Excel как средство моделирования

Введение

В системах, связанных с экономикой, руководящим работникам необходимо постоянно принимать решения следующих категорий:

1. Стратегические решения.
2. Тактические решения.
3. Оперативные решения.

Если принимаемые решения обладают низким интеллектуальным уровнем, то простота представления реальных ситуаций обычно ведёт к неточностям при выработке прогнозов, а, кроме того, к убыткам и добавочным финансовым потерям. Чтобы избежать возникновения подобных ситуаций и обеспечить устойчивое экономическое положение, существуют разнообразные системы поддержки выработки решений, усовершенствование которых превращается в наиболее актуальную проблему при наличии жёсткой конкуренции.

Существенным условием для таких программ считается возможность имитации вырабатываемых решений, апробации вероятных коррекций в экономической системе, появляющихся в результате влияния разных факторов, то есть нахождение ответа на вопрос типа, «что случится, если…». Это позволит существенно сократить риски от осуществления решений и сэкономить ресурсы, чтобы достичь поставленной цели.

Такие возможности предоставляют имитационные модели, которые обладают следующим набором качеств:

1. Возможность регулировать уровень сложности модели.
2. Присутствие случайных факторов.
3. Возможность описать процесс, развивающийся по времени.
4. Обязательное использование электронной вычислительной машины.

Имитационные модели предназначаются для того, чтобы оценить варианты намечаемых коррекций, обладать игровой формой для обучения работников, визуально отобразить работу исследуемого объекта во времени и так далее. Реализовать модели можно при помощи универсальных языков программирования, к примеру,Pascal, Basic, пакетов прикладных программ, таких как,Excel, MathCAD, и так далее. Выбор конкретного метода моделирования определяется сложностью задачи, наличием необходимых ресурсов и так далее.

«Моделирование в Excel» 👇

Однако имитационное моделирование применяется экономистами и другими специалистами только в малом проценте случаев, в которых можно было бы при помощи моделей поиметь важную для выработки решений информацию.Причина этого явления кроется в отсутствии инструкций по проведению имитационного моделирования при помощи общеизвестного и доступного инструментария, а именно, пакетов прикладного программного обеспечения, такого как Excel и MathCAD, которые могут обеспечить простую платформу для моделирования.Поэтому примеры формирования имитационных моделей при помощи, например, приложения Excel, помогают их широкому распространению в кругу работников, не владеющих языками моделирования и методиками, имеющимися в средах моделирования.

Электронные таблицы Excel как инструмент формирования имитационных моделей

Имитационное моделирование при помощи табличного процессора является отдельным направлением, имеющем свои особенности. Применение таких систем позволяет лучше понять происходящие процессы, в сравнении с использованием специализированных программ, обладающих высокой стоимостью и требующих много времени для их освоения, а также не позволяющих увидеть применяемые механизмы. Например, специалисты полагают, что имитация при помощи таблиц Excel позволяет лучше представить работу систем массового обслуживания, чем даже теория очередей, а также помогает в развитии интуиции, предоставляет даже не знающим программирования пользователям опыт формирования разных моделей. Специалисты предлагают следующие этапы обучения моделированию в Excel:

1. Базовые понятия.
2. Введение в теорию вероятности и статистику.
3. Процесс имитационного моделирования в ручном режиме.
4. Имитационное моделирование при помощи электронных таблиц.
5. Генерирование случайных чисел.
6. Осуществление анализа исходных данных.
7. Осуществление анализа итогов моделирования.

При формировании моделей в Excelприменяются следующие главные подходы к осуществлению имитации:

1. Подход, который ориентирован на события.
2. Подход, имеющий ориентацию на процессы.
3. Подход, направленный на сканирование активностей.

Первый подход служит для описания изменений в системе, которые происходят при совершении любого случайного события, например, получение заявки, завершение обслуживания. При его формировании при помощи электронных таблиц обычно применяется одна строчка для каждого события.

Если используется подход, ориентированный на процесс, то выполняется моделирование очерёдности событий для каждой заявки, и чтобы его реализовать, применяется одна строчка для каждого требования (используется при моделировании систем массового обслуживания).

Сканирование активностей состоит в описании действий, возникающих в системе за фиксированный временной интервал (день, неделя, месяц, год), и при его осуществлении, как правило, применяется одна строчка для каждого отрезка времени. К примеру, это может быть моделирование системы управления запасами.

Использование программного пакета MSExcelобладает следующими преимуществами:

1. В составе пакета Excelесть значительное число встроенных функций из области математики, статистики и других областей, включая возможность генерации случайных значений.
2. Excelдаёт возможность сохранять информацию и иметь к ней доступ.
3. Программный пакетExcelпозволяет строить графики и диаграммы.
4. Программный пакет Excel обладает встроенным языкомVBA (VisualBasicforApplication).
5. Программный пакет Excelшироко распространён среди специалистов, то есть имеется на компьютере практически у всех.
6. Наличие возможности экспорта информационных данных в иные программные приложения.

Помимо этих достоинств, возможен просмотр любой формулы, занесённой в ячейку таблицы, что увеличивает уровень доверия к итогам моделирования.

Цели мероприятия:

1. Дидактические:

• рассмотрение этапов информационного моделирования на примере решения
  конкретных задач;
• закрепление навыков работы в MS Excel;
• установление межпредметных связей: информатики и математики.

2. Развивающие:

• развитие познавательного интереса, воображения;
• развитие умений применять знания на практике.

3. Воспитательные:

• расширение научного кругозора;
• воспитание самостоятельности в работе.

Учебно-методическое обеспечение: презентация (Презентация),
ПО MS Excel, ПО MS PowerPoint, методические указания.

Оборудование: мультимедийная установка, персональные компьютеры.

