Имитационное моделирование экономических процессов

1.3 Анализ подходов и программного обеспечения применяемого в имитационном моделировании

Прогноз состояния ресурсов и средств подразумевает ответы на  вопросы «что  будет,  если...»  и  как  расходуются  ресурсы  и  средства  при  выполнении текущего  плана  производства,  при  поступлении  новых  заказов,  изменении сроков и объемов поставки ресурсов, поломках средств. Решается  задача путем моделирования текущей ситуации и проигрыванием сценариев ее развития.

Одним  из  базовых  элементов  структуры  современных  СППР  являются системы  моделирования,  для  построения  которых  в  настоящее  время используются следующие подходы:

–  системная динамика, 

–  дискретно-событийное моделирование, 

–  динамические системы, 

–  агентное моделирование,

–  объединенный подход.

1. Системная  динамика  (программные  продукты:  VenSim, PowerSim,  iThink, ModelMaker  и  др.). 

Основная  парадигма  данного  подхода  заключается  в математическом  описании  систем  дифференциальных  уравнений, приведенных к форме Коши. Системно-динамический подход был разработан и предложен  Дж. Форрестером  в  конце  1950-х  как  «исследование информационных  обратных  связей  в  промышленной  деятельности  с  целью показать  как  организационная  структура,  усиления  (в  политиках)  и  задержки (в принятии решений и действиях) взаимодействуют, влияя на успешность предприятия».  Приложения  системной  динамики  включают  также социальные,  урбанистические,  экологические  системы.  Системная динамика  абстрагируется  от  отдельных  объектов  и  событий  и предполагает «агрегатный» взгляд на процессы, концентрируясь на политиках, этими процессами  управляющих. Моделируя  в  стиле  системной динамики, структура  и  поведение  системы представляются как  множество взаимодействующих  положительных  и  отрицательных  обратных  связей  и задержек.

Важно отметить следующие моменты системной динамики:

1) поскольку  модель  оперирует  только  количествами,  агрегатами,  объекты, находящиеся в одном накопителе, неразличимы, лишены индивидуальности;

2) аналитику предлагается рассуждать в  терминах  глобальных  структурных зависимостей и, соответственно, ему необходимы соответствующие данные.

2. Дискретно-событийное  моделирование (программные  продукты:  Arena, GPSS,  Extend,  SimProcess,  AutoMod,  PROMODEL,  Enterprise  Dynamics, FlexSim,  eMPlant  и  др.). 

Основная  парадигма  данного  подхода  заключается  в использовании  транзактов,  отображающих  динамические  объекты моделирования  (заявки),  и  блоков-объектов,  обрабатывающих  эти  заявки.

Дискретно-событийное  моделирование  наиболее  развито  и  имеет  огромную сферу  приложений  –  от  логистики  и  систем  массового  обслуживания  до транспортных  и  производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Идея моделирования систем  с  дискретными  событиями  была  сформулирована  в  виде  Системы общецелевого  моделирования  (General  Purpose  Systems  Simulator)  Джеффри Гордоном (Geoffrey Gordon) в 1961 году.

Язык  GPSS  ввел  в  моделирование  парадигму  потокового  или  сетевого моделирования  (flowchart  или  network-based  modeling).  Поток  сущностей (транзакций) продвигается по структурной диаграмме, представляющей систему. Транзакции  ожидают  в  очередях,  конкурируют  за  использование  ресурсов  и блоков,  осуществляющих  их  обработку  (обслуживание),  и  в  конце  концов покидают  систему. Парадигма потокового моделирования оказалась достаточно общей и использовалась во многих программных продуктах.

3. Агентное  моделирование  (программные  продукты:  Swarm,  RePast, библиотеки на Java или C++, разработанные в различных университетах, и др.).

Основная  парадигма  заключается  в  том,  что  модель  представляется  в  виде множества  отдельных  активных  объектов  (агентов),  каждый  из  которых взаимодействует  с  другими  агентами,  образующими  для  него  внешнюю  среду.

