Пособие содержит систематическое изложение материала по вопросам моделирования физических и экологических систем, который может быть использован при преподавании дисциплины «Программирование. Математическое моделирование физических и экологических систем» для студентов направления 14.03.02 «Ядерные физика и технологии». Рассмотрены основы моделирования систем, классификация моделей, системный подход как инструмент моделирования больших систем; основные операторы программирования и правила разработки оконных приложений (язык C#); примеры построения моделей некоторых физических и экологических систем с кратким описанием численных методов и заданиями для контроля освоения студентами изложенного материала.
Предназначено для студентов и аспирантов технических направлений подготовки.
Рассматриваются основы метода Монте-Карло в применении к задачам электронного транспорта в двумерных наноструктурах в квазиклассическом режиме. Приводится подробное описание процедур генерации случайных чисел с заданным законом распределения, описаны основы моделирования среднего времени свободного пробега, подробно рассматривается вычисление полной вероятности рассеяния носителей тока на длинноволновых колебаниях кристаллической решетки. Предназначено для изучения в рамках дисциплины «Физика конденсированного состояния» для студентов, обучающихся по программе бакалавриата 03.03.02 «Физика».
В работе рассматриваются вопросы математического моделирования процесса нестационарного переноса рентгеновского излучения. Данный процесс формализован в виде начально-краевой задачи для уравнения переноса излучения, которая решается весовым методом Монте-Карло. Обсуждаются вопросы реализации предложенного метода при помощи поточно-параллельных вычислений на графическом процессоре (GPU).
В книжке изложены основные приемы метода Монте-Карло (метода статистических испытаний). Приведены примеры весьма разнообразных задач, решаемых этим методом. Предназначена для инженеров, конструкторов, исследователей и научных работников, работающих в различных отраслях народного хозяйства (в науке, технике, промышленности, медицине, экономике, сельском хозяйстве, торговле и др.), и ставит своей целью подсказать, что в любой области деятельности встречаются задачи, которые можно рассчитывать методом Монте-Карло. К читателю предъявляются минимальные требования: умение дифференцировать и интегрировать (1-й курс втуза). Книжка может быть полезна также всем, кто желает впервые познакомиться с методом Монте-Карло.
Рассматриваются априорные оценки неоднозначности (погрешности) приближенных решений условно-корректных нелинейных обратных задач, основанные на модуле непрерывности обратного оператора и его модификациях. Установлена связь модуля непрерывности обратного оператора с разрешающей способностью геофизического метода. Показано, что в классе кусочно-постоянных решений, определенных на заданной сетке параметризации, модуль непрерывности обратного оператора и его модификации монотонно возрастают с увеличением размерности сетки. Предложен метод построения оптимальной сетки параметризации, которая имеет максимальную размерность при условии, что модуль непрерывности обратного оператора не превышает заданной величины. Представлен численный алгоритм расчета модуля непрерывности обратного оператора и его модификаций с использованием алгоритмов Монте-Карло, исследуются вопросы сходимости алгоритма. Предлагаемый метод применим также для расчета классических апостериорных оценок погрешности. Приводятся численные примеры для нелинейных обратных задач геоэлектрики.
Аннотация5: в статье обоснована необходимость анализа и совершенствования управления рисками, возникающими в результате реализации различных инвестиционных проектов. Риски инвестиционного проекта определяются, как вероятность возможности возникновения во время реализации проекта таких условий, которые приведут к негативным последствиям для всех или отдельных участников проекта. Проанализированы риски с учетом возможности их устранения посредством диверсификации. Рассмотрен сценарный подход, который в настоящее время очень часто используется в инвестиционном проектировании. Он позволяет учесть большое количество факторов неопределенности, которые возникают при реализации инвестиционных проектов. Представлено усовершенствование этого подхода с применением метода имитационного моделирования, позволяющего оценить большое количество различных вариантов реализации проекта. Реализация данного метода осуществляется чаще всего с применением программного обеспечения. Случайным образом задаются переменные, используемые в данном проекте, а затем рассчитываются критерии оценки его эффективности. Для таких расчетов можно использовать метод Монте-Карло.