Ход конференции

Преподаватель: Межпредметное значение информатики в значительной
степени проявляется именно через внедрение компьютерного моделирования в
различные научные и прикладные области: математику и физику, технику, биологию и
медицину, экономику, управление и многие другие. С помощью компьютерного
моделирования решаются многие научные и производственные задачи. Гибким
инструментом для компьютерного моделирования является MS Excel.

Возможности электронных таблиц Microsoft Excel весьма многогранны. Всем
известно, что Excel является мощным вычислительным инструментом, позволяющим
производить простые и сложные расчеты в различных областях человеческой
деятельности: математике, физике, инженерных науках, экономике, технологии. На
этом уроке мы рассмотрим использование электронных таблиц для решения
математических задач и уравнений.

Теоретическая часть

Преподаватель: Рассмотрим этапы информационного моделирования.

1. Модель задачи.

Пусть вам надо решить какую-либо задачу, и вы хотите воспользоваться для
этого помощью компьютера. С чего начать? Прежде всего, нужно разобраться, что
дано, что требуется получить, как связаны исходные данные и результаты.
Предположения, которые позволяют в море информации об изучаемом явлении или
объекте определить исходные данные, понять, что будет служить результатом и
какова связь между исходными данными и результатом, называют моделью задачи.
(Презентация. Слайд 2)

2. Понятие математической модели.

В моделировании есть два различных пути. Во-первых, это использование
натурных моделей. Но если модель должна отображать реальность в абстрактной
форме, то в таком случае всегда привлекаются средства математики, и мы имеем
дело с математической моделью.

Математическая модель выражает существенные признаки объекта или процесса
языком уравнений и других математических средств. (Презентация. Слайд 3)

Собственно говоря, в историческом аспекте сама математика обязана своим
существованием тому, что пыталась отражать, т.е. моделировать, на своем
специфическом языке закономерности окружающего мира.

Под математической моделью понимают систему математических соотношений –
формул, уравнений, неравенств и т.д., отражающих существенные свойства объекта
или процесса. (Презентация. Слайд 3)

Математическое моделирование в наше время гораздо более всеобъемлющее, нежели
моделирование натурное. Математический аппарат для моделирования объектов и
процессов реального мира ученые использовали очень давно, но огромный толчок
математическому моделированию дало появление ЭВМ, которые сегодня помогают в
этой деятельности. Использование математического моделирования – это самый общий
метод научных исследований.

Простой пример. Представьте, что нужно определить площадь поверхности
письменного стола. Как обычно поступают в таком случае? Измеряют длину и ширину
стола, а затем перемножают полученные числа. Это фактически означает, что
реальный объект – поверхность стола – заменяется абстрактной математической
моделью – прямоугольником. Площадь этого прямоугольника и считается искомой
величиной.

Как видно, из всех свойств стола мы выделили три: форму поверхности
(прямоугольник) и длины двух сторон. Для нас не важны ни цвет стола, ни
материал, из которого он сделан, ни то, как стол используется. (Если бы мы
решали другую задачу о столе, например, сколько стоит его изготовление, то
возможно, для нас важна была бы как раз эта информация.) (Презентация. Слайд 4)

Предположив, что поверхность стола – прямоугольник, мы легко указываем
исходные данные и находим результат. Они связаны соотношение S = a * b.
(Презентация. Слайд 5)

Сделанное предположение позволило «перевести» нашу задачу на язык чисел: и
исходные данные, и результат – числа, а соотношение между ними задается
математической формулой.

Анализировать математические модели проще и быстрее, чем экспериментально
определять поведение реального объекта. Кроме того, анализ математической модели
позволяет выделить наиболее существенные свойства данного объекта (процесса), на
которые надо обратить внимание при принятии решения.

3. Этапы решения задач на компьютере.

1 этап. Постановка задачи – точная формулировка условий и целей
решения, описание наиболее существенных свойств объекта. (Презентация. Слайд 6)

2 этап. Построение математической модели – описание наиболее
существенных свойств объекта с помощью математических формул. (Презентация.
Слайд 6)

3 этап. Создание компьютерной модели – выражение математической модели
на понятном для компьютера языке. Существуют два принципиально различных пути
построения компьютерной модели:

1. Построение алгоритма решения задачи и его кодирование на одном из языков
   программирования.
2. Построение компьютерной модели и использованием ПО компьютера
   (приложений Windows – электронных таблиц, СУБД и пр.). (Презентация. Слайд
   7)

4 этап. Проведение компьютерного эксперимента (исследование модели) –
если компьютерная модель существует в виде программы на одном из языков
программирования, то её нужно запустить на выполнение и получить результаты;
если компьютерная модель исследуется в приложении, например, в электронных
таблицах, можно провести сортировку или поиск данных, построить диаграмму или
график и т.д. (Презентация. Слайд

5 этап. Анализ полученных результатов и корректировка модели – в
случае различия результатов, полученных при исследовании модели, с измеряемыми
параметрами реальных объектов можно сделать вывод, что на предыдущих этапах
построения модели были допущены ошибки или неточности. В этом случае необходимо
провести корректировку модели, причём уточнение модели может проводиться
многократно, пока анализ результатов не покажет их соответствие изучаемому
объекту. (Презентация. Слайд 9)

Рассмотрим конкретные задачи математического моделирования. Для этого будем
использовать приложение Windows – электронные таблицы MS Excel. Для этих целей в
Excel имеется много возможностей: вычисление по формулам, построение диаграмм и
графиков, поиск решения, подбор параметра и т.д.

Практическая часть

Студент 1:

Задача 1. Необходимо покрасить краской стены кухни. Сколько
потребуется банок краски, если известно, что

• размеры кухни 405 × 310 × 285 см;
• 88% площади стен занимает кафельная плитка;
• 1 банка краски предназначена для покраски площади 5 м²?
  (Презентация. Слайд 10)

Решение.

Постановка задачи.