Агентное  моделирование  –  относительно  новое  направление  в  имитационном моделировании,  которое  появилось  в  90-х  годах  и  используется  для исследования  децентрализованных  систем,  динамика  функционирования которых  определяется  не  глобальными  правилами  и  законами  (как  в  других парадигмах моделирования), а когда эти глобальные правила и законы являются результатом  индивидуальной  активности  членов  группы.  Цель  агентных моделей –  получить  представление  об  этих  глобальных  правилах,  общем поведении  системы,  исходя  из  предположений  об  индивидуальном,  частном поведении  ее  отдельных  активных  объектов и  взаимодействии  этих  объектов  в системе.  Агент  –  некая  сущность,  обладающая  активностью,  автономным поведением,  может  принимать  решения  в  соответствии  с  некоторым  набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

В отличие от системной динамики или дискретно-событийных моделей, здесь  нет  такого  места,  где  централизованно  определялось  бы  поведение (динамика)  системы  в  целом. Вместо  этого,  аналитик  определяет  поведение  на индивидуальном  уровне,  а  глобальное  поведение  возникает  как  результат деятельности многих  (сотен,  тысяч, миллионов)  агентов,  каждый  из  которых следует своим собственным правилам, живѐт в общей среде и  взаимодействует со средой и с другими агентами.

Таким  образом, иногда,  даже  если  в  принципе  и  существует,  скажем,  системно-динамическая модель  системы,  построить  агентную  модель  может  быть  проще.  И,  наконец, агентную  модель  проще  поддерживать:  уточнения  обычно  делаются  на локальном  уровне  и  не  требуют  глобальных  изменений.  В  таком  случае, введение  новых  объектов  (предприятий,  объектов  социальной инфраструктуры,  планов  стратегического  развития)  в  агентной имитационной модели не изменяет еѐ структуры, что может потребоваться  при использовании моделей системной динамики.

4. Динамические  системы  (программные  продукты:  MATLAB,  VisSim, LabView, Easy 5 и др.).

Основная парадигма данного подхода заключается, как и в системной динамике, в описании системы соответствующей математической моделью,  состоящей  из  набора  переменных  состояния  и  системы  алгебро-дифференциальных  уравнений  над  ними.  Но,  в  отличие  от  системной динамики,  переменные  состояния  имеют  прямой  «физический»  смысл: координата, скорость и т. д. и не являются агрегатами дискретных объектов.

Практически  все  выше  перечисленные  программные  инструменты имитационного  моделирования  разработаны  для  поддержки  одного определѐнного подхода.

Среди  систем  имитационного  моделирования,  предоставляющих объединенный  подход,  стоит  выделить  систему  AnyLogic,  объединяющую возможности  создания  гибридных  моделей  на  основе  моделей  системной динамики, дискретно-событийных моделей и агентного подхода.

Для  определения  подхода  реализации  системы  моделирования экономических  и  социальных  систем  (ЭСС)  (например,  городской  среды) необходимо определиться с возможностью создания в  рамках каждого из них объектов  как  с  более,  так  и  менее  детальным  уровнем  абстракции,  так  как указанные ЭСС представляет собой систему, содержащую большие количества активных объектов (людей, предприятий), часть которых объединяет наличие определенных моделей поведения, при этом каждый объект может реализовать как  сложную,  более  детальную  (поведение  конкретного  предприятия  или человека),  так  и  простую,  менее  детальную  (поведение  производственной отрасли или группы людей) модели поведения.

На рис. 1.1 представлены возможности реализации в каждом из подходов объектов с разными уровнями абстракции.

Рис. 1.1 Уровни абстракций в различных подходах имитационного моделирования

Таким  образом,  в  результате  рассмотрения  парадигм  имитационного моделирования  и  анализа  рис.  1.1  были  отмечены  преимущества агентно-ориентированного подхода для анализа динамики  развития ЭСС. При использовании данного подхода, в отличие от остальных, отдельные элементы ЭСС  модели  могут  быть  представлены  объектами  с  любым  уровнем абстракции.  Чем  более  детально  в  модели  будут  реализованы  агенты, представляющие  собой определенные  субъекты ЭСС,  тем  более  глубокой  и точной  будет  результирующая  информация  о  моделируемой  системе. Глобальное  поведение  мультиагентных  систем  возникает  как  результат деятельности  многих  (десятков,  сотен,  тысяч,  миллионов)  агентов,  поведение которых определяется на индивидуальном уровне.

