К 100-летию Воронежского госагроуниверситета
УДК 004.94:338.43
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ КАК ИНСТРУМЕНТ ИССЛЕДОВАНИЯ АГРОЭКОНОМИЧЕСКИХ СИСТЕМ
А.В. УЛЕЗЬКО, доктор экономических наук, профессор, заведующий кафедрой
А.П. КУРНОСОВ, доктор экономических наук, профессор
А.А. ТЮТЮНИКОВ, кандидат экономических наук, доцент
(Воронежский государственный аграрный университет имени императора Петра I)
Экономико-математическое моделирование как надежный метод исследования экономических процессов и систем зарекомендовало себя уже давно и традиционно используется для решения широкого круга экономических задач, связанных с оптимальным распределением и перераспределением ресурсов, с расчетами рациональных параметров и оценкой альтернативных вариантов развития хозяйствующих субъектов, с научно обоснованным территориальным размещением производства, с обоснованием оптимальных пропорций производственных систем и т.д.
Традиционно сложилось, что в системе информационного обеспечения управления приоритет отдавался выбору оптимальных решений, а основным инструментом реализации данного типа задач стали оптимизационные экономико-математические модели, позволяющие из области допустимых решений выбрать одно наилучшее по заранее заданному критерию. Дополнительным толчком к широкому использованию моделей данного типа стали относительная п ростота математического ап парата и наличие стандартных программных средств реализации данных моделей на персональных компьютерах.
На сегодняшний день существует множество апробированных экономико-математических моделей, позволяющих решать самые разнообразные задачи, связанные с развитием хозяйствующих субъектов аграрной сферы. Это модели по оптимизации отраслевой структуры производства, структуры посевных площадей, формирования севооборотов, рационов кормления сель-
скохозяйственных животных, состава и структуры машинно-тракторного парка, распределения и использования минеральных удобрений и т.д.
Но оптимизационные модели, как правило, ориентированы на поиск параметров системы, характеризующих ее состояние в конкретный момент времени, тогда как процесс достижения данных параметров остается вне пределов их компетенции (за исключением динамических оптимизационных моделей, использующихся для решения некоторых задач развития, но отличающихся довольно высоким уровнем научной абстракции). Наиболее эффективным методом исследования процессов функционирования агроэкономических систем является имитационное моделирование.
Для раскрытия сущности имитационного моделирования предлагаем использовать определение, данное Робертом Шенноном в книге «Имитационное моделирование систем - искусство и наука» [1]. Он трактует имитационное моделирование как процесс конструирования модели реальной системы и постановки экспериментов на ней с целью либо понять поведение системы, либо оценить последствия реализации различных стратегий развития системы. Имитационную модель Шеннон рассматривает как инструмент анализа поведения системы в условиях, определяемых экспериментатором.
В последнее время с развитием инструментальных и программных средств метод имитационного моделирования все чаще сводится к «многократному испытанию модели с нужными входными данными для определения их влияния на выход-
ные критерии оценки работы системы» [2]. Причем изменение входных данных, как правило, задается с помощью стохастически изменяющихся параметров.
Первый машинный язык для имитационного моделирования DYNAMO (DYNAmic MOdels) разработали в конце 1950-х гг. ученые Массачусет-ского технологического института Ф. Фокс, А. Пью и Г. Дюрен под руководством «отца» системной динамики Дж. Форрестера. В дальнейшем этот язык развивался, и его новые версии выходили вплоть до 1983 г. Вторым широко распространенным машинным языком имитационного моделирования стал GPSS (General Purpose Simulation System), разработанный сотрудником IBM Дж. Гордоном. Последняя версия данного языка - GPSS World - была выпущена в 1993 г., однако до сих пор GPSS широко используется во многих учебных и научных учреждениях в России и за рубежом ввиду того, что его академическая версия бесплатна.
Совершенствование вычислительных средств и информационных технологий инициировало появление не только новых языков, но и специализированных программных средств для имитационного моделирования, основанных на идеологии объектно-ориентированного программирования, позволяющей визуализировать и существенно упростить процесс создания моделей. Одним из первых объектно-ориентированных пакетов имитационного моделирования стал SIMPLE Mac for Apple Macintosh, разработанный в 1986 г. объединением институтов прикладных исследований Германии «Общество Фраунго-фера». В дальнейшем данный программный продукт разрабатывался под эгидой компании Siemens PLM Software и получил в 2006 г. название Plant Simulation, под которым в настоящее время широко используется во многих отраслях промышленности, а также образовательными и научными учреждениями. В настоящее время широко распространены около 50 программных сред для имитационного моделирования, использующие в качестве базиса языки программирования C++, VisualBasic, Delphi и Java. Самыми известными из них являются PowerSim, VisSim, Simulink, Plant Simulation, Mathematica, Mathcad, Flexsim, Modelica, GoldSim, Ecolego, Enterprise Dynamic и AnyLogic.
