МОДЕЛИРОВАНИЕ СЛОЖНЫХ ЭКОНОМИЧЕСКИХ СИСТЕМ НА ОСНОВЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Широкое распространение особенно при анализе риска получил метод Монте-Карло. Экономические процессы в системах любой сложности могут быть формально выражены при помощи цепей Маркова и решены методом Монте-Карло за ограниченное время зависящее только от требуемой точности вычислений.
Цепью Маркова называют такую последовательность случайных событий, в которой вероятность каждого события зависит только от состояния, в котором процесс находится в текущий момент и не зависит от более ранних состояний. Марковская цепь изображается в виде графа переходов, вершины которого соответствуют состояниям цепи, а дуги - переходам между ними. Вес дуги (i, j), связывающей вершины si и sj будет равен вероятности pi(j) перехода из первого состояния во второе.
Марковские цепи классифицируются в зависимости от возможности перехода из одних состояний в другие. Группы состояний марковской цепи (подмножества вершин графа переходов), которым соответствуют тупиковые вершины диаграммы порядка графа переходов, называются эргодическими классами цепи.
Цепь Маркова называется неприводимой, если любое состояние Sj может быть достигнуто из любого другого состояния Si за конечное число переходов. В этом случае все состояния цепи называются сообщающимися, а граф переходов является компонентой сильной связности. Процесс, порождаемый такой цепью, начавшись в некотором состоянии, никогда не завершается, а последовательно переходит из одного состояния в другое, попадая в различные состояния с разной частотой, зависящей от переходных вероятностей. Поэтому основная хаpaктеристика эргодической цепи - вероятности пребывания процесса в состояниях Sj, j = 1,..., n, доля времени, которую процесс проводит в каждом из состояний. Неприводимые цепи часто используются в качестве моделей надежности систем, а также трaнcпортных моделей.
Поскольку нас интересует в основном, вычисление узловых вероятностей в неприводимых цепях Маркова, для которого не существует математически обоснованных методов решения, мы обратимся к методу Монте-Карло. Сущность метода заключается в том, что вместо того, чтобы использовать неподходящие для подобных задач соображения комбинаторики, можно просто поставить «эксперимент» большое число раз и таким образом, подсчитав число исходов, оценить их вероятность. Этот метод имитации применим для решения почти всех задач при условии, что альтернативы могут быть выражены количественно. Построение модели начинается с определения функциональных зависимостей в реальной системе, которые впоследствии позволяют получить количественное решение, используя теорию вероятности и таблицы случайных чисел. Модель Монте-Карло не столь формализована и является более гибкой, чем другие имитирующие модели. Причины здесь следующие: а) при моделировании по методу Монте-Карло нет необходимости определять, что именно оптимизируется; б) нет необходимости упрощать реальность для облегчения решения, поскольку применение ЭВМ позволяет реализовать модели сложных систем; в) в программе для ЭВМ можно предусмотреть опережения во времени.
Метод Монте-Карло позволяет численно находить различные вероятностные хаpaктеристики случайной величины η, зависящей от большого числа других случайных величин ξ1, ξ2, ..., ξ n. Этот метод сводится к следующему: разыгрывается последовательность случайных величин ξ1, ξ2, ..., ξ n для каждого розыгрыша определяется соответствующее значение случайной величины η, а по найденным значениям строится эмпирическое распределение вероятностей этой случайной величины.
Типичным примером задачи, которая может быть решена на основе метода Монте-Карло, является задача на инвестирование.
Описание задачи: Волгоградская область имеет возможность вложить свободные средства в одно из трёх основных направлений развития, при этом различные степени психологического фактора инвестиционной привлекательности соответствующим образом влияют на вероятности реинвестирования основных направлений. На основании статистических исследований были определены вероятности реинвестирования направлений и варианты дальнейшего развития событий. Необходимо вычислить направление инвестирования имеющее наименьший риск потери вложенных средств.
На первом этапе необходимо представить задачу в виде графа. Поскольку граф нашей задачи, содержит поглощающие узлы (такие узлы в которых переход к другим узлам невозможен) мы создаем алгоритм таким образом, чтобы при достижении поглощающего узла происходила повторная постановка эксперимента с самого начала (с первого узла графа).
После программирования, необходимо ввести данные представленного графа в программу. Сравнивая вероятности в конечных узлах определим минимальную - это и есть узел, принадлежащий предпочтительному направлению инвестирования.
Список литературы
- Акофф, Р.Л. Планирование в больших экономических системах / Акофф Р.Л.: пер. с англ. под ред. И.А. Ушакова. - М., 1972. - 223 с.
- Березовский, Б.А. Многокритериальная оптимизация: математические аспекты / Б.А. Березовский, Ю.М. Барышников, В.Н. Борзенко. - М.: Наука, 1989. - 230 с.