Глава 2. ПАКЕТ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ANYLOGIC

2.1 История развития программного продукта AnyLogic

В начале 1990-х в компьютерной науке наблюдался большой интерес к построению математически трактуемого описания взаимодействия параллельных процессов. Что сказалось на подходах к анализу корректности параллельных и распределённых программ. Группа учёных из Санкт-Петербургского Политехнического университета разработала программное обеспечение для анализа корректности системы; новый инструмент назвали COVERS (Параллельная Верификация и Моделирование). Анализируемая система процессов задавалась графически, с помощью описания её структуры и поведения отдельных параллельных компонентов, которые могли взаимодействовать с окружением — с другими процессами и средой.

В 1998 г. успех этого исследования вдохновил лабораторию организовать коммерческую компанию с миссией создания нового программного обеспечения для имитационного моделирования. Акцент при разработке ставился на прикладные методы: моделирование стохастических систем, оптимизацию и визуализацию модели. Новое программное обеспечение, выпущенное в 2000 г., было основано на последних преимуществах информационных технологий: объектно-ориентированный подход, элементы стандарта UML, языка программирования Java, современного GUI, и т. д.

Продукт получил название AnyLogic, потому что он поддерживал все три известных метода моделирования (рис.2.1.):

                   системная динамика;

                   дискретно-событийное (процессное) моделирование;

                   агентное моделирование;

                   любая комбинация этих подходов в пределах одной модели.

Рис. 2.1. Три подхода имитационного моделирования

Огромный  шаг  вперѐд  был  сделан  в  2003  году,  когда  был  выпущен AnyLogic 5,  ориентированный  на  бизнес-моделирование.  С  помощью  AnyLogic стало возможным разрабатывать модели в следующих областях:

–  производство; 

–  логистика и цепочки поставок; 

–  рынок и конкуренция; 

–  бизнес-процессы и сфера обслуживания; 

–  здравоохранение и фармацевтика; 

–  управление активами и проектами; 

–  телекоммуникации и информационные системы; 

–  социальные и экологические системы; 

–  пешеходная динамика; 

–  оборона.

В  марте  2010  года  была  выпущена  версия  программы  AnyLogic 6.5. AnyLogic 6  написан  на  языке  программирования  Java  в  популярной  среде разработки  Eclipse.  Anylogic  6  является  кросс-платформенным  программным обеспечением,  работает  как  под  управлением  операционной  системы Windows, так и под Mac OS и Linux.

2.2. Основные библиотеки и конструкции  моделирования в среде AnyLogic

Модели  AnyLogic  могут  быть  основаны  на  любой  из  основных  парадигм имитационного  моделирования:  дискретно-событийное  моделирование, системная динамика и агентное моделирование.

При  разработке  моделей  в  AnyLogic  можно  использовать  концепции  и средства  из  нескольких  методов  моделирования,  например,  в  агентной  модели использовать  методы  системной  динамики  для  представления  изменений состояния  среды  или  в  непрерывной  модели  динамической  системы  учесть дискретные  события.  Например,  управление  цепочками  поставок  при  помощи имитационного  моделирования  требует  описания  участников  цепи  поставок агентами:  производители,  продавцы,  потребители,  сеть  складов.  При  этом производство  описывается  в  рамках  дискретно-событийного  (процессного) моделирования,  где  продукт  или  его  части  –  это  заявки,  а  автомобили,  поезда, штабелѐры – ресурсы. Сами поставки представляются дискретными  событиями, но  при  этом  спрос  на  товары  может  описываться  непрерывной  системно-динамической  диаграммой.  Возможность  смешивать  подходы  позволяет описывать  процессы  реальной  жизни,  а  не  подгонять  процесс  под  доступный математический аппарат.