Дано:

a = 405 см – длина комнаты,
b = 310 см – ширина комнаты,
c = 285 см – высота комнаты,
1 – 0,88 = 0,12 – часть комнаты для покраски (без кафеля),
5 м² – площадь покраски при использовании 1 банки краски.

Найти: необходимое для покраски стен кухни количество банок краски.
(Презентация. Слайд 11)

Математическая модель.

S_{стен с кафелем} =2(a + b)c.
S_{стен для покраски} = 2(a + b)c * 0,12.

Чтобы определить, сколько потребуется банок краски, надо площадь для покраски
разделить на 5 м², т. е. S_{стен для покраски} /5 и результат
округлить до целых.

Моделирование в среде ЭТ.

Заносим данные задачи в электронную таблицу, вводим формулы.
Электронная таблица в режиме отображения формул. (Приложение
1. Презентация. Слайд 12)
Электронная таблица в режиме отображения значений. (Приложение
2. Презентация. Слайд 13)
С помощью MS Excel мы определили, что для покраски стен кухни необходима 1 банка
краски.

Студент 2:

Задача 2. Через иллюминатор корабля требуется вытащить сундук с
драгоценностями. Удастся ли это сделать?

Решение.

Постановка задачи.

Иллюминатор корабля имеет форму круга. Будем считать, что сундук имеет форму
параллелепипеда. Чтобы вытащить сундук, необходимо, чтобы диаметр иллюминатора
был больше любой из трех диагоналей поверхности сундука. (Презентация. Слайд 14)

Математическая модель.

Пусть r – радиус иллюминатора,
a, b, c – размеры сундука,
d1, d2, d3 – диагонали боковых поверхностей сундука. (Презентация. Слайд 15)

Сундук можно вытаскивать через иллюминатор одной из трех боковых граней,
следовательно, достаточно, чтобы диагональ иллюминатора оказалась меньше одной
из трех диагоналей сундука, т.е. должно быть истинно хотя бы одно из условий:

ЕСЛИ((2*R>КОРЕНЬ(a^2+b^2));1;0)
ЕСЛИ((2*R>КОРЕНЬ(a^2+c^2));1;0)
ЕСЛИ((2*R>КОРЕНЬ(с^2+b^2));1;0)

(Презентация. Слайд 16)

Моделирование в среде ЭТ.

Заносим данные задачи в электронную таблицу, вводим формулы.
Электронная таблица в режиме отображения формул. (Приложение
3. Презентация. Слайд 17)
Электронная таблица в режиме отображения значений. (Приложение
4.Презентация. Слайд 18)

Компьютерный эксперимент.

В электронной таблице находим сумму трех условий. Если сумма равна 0, делаем
вывод «Сокровища недоступны», иначе «Сокровища доступны» (Слайд 19 Презентация).

Студент 3:

Задача 3. Решить уравнение х4-4х3-10х2+37х-14=0 (Слайд 20
Презентация).

Решение.

Необходимо построить график функции у = х⁴ – 4х³ – 10х²
+ 37х – 14. Точки пересечения графика с осью Х будут решениями данного
уравнения. Составляем в MS Excel таблицу значений функции. (Приложение
5. Презентация. Слайд 21)

Построим график функции (диаграмму). (Приложение 5.
Презентация. Слайд 22)

Мы видим, что график четырежды пересекает ось ОХ, значит уравнение х⁴
– 4х³ – 10х² + 37х –14 = 0 имеет четыре корня.

Из таблицы и графика можно определить промежутки, в которых находятся корни
этого уравнения:

х₁
[–3,5; –3], х₂
[0; 0,5], х₃
[2; 2,5], х₄
[4,5; 5].

(Презентация. Слайд 23)

Затем с помощь анализа «что-если»/Подбор параметра можно
уточнить значения корней. Для этого следует активизировать ячейку со значением
функции у = 55,56, соответствующим значению аргумента х = -3,5, или ячейку со
значением у = -26, соответствующим х = -3, и выполнить команду Данные/группа
Работа с данными/Анализ «что-если»/Подбор параметра. Появится
одноименное диалоговое окно с тремя строками (Слайд 23 Презентация).

В первой строке указан адрес выбранного значения функции. Во второй нужно
установить курсор и занести подбираемое значение функции, указанное в правой
части данного уравнения (в нашем случае – число 0). А затем, установив курсор в
третьей строке, надо щелкнуть мышью на ячейке с соответствующим значением
аргумента, чтобы получить абсолютное значение этого адреса, затем щелкнуть ОК.

Аналогично проверяются корни из других промежутков.

Из результирующей таблицы выбираем корни уравнения. (Приложение
5. Презентация. Слайд 24)

Преподаватель: С особым вниманием следует применять этот способ для
решения уравнений, у которых графики функции не являются так называемыми
«гладкими» кривыми. Это касается, прежде всего, шага изменения аргумента при
построении графика соответствующей функции: он не должен быть слишком большим,
чтобы не пропустить значения некоторых корней.

Поясним это на примере решения уравнения.

Студент 4:

Задача 4. Решить уравнение log₂(x(1 – x)) – sin(π/x) + 2 =
0, область определения которого: x принадлежит промежутку (0;1). (Презентация.
Слайд 25)

Решение.

Если построить график соответствующей функции в области ее определения с
шагом h = 0,04, то получится один результат (Приложение 6.
Презентация. Слайд 27), но если построить тот же график с меньшим шагом h =
0,01, то мы получим иной результат. (Приложение 6.
Презентация. Слайд 27) Сравнение этих графиков показывает, что в первом случае
из-за слишком большого шага «потеряны» два первых корня. Всего же
рассматриваемое уравнение имеет шесть корней, которые уточняются с помощью
Подбора параметра. (Презентация. Слайд 28)

Вывод. (Презентация. Слайд 29)

1. С помощью электронных таблиц MS Excel можно решать математические задачи
   и уравнения.
2. При этом отрабатываются навыки работы в электронных таблицах, а именно:
   оформление таблицы, работа с формулами, построение диаграмм.

