При исследовании нового процесса или явления обычный подход связан с построением той или иной математической модели и проведением расчетов при изменении тех или иных параметров задачи. В этом случае мы имеем поисковый вычислительный эксперимент. Если основу математической модели составляют уравнения с частными производными, то в цикле вычислительного эксперимента исследуется и решается численными методами прямая задача математической физики.
В результате проведения поискового вычислительного эксперимента дается описание наблюдаемым явлениям, прогнозируется поведение исследуемого объекта в тех или иных условиях, возможно и не достижимых в реальных условиях. Такой тип вычислительного эксперимента характерен при проведении теоретических исследований в фундаментальных науках.
С другой стороны, при математическом моделировании технологических процессов в качестве основного может быть выбран оптимизационный вычислительный эксперимент. Для него характерно решение задачи оптимизации по уменьшению затрат, облегчению конструкции и т.д. Для сформулированной математической модели ставится соответствующая задача оптимального управления, задача оптимизации.
Характерным примером могут служить задачи оптимального управления для уравнений математической физики, например, граничного управления, когда граничные условия подбираются так, чтобы минимизировать соответствующий функционал (функционал качества). В этом случае многовариантные расчеты проводятся с целью подобрать управляющие параметры, а результатом является решение в том или ином смысле оптимальное.
При обработке данных натурных экспериментов используется диагностический вычислительный эксперимент. По дополнительным косвенным измерениям делается вывод о внутренних связях явления или процесса. В условиях, когда структура математической модели исследуемого процесса известна, ставится задача идентификации модели, например, определяются коэффициенты уравнений. Диагностическому вычислительному эксперименту обычно ставится в соответствие обратная задача математической физики.
Часто приходится сталкиваться с положением, когда математической модели исследуемого процесса или явления нет и создать ее не представляется возможным. Такая ситуация характерна, в частности, при обработке данных натурного эксперимента. Тогда обработка проводится в режиме "черного ящика" и мы имеем дело с аппроксимационными моделями. При отсуствии математических моделей на основе широкого использования компьютеров проводится имитационное моделирование.
Заключение
Мы пытались дать общий взгляд на ситуацию, которая складывается в прикладной математике. Ее современный этап характеризуется исследованием математических моделей на основе широкого использования возможностей вычислительных средств (компьютеров и соответстующего аппарата самой математики - численных методов).
Возможность исследования сложнейших математических моделей позволила подойти по-новому и к вопросу организации прикладных научных исследований, более тесной координации экспериментальных и теоретических исследований в рамках новой методологии научных исследований - вычислительного эксперимента. Она основана на качественно новом уровне научных исследований, который связан с использованием сложных прикладных математических моделей, которые не могут быть изучены стандартными аналитическими методами прикладной математики.
Суть вычислительного эксперимента наиболее полно отражается в триаде модель - алгоритм - программа. Для исследуемого объекта строится математическая модель (набор моделей), которые исследуются численными методами на компьютере. Для предварительного исследования математических моделей используются традиционные методы прикладной математики. Данные расчетов анализируются, сопоставляются с данными экспериментальных исследований, проводится уточнение математической модели и т.д.
Методология вычислительного эксперимента сложилась при решении наиболее крупных научно-технических проблем, которые ставит перед нами жизнь. Активное внедрение идей математического моделирования, которое является интеллектуальным ядром информатизации общества, позволит поднять уровень научных исследований в естественнонаучных и гуманитарных областях.
