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
90 KB...
21 09 2026 5:26:46
Статья в формате PDF
324 KB...
20 09 2026 22:14:13
Статья в формате PDF
130 KB...
19 09 2026 12:56:16
В исследованиях приняло участие 85 спортсменов, которые были распределены
6 групп: юноши и взрослые лыжники, юноши и взрослые бегуны, юноши и взрослые спортсмены, занимающиеся скоростно-силовыми видами спорта. В качестве физической нагрузки применялась работа на велоэргометре ступенчато-повышающейся мощности без пауз отдыха от 50 до 200 Вт. При нагрузке мощностью 200 Вт во всех шести группах испытуемых выявлены значимые корреляционные связи между физической работоспособностью и частотой сердечных сокращений, отношением ударного объема крови к частоте сердечных сокращений. В группах спортсменов, занимающихся видами спорта на выносливость, и у юношей, тренирующих скоростно-силовые качества, выявлены также значимые корреляционные связи между физической работоспособностью и коэффициентом комплексной оценки обеспечения организма кислородом.
...
17 09 2026 18:38:58
Статья в формате PDF
253 KB...
16 09 2026 0:44:58
Статья в формате PDF
264 KB...
15 09 2026 21:38:44
Статья в формате PDF
132 KB...
14 09 2026 13:55:35
Статья в формате PDF
156 KB...
12 09 2026 13:24:45
Статья в формате PDF
89 KB...
10 09 2026 20:10:25
Статья в формате PDF
270 KB...
09 09 2026 23:43:15
Статья в формате PDF
106 KB...
08 09 2026 9:17:29
Статья в формате PDF
117 KB...
07 09 2026 6:14:51
Статья в формате PDF
300 KB...
06 09 2026 4:14:56
Статья в формате PDF
90 KB...
05 09 2026 23:47:30
Статья в формате PDF
103 KB...
04 09 2026 20:44:20
Статья в формате PDF
430 KB...
03 09 2026 6:58:11
Статья в формате PDF
280 KB...
02 09 2026 14:12:21
Статья в формате PDF
90 KB...
01 09 2026 4:12:41
Статья в формате PDF
144 KB...
31 08 2026 14:31:17
Статья в формате PDF
114 KB...
30 08 2026 23:55:47
Статья в формате PDF
89 KB...
29 08 2026 11:59:18
Статья в формате PDF
114 KB...
28 08 2026 7:51:24
В работе впервые приведены сведения об ассоциации полиморфного ДНК – локуса NcoI гена DRD2 и уровней дофамина с повышенной тревожностью у крыс с генотипом А2/А2 по локусу TAG 1A DRD2.
...
27 08 2026 4:43:14
В рамках данной статьи была построена математическая модель старения в форме онтогенетического компромисса процессов канцерогенеза и оксидативного стресса. Старение присуще всем объектам живой и неживой природы. Накопление повреждений в результате оксидативногостресса приводит к зависимому от возраста повреждению тканей, канцерогенезу и, наконец, к старению.С одной стороны, действие активных форм кислорода приводит к повреждению клеток, и, как следствие, к paку. С другой стороны, активные формы кислорода являются средством борьбы с опухолевыми клетками. Компромисс состоит в поддержании уровня свободных радикалов, эффективно подавляющего опухолевые клетки, и в то же время не сильно наносящего вред организму. На основе математической разработана имитационная компьютерная модель старения с возможностью изменений параметров интенсивностей появления опухолевых клеток, размножения, негативного воздействия свободных радикалов, ответа иммунитета. Проведен эксперимент по выявлению максимальной средней продолжительности жизни в зависимости от параметра гомеостатической хаpaктеристики.
...
26 08 2026 11:59:19
Статья в формате PDF
654 KB...
25 08 2026 3:38:17
Аграрная реформа высветила многие проблемы, носящие хаpaктер долговременного действия на экономику России и, в частности, на ее агропромышленный комплекс, от успешного развития которого зависит продовольственная безопасность страны и жизненный уровень населения. К их числу относится и проблема земельных отношений.
...
24 08 2026 18:31:52
Статья в формате PDF
111 KB...
22 08 2026 18:38:13
Статья в формате PDF
102 KB...
20 08 2026 5:31:50
Статья в формате PDF
435 KB...
19 08 2026 19:35:57
Статья в формате PDF
276 KB...
18 08 2026 6:39:55
Статья в формате PDF
134 KB...
17 08 2026 18:13:52
Статья в формате PDF
113 KB...
16 08 2026 23:15:54
Приведены сведения о распространённости серебряного оруденения эпитермального типа серебро-сурьмяной и ртутно-серебряной формаций юго-востока Горного Алтая. Основную рудоконтролирующую роль в локализации оруденения осуществляли структурные факторы (разломы разных порядков). Рудные тела представлены жилами, жильными зонами и штокверками. Текстуры руд: вкрапленные, прожилково-вкрапленные, массивные, пятнистые, коррозионные, катакластические, друзовые, каркасные. Руды представлены серебро-сульфосольными ассоциациями минералов при ведущей роли аргентита, тетраэдрита, теннантита, бурнонита, зелигманита, гудмундита, джемсонита. Концентрации серебра в рудах варьируют от нескольких десятков до нескольких тысяч граммов на тонну. Прогнозные ресурсы серебра для Юстыдского рудного узла составили категорий Р1 – 5822 т, Р2 – 25347 т.
...
14 08 2026 12:45:51
Статья в формате PDF
139 KB...
13 08 2026 7:24:16
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 ::