Литература:

1. О.К. Мясникова. Моделирование и формализация в курсе информатики. //
   Информатика и образование, №11-2003.
2. В.П. Кудинов. Решение уравнений с помощью MS Excel. // Информатика и
   образование, №3-2004.
3. Информатика и информационные технологии. Учебник для 10-11 классов /
   Н.Д. Угринович. – М.:Бином. Лаборатория знаний, 2003.

Муниципальное бюджетное общеобразовательное учреждение средняя              общеобразовательная школа № 15 имени Пяти Героев Советского Союза

Иследовательская работа

Тема:

«Создание и исследование моделей

в электронной таблице Excel»

Секция информатики

Выполнила: Сотникова Полина Андреевна,

ученица 10 «А» класса

Руководитель: Титаренко Алексей Анатольевич,

учитель информатики

г. Хабаровск

2016

Содержание

Актуальность темы…………………………………………………………………………………………………………………3

Введение………………………………………………………………………………………………………………………………..4

Создание информационных моделей…………………………………………………………………………………..5

Формулы в Excel…………………………………………………………………………………………………………………….7

Этапы разработки и исследования моделей………………………………………………………………………..10

Исследование физических моделей в электронных таблицах…………………………………………..11

Исследование биологической модели развития популяций………………………………………………14

Оптимизационное моделирование в экономике…………………………………………………………………17

Заключение…………………………………………………………………………………………………………………………….20

Список использованной литературы…………………………………………………………………………………….21

2

Актуальность темы

Часто для исследования предметов, процессов и явлений человек создает модели окружающего мира.

Наглядные модели часто используются в процессе обучения. На уроке географии мы изучаем нашу планету используя её модели – карты и глобусы, при изучении химии мы используем модели молекул и кристаллических решеток, изучаем строение человека по анатомическим муляжам скелета и органов на биологии.

 Модели играют чрезвычайно важную роль в проектировании и создании различных технических устройств, машин и механизмов, зданий, электрических цепей и т.д. Без предварительного создания чертежей невозможно изготовить даже простую деталь, не говоря уже о сложном механизме. Кроме чертежей,в проектировании часто изготавливают макеты. Разработка электрической схемы обязательно предшествует созданию электрических цепей.

Развитие науки невозможно без создания теоретических моделей (теорий, законов, гипотез), отражающих строение, свойства и поведение реальных объектов. Соответствие теоретических моделей действительности проверяется с помощью опытов и экспериментов.

 Все художественное творчество фактически является процессом создания моделей. Например, такой литературный жанр, как басня, переносит реальные отношения между людьми на отношения между животными и фактически создает модели человеческих отношений.

3

Введение

Моделирование – это метод познания, состоящий в создании и исследовании моделей – неких новых объектов, которые отражают существенные особенности изучаемого объекта, явления или процесса.Модель – это некий новый объект, который отражает существенные особенности изучаемого объекта,явления или процесса. Модели позволяют представить в наглядной форме объекты и процессы, недоступные для непосредственного восприятия (очень большие или очень маленькие объекты, очень быстрые или очень медленные процессы).

Компьютерные модели стали обычным инструментом математического моделирования и применяются в физике, астрофизике, механике, химии, биологии, экономике, социологии, метеорологии, других науках и прикладных задачах в различных областях радиоэлектроники, машиностроения, автомобилестроения и прочих. Компьютерные модели используются для получения новых знаний о моделируемом объекте или для приближенной оценки поведения систем, слишком сложных для аналитического исследования. Компьютерное моделирование является одним из эффективных методов изучения сложных систем. Компьютерные модели проще и удобнее исследовать в силу их возможности проводить вычислительные эксперименты, в тех случаях когда реальные эксперименты затруднены из-за финансовых или физических препятствий или могут дать непредсказуемый результат. Логичность и формализованность компьютерных моделей позволяет определить основные факторы, определяющие свойства изучаемого объекта-оригинала (или целого класса объектов). В частности, моделирование в электронных таблицах может быть использовано для описания ряда объектов, обладающих одинаковыми наборами свойств. С помощью таблиц могут быть построены как статические, так и динамические информационные модели в различных предметных областях, а простота использования программ создания таблиц помогает составлять модели людям без знания сложных языков программирования.

4

Создание информационных моделей:

Информационные модели отражают различные типы систем объектов, в которых реализуются различные структуры взаимодействия и взаимосвязи между элементами системы. Для отражения систем с различными структурами используются различные типы информационных моделей: табличные, иерархические и сетевые. В программе Excelдоступно создание табличного типа моделей.

Табличные информационные модели:

Одним из наиболее часто используемых типов информационных моделей является прямоугольная таблица, состоящая из столбцов и строк. Такой тип моделей применяется для описания ряда объектов, обладающих одинаковыми наборами свойств.

В табличной информационной модели обычно перечень объектов размещен в ячейках первого столбца таблицы, а значения их свойств – в других столбцах.

С помощью электронной таблицы Excelпостроим таблицу стоимости продуктов. В первом столбце таблицы будет содержаться перечень продуктов, а во втором – интересующее нас свойство (цена).

С помощью специальных инструментов, встроенных в программу Excelможно визуализировать таблицу, представив ее в виде графика или круговой диаграммы. Для этого нужно выделить таблицу, зайти во вкладку «Вставка» и выбрать нужный формат визуализации.

5

Визуализация круговой диаграммой

Визуализация столбчатой диаграммой

6

Формулы в Excel

В таблицах Excelможно не только вводить и визуализировать данные, но и производить простые и сложные расчеты над данными.Все это реализуется при помощи формул в ячейках. Формула выполняет вычисления или другие действия с данными в листе.