Наиболее популярным российским программным обеспечением имитационного моделирования является AnyLogic, первая версия которого была выпущена в 2000
г. ООО «Экс Джей Текнолоджис» (Санкт-Петербург). В настоящее время средства Апу_одю позволяют реализовать все три основных подхода имитационного моделирования: использование методов системной динамики, дискретно-событийное (процессное) моделирование и мультиагентное моделирование. Основными элементами графической среды моделирования Апу_одю являются диаграммы потоков и накопителей, процессные диаграммы, карты состояний объектов и блок-схемы. Среда моделирования также включает в себя низкоуровневые конструкции моделирования (переменные, уравнения, параметры, события и т.п.), формы представления (линии и геометрические фигуры), элементы анализа (базы данных, гистограммы, графики), стандартные картинки и формы экспериментов, в том числе оптимизационных.
Разнообразие моделирующих средств и методов, удобный русскоязычный графический интерфейс, возможность симуляции случайных событий и проведения многовариантных экспериментов (в том числе по методу Монте-Карло) - все вышеперечисленное характеризует Апу_одю в качестве чрезвычайно полезного инструмента для моделирования агроэкономических систем в научных и образовательных целях.
На наш взгляд, всю совокупность имитационных моделей, используемых для исследования агроэкономических систем, можно представить в виде моделей трех уровней. Модели первого уровня предполагают имитацию изменений параметров системы или процесса без учета элементов случайности, модели второго уровня - имитацию изменения случайных факторов, третьего уровня - имитацию процесса развития системы во времени с учетом изменения случайных факторов. С помощью моделей первого уровня можно, например, провести сравнительную оценку эффективности технологий возделывания отдельных сельскохозяйственных культур, имитируя использование различных агрегатов и различных технологических операций. Примером использования моделей второго уровня является оценка возможной урожайности сельскохозяйственных культур при различном уровне осадков по периодам. Модели третьего уровня наиболее часто используются для оценки эффективности инвестиционных проектов на заданном горизонте планирования с учетом стоха-
стического изменения определенной заранее группы факторов.
Сотрудниками кафедры информационного обеспечения и моделирования агроэкономических систем ФГБОУ ВПО Воронежский ГАУ разработан и реализован в программной среде Апу_одю ряд имитационных моделей, отражающих поведение как микроэкономических систем (хозяйствующих субъектов аграрной сферы и их подразделений), так и социально-экономических систем районного и областного уровней.
В качестве одного из примеров можно привести разработанную на кафедре стохастическую модель прогнозирования урожайности полевых культур. Данная модель является статичной, прогнозируемая урожайность каждой культуры определяется путем вычислений совокупного воздействия ряда факторов, таких, как наличие в почве питательных веществ, макро- и микроэлементов, объемы внесения минеральных и органических удобрений, последействие удобрений, внесенных под культуры-предшественники, количество выпавших атмосферных осадков и полученных доз солнечной радиации. Часть исходной информации данной модели представлена константами, часть - переменными, формируемыми на основе использования законов распределения случайных величин, определенных на основе статистических наблюдений и экспертных оценок. Основной результирующей переменной данной модели является случайная величина, представляющая собой показатель уровня урожайности полевой культуры (ц/га). В процессе проведения эксперимента Монте-Карло находится гистограмма частот значений результирующей переменной, устанавливается вид распределения вероятностей этой величины, на основании чего вырабатывается прогноз урожайности для каждой конкретной культуры на отдельно взятом поле. Также данное исследование предполагает проведение экспериментов по анализу чувствительности урожайности к воздействию факторов, которые могут быть изменены в технологическом процессе, например, доз внесения минеральных и органических удобрений. На основе прогноза урожайности и анализа чувствительности для каждого вида посевов вырабатываются рекомендации по целесообразности проведения мероприятий, направленных на повышение урожайности или адаптацию к воздействию факторов внешней среды.
Примером более сложной имитационной модели, построенной на принципах моделирования систем массового обслуживания при помощи объектов встроенной библиотеки Enterprise Library, является модель функционирования машинно-тракторного парка сельскохозяйственного предприятия.
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.