменьшая риск принятия решений и сберегает деньги для результата.
Значительные большие компании пользуются программами, которые предлагают шанс моделирования решений и изучение вероятных изменений в экономической системе в следствии действия разных факторов, другими словами способствуют проверки гипотезы «что произойдет, если...». Притом, многие университеты воплощают разработки для подготовки и развития специалистов, их знаний к принятию решений в современных условиях. Официально признанный Т. Нейлор был одним из первых, кто испотзовал методы имитационного моделирования для исследования экономических процессов. Его монография «Машинные имитационные эксперименты с моделями экономических систем» легла в основу многих последующих работ по имитационному моделированию экономических процессов [13, 14, 15,16].
Имитационное моделирование становится полезным методом изучения сложных систем со случайным взаимодействием элементов, аналогичных транспортных потоков, многоступенчатых промышленных производств, распределенных объектов управления. Принцип имитационного моделирования заключается в том, что поведение системы отображается компьютерной моделью взаимодействия ее элементов во времени и пространстве.

Весь текст будет доступен после покупки

1. Имитационное моделирование. Метод Монте-Карло
1.1. Применение имитационного моделирования в экономике

За прошедшие 3-4 года перспектива отрасль услуг, относящийся с помощью MI, целиком изменилась. В случае если в 2003 году (первый IMMOD) спрос на IM с позиции бизнеса и государства только робко обозначился, а в 2005 году (второй IMMOD) происходило интенсивное знакомство потенциальных заказчиков с аналогичными технологиями, то в настоящее время есть возможность с уверенностью допустить, что они уже проявили себя в арсенале инструментов прогнозирования, анализе и оптимизации. Он ещё не обрел крупного распространения, но развитие и рост бесспорен и не остановится в ближайшем будущем: нынешнее состояние российского бизнеса и экономики- это широкий простор для совершенствования и, следовательно, использования принадлежащих навыков и технологий.
Очевидным лидером в сфере «осознанного спроса» и его проведении служит сфера логистики: транспортировка, складская эксплуатация, политика закупок и, в общепринятом понимании, функционирование цепочек поставок. Это следствие, что логистика в России чувствует значительный бум, и обладает достаточно сложным динамичным характером логистических процессов, обилием временных и причинно-следственных связей, вдобавок масштабностью задач.
Неумение оптимизировать логистические системы «на коленке» (=в Excel) до такой степени явна, что заставляет сами компании исследовать сильные передовые технологии.

Весь текст будет доступен после покупки

1. Акулич, И.А. Математическое программирование в примерах и задачах / И.А. Акулич. - М. : Высшая школа, 1986. – 319 с.
2. Ансофф И. Стратегическое управление. М: Прогресс, 2014. – 368 с
3. Аронович, А.Б. Сборник задач по исследованию операций / А.Б. Аронович, М.Ю. Афанасьев, Б.П. Суворов. – М.: МГУ, 1997. – С. 256.
4. Бакаев Н.Ю. Методы статистических испытаний в экономике и финансах: [учеб. пособие для вузов] / Н.Ю.Бакаев. – М.: МИФИ, 2007. – 183 с.
5.Гусарова О.М. Моделирование как способ планирования и управления результатами бизнеса: Успехи современного естествознания, 2014. – № 11-3. – С. 88-91.
6. Давыдов, Э.Г. Исследование операций / Э.Г. Давыдов. - М.: Высшая школа, 1990. – 382 с.
7. Ермаков C.М. Метод Монте-Карло в вычислительной математике: ввод. курс / C.М.Ермаков. – М.; СПб.: Бином. Лаб. Знаний: Нев. диалект, 2009. – 192 с.
8. Исследование операций в экономике. Учебное пособие для вузов / Под ред. Н.Ш. Кремера. – М.: Юнити, 2003. – 407 с.
9. Красс, М.С. Математика для экономистов / М.С. Красс, Б.П. Чупрынов – Спб. : Питер, 2008. – 464 с.
10. Кремера, Н.Ш. Исследование операций в экономике: учеб. пособие / под ред. Н.Ш. Кремера. – 2-е изд., перераб. и доп. – М.: Юнити, 2011. – 403 с.

Весь текст будет доступен после покупки