Порядок ввода формулы

Для начала определим, в какой ячейке должен стоять результат расчета. Затем выделим эту ячейку (нажмем на нее левой кнопкой мышки и ячейка станет активной).

Вводить формулу надо со знака равенства. Это надо для того, чтобы Excel понял, что в ячейку вводится именно формула, а не данные.

Выделим произвольную ячейку, например D1. В строке формул введем =2+3 и нажмем Enter. В ячейке появится результат (5). А в строке формул сверху останется сама формула.

При обработке формулы с большим количеством вычислений, наблюдается определенный приоритет.

1. В первую очередь выполняются выражения внутри скобок.
2. Умножение и деление имеют более высокий приоритет чем сложение и вычитание.
3. Операторы с одинаковым приоритетом выполняются слева направо.

                         7

Так, в примере выше, сначала выполняется действие в скобках (5-4=1), потом первое умножение (100*1=100), затем второе умножение (38*2=76), сложение (100+26=126), и в конце вычитание (126-76=50).

Также, можно выполнять действия над числами, содержащимися в ячейках. Для этого, вместо цифр, в формулах нужно использовать ссылки на ячейки – букву латинского алфавита, обозначающую столбец и цифру, обозначающую строку.

Так, в ячейку D3 была введена формула D1+D2. В результате сложились числа,стоящие в ячейках D1(4) и D2(6) и полученный результат – 10 был записан в ячейку D3.

Для складывания нескольких ячеек используется функция СУММ. Для суммирования трех чисел формула запишется следующим образом

Но можно облегчить себе работу и вместо перечисления каждой ячейки записать диапазон, с помощью двоеточия

Истинное значение функции СУММ раскрывается, когда необходимо сложить большое количество ячеек в Excel. В примере ниже требуется просуммировать 12 значений. Функция СУММ позволяет сделать это несколькими щелчками мышью, если же использовать оператор сложения, то провозиться придется долго.

8

В таблицах Excelможно не только проводить простейшие вычисления над числами, но и возводить в степень, извлекать корень, производить сравнение чисел и многое другое.

9

Этапы разработки и исследования моделей

Использование компьютера для исследования информационных моделей различных объектов и систем позволяет изучить их изменения в зависимости от значения тех или иных параметров. Процесс разработки моделей и их исследования на компьютере можно разделить на несколько основных этапов.

 На первом этапе исследования объекта или процесса обычно строится описательная информационная модель. Такая модель выделяет существенные с точки зрения целей проводимого исследования параметры объекта, а несущественными параметрами пренебрегает.

На втором этапе создается формализованная модель, то есть описательная информационная модель записывается с помощью какого-либо формального языка. В такой модели с помощью формул, уравнений, неравенств и пр. фиксируются формальные соотношения между начальными и конечными значениями свойств объектов, а также накладываются ограничения на допустимые значения этих свойств.

 Однако далеко не всегда удается найти формулы, явно выражающие искомые величины через исходные данные. В таких случаях используются приближенные математические методы, позволяющие получать результаты с заданной точностью.

На третьем этапе необходимо формализованную информационную модель преобразовать в компьютерную модель, то есть выразить ее на понятном для компьютера языке. Существуют два принципиально различных пути построения компьютерной модели:

1) построение алгоритма решения задачи и его кодирование на одном из языков программирования;

2) построение компьютерной модели с использованием одного из приложений (электронных таблиц, СУБД и пр.).

 В процессе создания компьютерной модели полезно разработать удобный графический интерфейс, который позволит визуализировать формальную модель, а также реализовать интерактивный диалог человека с компьютером на этапе исследования модели.

Четвертый этап исследования информационной модели состоит в проведении компьютерного эксперимента. Если компьютерная модель существует в виде программы на одном из языков программирования, ее нужно запустить на выполнение и получить результаты.

Если компьютерная модель исследуется в приложении, например в электронных таблицах, можно провести сортировку или поиск данных, построить диаграмму или график и так далее.

Пятый этап состоит в анализе полученных результатов и корректировке исследуемой модели. В случае различия результатов, полученных при исследовании информационной модели, с измеряемыми параметрами реальных объектов можно сделать вывод, что на предыдущих этапах построения модели были допущены ошибки или неточности. Например, при построении описательной качественной модели могут быть неправильно отобраны существенные свойства объектов, в процессе формализации могут быть допущены ошибки в формулах и так далее. В этих случаях необходимо провести корректировку модели, причем уточнение модели может проводиться многократно, пока анализ результатов не покажет их соответствие изучаемому объекту.

10

Исследование физических моделей в электронных таблицах:

Рассмотрим процесс построения и исследования модели на конкретном примере движения тела, брошенного под углом к горизонту.

Задача: В процессе тренировке теннисистов используются автоматы по бросания мячика в определенное место площадки. Необходимо задать автомату необходимую скорость и угол бросания мячика для попадания в мишень определенного размера, находящуюся на известном расстоянии.

Качественная описательная модель: Сначала построим качественную описательную модель процесса движения тела с использованием физических объектов, понятия и законов, то есть в данном случае идеализированную модель движения объекта. Из условия задачи можно сформулировать следующие основные предположения:

• Мячик мал по сравнению с Землей, поэтому его можно считать материальной точкой;
• Изменение высоты мячика мало, поэтому ускорение свободного падения можно считать постоянной величиной g= 9,8 мс и движение по оси ОУ можно считать равноускоренным;
• Скорость бросания тела мала, поэтому сопротивлением воздуха можно пренебречь и движение по оси ОХ можно считать равномерным

Формальная модель: Для формализации модели используем известные из курса физики формулы равномерного и равноускоренного движения. При заданных начальной скорости v0 и угле бросания aзначения координат дальности полета х и высоты у от времени можно записать следующими формулами:

X=v0*cos*t;

Y=v0*sinα*t – g*t²/2

Пусть мишень высотой h будет размещаться на расстоянии sот автомата. Из первой формулы выражаем время, которое понадобится мячику, чтобы преодолеть расстояние s:

t = s/(v0*cos2α)

Представляем это значение для tв формулу для у. Получаем l – высоту мячика над землей на расстоянии s:

l = s*tgα – g*s²/(2*v0²*cosα²)

Формализуем теперь условие попадания мячика в мишень. Попадание произойдет, если значение высоты lмячика в мишень. Попадание произойдет, если значение высоты lмячика будет удовлетворять условию в форме неравенства:

0≤l ≤ h

Если l<0, то это означает «недолет», а если l>h, то это означает «перелет».

