Менеджмент: конспект лекций
Шрифт:
– методы оптимизации (см. главу 3.2),
– методы, учитывающие неопределенность, прежде всего вероятностно—статистические (см. главу 3.3),
– методы построения и анализа имитационных моделей,
– методы анализа конфликтных ситуаций (теории игр).
Во всех этих группах можно выделить статическую и динамическую постановки. При наличии фактора времени используют дифференциальные уравнения и разностные методы.
Теория игр (более подходящее название – теория конфликта, или теория конфликтных ситуаций) зародилась как теория рационального поведения двух игроков с противоположными интересами. Она наиболее проста, когда каждый из них стремится минимизировать свой средний проигрыш, т. е. максимизировать свой средний выигрыш. Отсюда ясно, что теория игр склонна излишне упрощать реальное поведение в ситуации конфликта. Участники
В экономике еще 150 лет назад теория дуополии (конкуренции двух фирм) О.Курно была развита на основе соображений, которые мы сейчас относим к теории игр. Новый толчок дан классической монографией Дж. фон Неймана и О.Моргенштейна, вышедшей вскоре после второй мировой войны. В учебниках по экономике обычно разбирается «дилемма заключенного» и точка равновесия по Нэшу (ему присуждена Нобелевская премия по экономике за 1994 г.).
3.5.3. О методологии моделирования
Моделирование процессов управления предполагает последовательное осуществление трех этапов исследования. Первый – от исходной практической проблемы до теоретической чисто математической задачи. Второй – внутриматематическое изучение и решение этой задачи. Третий – переход от математических выводов обратно к практической проблеме.
В области моделирования процессов управления, как, впрочем, и в иных областях применения математики, целесообразно выделять четверки составляющих:
ЗАДАЧА – МОДЕЛЬ – МЕТОД – УСЛОВИЯ ПРИМЕНИМОСТИ.
Обсудим каждую из только что выделенных составляющих.
Задача, как правило, порождена потребностями той или иной прикладной области. Вполне понятно, что при этом происходит одна из возможных математических формализаций реальной ситуации. Например, при изучении предпочтений потребителей у экономистов – маркетологов возникает вопрос: различаются ли мнения двух групп потребителей. При математической формализации мнения потребителей в каждой группе обычно моделируются как независимые случайные выборки, т. е. как совокупности независимых одинаково распределенных случайных величин, а вопрос маркетологов переформулируется в рамках этой модели как вопрос о проверке той или иной статистической гипотезы однородности. Речь может идти об однородности характеристик, например, о проверке равенства математических ожиданий, или о полной (абсолютной однородности), т. е. о совпадении функций распределения, соответствующих двух совокупностям.
Задача может быть порождена также обобщением потребностей ряда прикладных областей. Приведенный выше пример иллюстрирует эту ситуацию: к необходимости проверки гипотезы однородности приходят и медики при сравнении двух групп пациентов, и инженеры при сопоставлении результатов обработки деталей двумя способами, и т. д. Таким образом, одна и та же математическая модель может применяться для решения самых разных по своей прикладной сущности задач.
Важно подчеркнуть, что выделение перечня задач находится вне математики. Выражаясь инженерным языком, этот перечень является сутью технического задания, которое специалисты различных областей деятельности дают специалистам по математическому моделированию.
Метод, используемый в рамках определенной математической модели – это уже во многом, если не в основном, дело математиков. В эконометрических моделях речь идет, например, о методе оценивания, о методе проверки гипотезы, о методе доказательства той или иной теоремы, и т. д. В первых двух случаях алгоритмы разрабатываются и исследуются математиками, но используются прикладниками, в то время как метод доказательства касается лишь самих математиков.
Ясно, что для решения той или иной задачи в рамках одной и той же принятой исследователем модели может быть предложено много методов. Приведем примеры. Для специалистов по теории вероятностей и математической статистике наиболее хорошо известна история Центральной Предельной Теоремы теории вероятностей. Предельный нормальный закон был получен многими разными методами, из которых напомним теорему Муавра—Лапласа, метод моментов Чебышева, метод характеристических функций Ляпунова, завершающие эпопею методы, примененные Линдебергом и Феллером. В настоящее время для решения практически важных задач могут быть использованы современные информационные технологии на основе метода статистических испытаний
Наконец, рассмотрим последний элемент четверки – условия применимости. Он – полностью внутриматематический. С точки зрения математика замена условия (кусочной) дифференцируемости некоторой функции на условие ее непрерывности может представляться существенным научным достижением, в то время как прикладник оценить это достижение не сможет. Для него, как и во времена Ньютона и Лейбница, непрерывные функции мало отличаются от (кусочно) дифференцируемых. Точнее, они одинаково хорошо (или одинаково плохо) могут быть использованы для описания реальной действительности.
Методологический анализ – первый этап моделирования процессов управления, да и вообще любого исследования. Он определяет исходные постановки для теоретической проработки, а потому во многом и успех всего исследования. Анализ динамики развития методов моделирования позволяет выделить наиболее перспективные методы. В частности, при вероятностно—статистическом моделировании наиболее перспективными оказались методы нечисловой статистики.
3.5.4. Модель управления обучением
В качестве примера конкретной модели процесса управления рассмотрим модель распределения времени между овладением знаниями и развитием умений.
Любое знание состоит частично из «информации» («чистое знание») и частично из «умения» («знаю как»). Умение – это мастерство, это способность использовать имеющиеся у вас сведения для достижения своих целей; умение можно еще охарактеризовать как совокупность определенных навыков, в конечном счете, умение – это способность методически работать [13, с.308].
Пусть x ( t ) – объем сведений, накопленных учащимся к моменту времени t («чистое знание»), y ( t ) – объем накопленных умений: умений рассуждать, решать задачи, разбираться в излагаемом преподавателем материале; u ( t ) – доля времени, отведенного на накопление знаний в промежутке времени ( t; t + dt ).
Естественно считать, что увеличение x ( t + dt ) – x ( t ) объема знаний учащегося пропорционально потраченному на это времени u ( t ) dt и накопленным умениям y ( t ). Следовательно,
где коэффициент k 1 > 0 зависит от индивидуальных особенностей учащегося.
Увеличение знаний за то же время пропорционально потраченному на это времени (1 – u ( t )) dt , имеющимся умениям y ( t ) и знаниям x ( t ). Следовательно,
Коэффициент k 2 > 0 также зависит от индивидуальности. Учащийся тем быстрее приобретает умения, чем больше он уже знает и умеет. Тем быстрее усваивает знания, чем больше умеет. Но нельзя считать, что чем больше они запомнил, тем быстрее запоминает. На правую часть уравнения (1) влияют только приобретенные в прошлом активные знания, примененные при решении задач и перешедшие в умения. Отметим, что модель (1) – (2) имеет смысл применять на таких интервалах времени, чтобы, например, пять минут можно было считать бесконечно малой величиной.