- Дубов, А.М. Многокритериальные модели формирования и выбора вариантов систем / А.М. Дубов, С.И. Травкин, В.Н. Якимец. - М.: Наука, 1986. - 296 с.
Статья в формате PDF
112 KB...
12 06 2026 21:34:11
Статья в формате PDF
90 KB...
10 06 2026 3:59:19
Статья в формате PDF
157 KB...
09 06 2026 6:45:16
Статья в формате PDF
340 KB...
08 06 2026 23:12:50
Статья в формате PDF
107 KB...
07 06 2026 20:53:54
Статья в формате PDF
387 KB...
06 06 2026 9:25:25
Статья в формате PDF
122 KB...
05 06 2026 8:10:16
Статья в формате PDF
113 KB...
04 06 2026 11:59:32
Статья в формате PDF 120 KB...
02 06 2026 8:14:51
Статья в формате PDF
91 KB...
01 06 2026 9:16:19
Статья в формате PDF
110 KB...
31 05 2026 8:11:57
Статья в формате PDF
171 KB...
30 05 2026 16:20:45
Статья в формате PDF
364 KB...
29 05 2026 5:49:54
Статья в формате PDF
131 KB...
28 05 2026 16:54:24
Статья в формате PDF
119 KB...
27 05 2026 14:29:11
Проведен анализ изменений состава тела вследствие курса экстремальных воздушных криогенных тренировок (ОВКТ) в камере закрытого типа при t = –110 ± 5 °С. Исследован состав тела 35 человек (87 % выборки), до и после курса ОВКТ, состоявшего из 10 сеансов в режиме 1 процеДypa в день. Анализ состава тела проводили на биоимпедансном анализаторе АВС-02 «Медасс». Статистическая обработка проведена с расчетом медианы (Ме), значений исследуемых параметров в первой (Q25 %) и последней (Q75 %) квартилях распределения, сравнением полученных данных с использованием непараметрического критерия Манна Уитни Вилкоксона (U). Выявлено снижение значений Ме для жировой массы и ее возрастание для мышечной и активной клеточной массы, что отражает как правило формирование более высокого уровня здоровья и адаптированности исследуемых к факторам среды. Модуляция состава тела в результате курса ОВКТ зависит от исходного функционального состояния исследуемых, однако направленность изменений данных биометрии остается позитивной.
...
26 05 2026 11:35:28
Статья в формате PDF
138 KB...
25 05 2026 1:17:47
Статья в формате PDF
119 KB...
24 05 2026 21:32:35
Статья в формате PDF
111 KB...
23 05 2026 22:39:13
Статья в формате PDF
89 KB...
21 05 2026 15:13:44
Статья в формате PDF
123 KB...
20 05 2026 22:36:45
Статья в формате PDF
111 KB...
19 05 2026 19:55:35
Статья в формате PDF
289 KB...
18 05 2026 6:27:36
Статья в формате PDF
103 KB...
17 05 2026 5:11:39
Статья в формате PDF
278 KB...
16 05 2026 8:49:39
Статья в формате PDF
99 KB...
14 05 2026 20:58:34
Статья в формате PDF
172 KB...
11 05 2026 3:42:30
Важнейшим фактором поддержания селенового статуса организма является феномен эндогенного регулирования, который проявляется как в здоровом организме, так и при различных заболеваниях. Клинические исследования гинекологических больных с гнойно-воспалительными заболеваниями позволили установить, что снижение иммунной защиты организма часто сопровождается снижением уровня селена в сыворотке крови. Обследовано 46 больных (18-37 лет). Бактериологическое типирование подтвердило присутствие: Chlamidia trachomonatis; Ureaplasma urealiticum; St. epidermidis; грам (-) флоры; грам (+) флоры; смешанной флоры; E. Colli; дрожжевых клеток; трихомонад. Интервал концентрации селена в сыворотке крови составил 32,0-89,5мкг/л. Средний показатель 64,8 ± 6,3 мкг/л (при норме 115-120 мкг/л). Показатель уровня селена в сыворотке крови доноров г.Пензы составил 81,0 ± 11,7 мкг/л. Была проведена оценка влияния селенодефицита на течение и прогноз эндотоксикоза. Таким образом, авторегулирование антиоксидантного гомеостаза в организме можно рассматривать как функцию иммунитета, а воздействие фармакологических препаратов как один из методов регулирования селенового статуса населения. ...
10 05 2026 0:55:41
Статья в формате PDF
112 KB...
09 05 2026 17:33:17
Статья в формате PDF
113 KB...
07 05 2026 3:25:52
Статья в формате PDF
135 KB...
06 05 2026 23:39:58
Статья в формате PDF
123 KB...
05 05 2026 23:56:31
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