Создание модели:

1. Для ввода начальной скорости будем использовать ячейку В1, а для ввода угла – ячейку В2
2. Введем в ячейки А5:А18 значения времени с интервалом в 0,2 с.
3. В ячейки В5 и С5 введем формулы:

11

=$B$1*cos(Радианы($B$2))*А5

=$B$1*sin(РАДИАНЫ($B$2))*A5-4,9*A5*A5

1. Скопируем формулы в ячейки В6:В18 и С6:С18 соответственно.

Визуализируем модель, построив график зависимости координаты у от координаты х (траекторию движения тела).

1. Построить диаграмму типа График, в которой используется в качестве категории диапазон ячеек В5:В18, а в качестве значений – диапазон ячеек С5:С18.

Исследование модели: Исследуем модель и определим с заданной точностью 0,1 диапазон изменений угла, который обеспечивает попадание в мишень, находящуюся на расстоянии 30 м и имеющую высоту 1 м, при заданной начальной скорости 18 м/с. Воспользуемся для этого методом Подбор параметра.

1. Установить для ячеек точность один знак после запятой

12

1. Ввести в ячейки B21, B22 и В23 значения расстояния до мишени S = 30 м, начальной скорости Vо = 18 м/с и угла α= 35⁰, а в ячейку В25 – формулу для вычисления высоты мячика над поверхностью для заданных условий:

=B21*TAN(РАДИАНЫ(B23))-(9,81*B21^2)/(2*B22^2*COS(РАДИАНЫ(B23))^2)

Для заданных начальных условий определим углы, которые обеспечивают попадание в мишень на высотах 0 и 1 м.

1. Выделить ячейку В25 и ввести команду [Сервис-Подбор параметра…]. На появившейся диалоговой панели ввести в поле Значение: наименьшую высоту попадания в мишень ( то есть 0). В поле Изменяя значение ячейки: ввести адрес ячейки, содержащей значение угла (в данном случае $B$23).

1. В ячейке В23 появится значение 32,6. Повторить процедуру подбора параметра для максимальной высоты попадания в мишень – в ячейке В23 получим значение 36,1.

Таким образом, исследование компьютерной модели в электронных таблицах показало, что существует диапазон значений для угла бросания от 32,6 до 36,1⁰, который обеспечивает попадание в мишень высотой 1 м, находящуюся на расстоянии 30 м, мячиком брошенным со скоростью 18 м/с.

13

Исследование биологической модели развития популяций

В биологии при исследовании развития биосистем строятся динамические модели изменения численности популяций различных живых существ (бактерий, рыб, животных и пр.) с учетом различных факторов. Взаимовлияние популяций рассматривается в моделях типа «хищник-жертва».

Формальная модель. Изучение динамики численности популяций естественно начать с простейшей модели неограниченного роста, в которой численность популяции ежегодно увеличивается на определенный процент. Математическую модель можно записать с помощью рекуррентной формулы, связывающей численность популяции следующего года с численностью популяции текущего года, с использованием коэффициента роста а:

X(n+1) = a * x(n)

Например, если ежегодный прирост численности популяции составляет 5%, то а = 1,05. В модели ограниченного роста учитывается эффект перенаселенности, связанный с нехваткой питания, болезнями и так далее, который замедляет рост популяции с увеличением ее численности. Введем коэффициент перенаселенности b, значение которого обычно существенно меньше а (b<<а). Тогда коэффициент ежегодного увеличения численности равен (а — b*х(n)) и формула принимает вид:

X(n+1) = (a – b * x(n)) * x(n)

В модели ограниченного роста с отловом учитывается, что на численность популяций промысловых животных и рыб оказывает влияние величина ежегодного отлова. Если величина ежегодного отлова равна с, то формула принимает вид:

X(n+1) = (a – b * x(n)) * x(n) — c

Популяции обычно существуют не изолированно, а во взаимодействии с другими популяциями. Наиболее важным типом такого взаимодействия является взаимодействие между жертвами и хищниками (например, караси-щуки, зайцы-волки и так далее). В модели «хищник-жертва» количество жертв х(n) и количество хищников у(n) связаны между собой. Количество встреч жертв с хищниками можно считать пропорциональным произведению количеств жертв и хищников, а коэффициент f характеризует возможность гибели жертвы при встрече с хищниками. В этом случае численность популяции жертв ежегодно уменьшается на величину f * х(n)* у(n) и формула для расчета численности жертв принимает вид:

X(n+1) = (a – b * x(n)) * x(n) – c – f* x(n) * y(n)

Численность популяции хищников в отсутствие жертв (в связи с отсутствием пищи) уменьшается, что можно описать рекуррентной формулой

Y(n+1) = d* y(n)

где значение коэффициента d < 1 характеризует скорость уменьшения численности популяции хищников. Увеличение популяции хищников можно считать пропорциональной произведению собственно количеств жертв и хищников, а коэффициент е характеризует величину роста численности хищников за счет жертв. Тогда для численности хищников можно использовать

14

формулу:

y(n+1) = d*y(n) + e*x(n)*y(n)

Компьютерная модель. Построим в электронных таблицах компьютерную модель, позволяющую исследовать численность популяций с использованием различных моделей: неограниченного роста, ограниченного роста, ограниченного роста с отловом и «хищник—жертва».

1. В ячейки В1 и В6 внести начальные значения численности популяций жертв и хищников.

В ячейки В2:В5 внести значения коэффициентов a, b, cи f, влияющих на изменение численности жертв.

В ячейки В7 и В8 внести значения коэффициентов dи е, влияющих на изменение численности хищников

В столбце Dбудем вычислять численность популяции в соответствии с моделью неограниченного роста, в столбце Е – ограниченного роста, в столбце F–ограниченного роста с отловом, в столбцах Gи H–«хищник-жертва».

1. В ячейки D1, E1, F1 и G1 внести значения начальной численности популяций жертв, в ячейку Н1 – хищников.

В ячейку D2 внести рекуррентную формулу неограниченного роста =$B$2*D1

В ячейку Е2 внести рекуррентную формулу неограниченного роста =($B$2-$B$3*E1)*E1

В ячейку F2 внести рекуррентную формулу ограниченного роста с отловом =($B$2-$B$3*F1)*F1-$B$4

В ячейку G2 внести рекуррентную формулу изменения количества жертв =($B$2-$B$3*G1)*G1-$B$4-$B$5*G1*H1

В ячейку Н2 внести рекуррентную формулу изменения количества хищников =$B$7*H1+$B$8*G1*H1

1. Скопировать внесенные формулы в ячейки столбцов командой [Правка-Заполнить-Вниз].

В ячейках столбцов ознакомиться с динамикой изменения численности популяций.

15

1. Выделить столбцы данных и построить диаграмму типа График. Появятся графики изменения численности популяций в соответствии с моделями неограниченного роста, ограниченного роста, ограниченного роста с отловом, моделью хищник-жертва.

Исследование модели: Изменяя значения начальных численностей популяций, а также коэффициенты, можно получать различные варианты изменения численности популяций в зависимости от времени.

16

Оптимизационное моделирование в экономике

В сфере управления сложными системами (например, в экономике) применяется оптимизационное моделирование, в процессе которого осуществляется поиск наиболее оптимального пути развития системы.

Критерием оптимальности могут быть различные параметры; например, в экономике можно стремиться к максимальному количеству выпускаемой продукции, а можно к ее низкой себестоимости. Оптимальное развитие соответствует экстремальному (максимальному или минимальному) значению выбранного целевого параметра.

 Развитие сложных систем зависит от множества факторов (параметров), следовательно, значение целевого параметра зависит от множества параметров. Выражением такой зависимости является целевая функция

К = F(X1,X2,…,Xn),

где К — значение целевого параметра; X1,X2,…,Xn — параметры, влияющие на развитие системы.

Цель исследования состоит в нахождении экстремума этой функции и определении значений параметров, при которых этот экстремум достигается. Если целевая функция нелинейна, то она имеет экстремумы, которые находятся определенными методами.

 Однако часто целевая функция линейна и, соответственно, экстремумов не имеет. Задача поиска оптимального режима при линейной зависимости приобретает смысл только при наличии определенных ограничений на параметры. Если ограничения на параметры (система неравенств) также имеют линейный характер, то такие задачи являются задачами линейного программирования. (Термин «линейное программирование» в имитационном моделировании понимается как поиск экстремумов линейной функции, на которую наложены ограничения.) Рассмотрим в качестве примера экономического моделирования поиск вариантов оптимального раскроя листов материала на заготовки определенного размера.

Содержательная постановка проблемы. В ходе производственного процесса из листов материала получают заготовки деталей двух типов А и Б тремя различными способами, при этом количество получаемых заготовок при каждом методе различается.

Тип Заготовки	1 способ раскроя	2 способ раскроя	3 способ раскроя
А	10	3	8
Б	3	6	4

Необходимо выбрать оптимальное сочетание способов раскроя, для того чтобы получить 500 заготовок первого типа и 300 заготовок второго типа при расходовании наименьшего количества листов материала.

Формальная модель. Параметрами, значения которых требуется определить, являются количества листов материала, которые будут раскроены различными способами:

Х1 — количество листов, раскроенное способом 1;

Х2 — количество листов, раскроенное способом 2;

Х3 — количество листов, раскроенное способом 3.

Тогда целевая функция, значением которой является количество листов материала, примет вид:

17

F = Х1+ Х2 + Х3.

Ограничения определяются значениями требуемых количеств заготовок типа А и Б, тогда с учетом количеств заготовок, получаемых различными способами, должны выполняться два равенства: 10Х1+ ЗХ2 + 8Х3 = 500;

ЗХ1 + 6Х2 + 4Х3 = 300.

 Кроме того, количества листов не могут быть отрицательными, поэтому должны выполняться неравенства:

X1>= 0; Х2>= 0; Х3 >= 0.

Таким образом, необходимо найти удовлетворяющие ограничениям значения параметров, при которых целевая функция принимает минимальное значение. Компьютерная модель. Будем искать решение задачи путем создания и исследования компьютерной модели в электронных таблицах Excel.

Оптимизационное моделирование

1. Ячейки В2, С2 и D2 выделить для значений параметров Х1, Х2 и Х3.

В ячейку В4 ввести формулу для вычисления целевой функции:

=В2+С2+D2

В ячейку В7 ввести формулу вычисления количества заготовок типа А:

=10*B2+3*C2+8*D2.

В ячейку В8 ввести формулу вычислений количества заготовок типа Б:

=3*B2+6*C2+4*D2

Исследование модели: Для поиска оптимального набора значений параметров, который соотвествует минимальному значению целевой функции, воспользоваться надстройкой электронных таблиц Поиск решения.

1. На вкладке Данные нажмите кнопку Поиск решения.
2. На появившейся диалоговой панели Поиск решения установить:

• Адрес целевой ячейки
• Вариант оптимизации значения целевой ячейки (максимизация, минимизация или подбор значения)
• Адреса ячеек, значения которых изменяются в процессе поиска решения ( в которых хранятся значения параметров)

18

• Ограничения (типа «=» для ячеек, хранящих количество деталей, и типа «≥» для параметров).

• Щелкнуть по кнопке Выполнить. В ячейке целевой функции появится значение 69,4, а в ячейках параметров значения 0,11,58.

Таким образом, для изготовления 500 деталей А и 300 деталей Б требуется 71 лист материала, при этом 12 листов нужно раскроить по второму, а 59 по третьему способу.

19

Заключение

Моделирование глубоко проникает в теоретическое мышление. Более того, развитие любой науки в целом можно трактовать — в весьма общем, но вполне разумном смысле, — как «теоретическое моделирование». Важная познавательная функция моделирования состоит в том, чтобы служить импульсом, источником новых теорий. Нередко бывает так, что теория первоначально возникает в виде модели, дающей приближённое, упрощённое объяснение явления, и выступает как первичная рабочая гипотеза, которая может перерасти в «предтеорию» — предшественницу развитой теории. При этом в процессе моделирования возникают новые идеи и формы эксперимента, происходит открытие ранее неизвестных фактов. Такое «переплетение» теоретического и экспериментального моделирования особенно характерно для развития физических теорий.

 Моделирование — не только одно из средств отображения явлений и процессов реального мира, но и — несмотря на описанную выше его относительность — объективный практический критерий проверки истинности наших знаний, осуществляемой непосредственно или с помощьюустановления их отношения с другой теорией, выступающей в качестве модели, адекватность которой считается практически обоснованной. Применяясь в органическом единстве с другими методами познания, моделирование выступает как процесс углубления познания, его движения от относительно бедных информацией моделей к моделям более содержательным, полнее раскрывающим сущность исследуемых явлений действительности.

В своем проекте я показала, как использовать электронные таблицы Excelдля моделирования и анализа созданных моделей.

20

Список использованной литературы

1. Н. Угринович «Информатика и информационные технологии»
2. Н. Угринович «Информатика и ИКТ»
3. http://on-line-teaching.com/excel/lsn003.html
4. http://www.excel-office.ru/formulivexcel/formulivexcel

21

Имитация с помощью табличных процессоров (spreadsheet simulation) представляет собой отдельное направление со своими особенностями. Его сторонники утверждают, что использование данных систем улучшает понимание происходящих процессов гораздо лучше, чем применение специализированного программного обеспечения, имеющего высокую стоимость и требующего время для изучения, а также скрывающего используемые механизмы (хотя такие среды довольно широко используются, особенно GPSS, поскольку предоставляют больше возможностей и позволяют моделировать сложные системы). Так,

Grossman в своей публикации «Spreadsheet Modeling and Simulation Improves Understanding of Queues» утверждал, что имитация с помощью таблиц Excel гораздо лучше дает представление о системах массового обслуживания, чем теория очередей, и также развивает интуицию, дает даже незнакомым с программированием специалистам опыт реализации различных моделей. Однако эти подходы (реализация с помощью Excel и сред моделирования) не являются взаимоисключающими, а скорее дополняют друг друга. Так, David Goldsman [9] предлагал следующие этапы обучения, каждый из которых, по его мнению, должен сопровождаться интересными примерами из реальной жизни:

1.основные понятия;

2.введение в вероятность и статистику;

3.ручная имитация;

4.имитация с помощью электронной таблицы;

5.генерация случайных чисел;

6.анализ входной информации;

7.анализ результатов моделирования;

8.имитация с использованием языка (пакета) моделирования.

Им также было отмечено, что в случае, когда курс рассчитан на небольшое число часов, лучше всего ознакомить студентов с основами моделирования и ручной имитацией, которая может быть выполнена с помощью Excel, чем предоставить ему симулятор — «черный ящик» со сложными механизмами имитации.

При реализации моделей в Excel используют три основных подхода к проведению имитации: ориентированный на события, ориентированный процессы, сканирования активностей (рис.1). Первый подход описывает

Кроме того, возможность просмотра всех формул, занесенных в ячейки таблицы, повышает доверие к результатам моделирования, а с реализованной моделью пользователь может экспериментировать и оценивать результаты без

привлечения специалистов по имитационному моделированию. По мнению автора [3] экономика – это главная область, где можно встретить такие задачи, которые могут быть эффективно решены с помощью имитационного моделирования и пакета Excel.

Тем не менее, ограничения использования данной программы для имитационного моделирования имеются, и среди них можно назвать:

1.С помощью электронных таблиц можно реализовывать лишь данные с простой структурой. Excel включает группы страниц, состоящих из строк и столбцов. Каждая ячейка может содержать информацию или формулу. Однако в некоторых имитационных моделях имеется более сложная структура данных, например, деревья или списки.

2.Трудно реализовать сложные алгоритмы. Электронные таблицы не имеют удобных средств для выполнения циклов «While» и «Do». (Язык VBA может быть использован для реализации более сложной логики, но он редко применяется пользователями электронных таблиц).

3.Электронные таблицы работают медленнее, чем многие другие инструменты.

4.Объем хранимых данных в таблице ограничен максимальным количеством столбцов.

Существуют различные пакеты: @RISK, Crystal Ball (коммерческие), PopTools

(бесплатный, расположен на сайте <http://www.cse.csiro.au/poptools/>) и т.д.,

обеспечивающие следующие дополнительные возможности Excel: генерация случайных чисел, автоматизация запуска экспериментов, анализ и представление выходной информации и т.д. Генерация случайных чисел может быть также выполнена с помощью надстройки Excel, называемой «Пакет анализа данных».

Наконец, отметим, что в связи с продолжением развития данного программного обеспечения, возможно, будущие версии будут предоставлять больше возможностей и обеспечивать более эффективную имитацию.