Advertisement

Modellbildung und Simulation in der Ökonomie

Methodologische Probleme und Entwicklungstrends
  • J.-A. Müller
Chapter
Part of the Fortschritte in der Simulationstechnik book series (XFS)

Abstract

Ökonomische Systeme stellen komplexe vemetzte Systeme dar, deren Beherrschung ein „soft systems thinking” erfordert. Für die Modellbildung und Simulation bedeutet das, ein ganzheitliches Herangehen zu realisieren, die ungenügende A-priori-Information über das Unter suchungsobjekt zu berücksichtigen, Vagheit und Unschärfe der Systemgrößen zu erfassen und dem Nutzer den hohen Aufwand bei der Modellbildung durch einen rechnergestützten Entwurf zu erleichtern.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [IVA92]
    A.G. Ivachnenko, J.-A. Müller: Parametric and nonparametric procedures in experimental system analysis. SAMS, 9 (1992), 157–175.zbMATHGoogle Scholar
  2. [IVA93]
    A.G. Ivachnenko, G.A. Ivachnenko, J.-A. Müller: Self-organization of optimum physical clustering of a data sample for a weakened description and forecasting of fuzzy objects. Pattern recognition and image analysis 3 (1993) no. 4, 417- 422.Google Scholar
  3. [KAH94]
    E. Kahle: Die Entwicklung einer systemisch-ganzheitlichen Unternehmensanalyse. Arb-bericht 01/94 Universität Lüneburg.Google Scholar
  4. [KEL80]
    R. Kelcharju: General frame of ressources, structure and trade. DYNAMICA, 6(1980) 1.Google Scholar
  5. [KEL95]
    H.B. Keller: Learning rules for modelling dynamic systems behaviour. EUROSIM’95. Elsevier Science 1995. 123–128.Google Scholar
  6. [LEM95]
    F. Lemke: SelfOrganize! — software tool for modelling and prediction of complex systems. SAMS, 20 (1995), no. 1–2, 17–28.zbMATHGoogle Scholar
  7. [LUN93]
    J. Lunze: Ein Ansatz zur qualitativen Modellierung und Regelung dynamischer Systeme. at 41(1993) 12, S.451–460.zbMATHGoogle Scholar
  8. [MAR95]
    P. Marenbach, K.D. Bettenhausen, B. Cuno: Selbstorganisierende Generierung strukturierter Prozeßmodelle. at 43(1995) 6, 277–288.Google Scholar
  9. [MÖn89]
    M. Mönch: Anwendung des Simulationssystems SONCHES zur Modellierung okonomischer Prozesse. HfÖ Berlin, Forschungsinformation 14 (1989)3, 20–33.Google Scholar
  10. [MÜL94]
    J.-A. Mliller: Selbstorganisation von Vorhersagemodellen. HTW-Berichte 2(1994)3, 235–240.Google Scholar
  11. [MÜL95]
    J.-A. Müller, F. Lemke: Self-Organizing modelling and decision support in economics. Inproceedings of the IMACS Symposium on Systems Analysis and Simulation”. Gordon and Breach Publ. 1995, 135–138.Google Scholar
  12. [SAR94]
    W.S. Sarle: Neural networks and Statistical Models. SUGI 19. Dallas 1994, S. 1538- 1549.Google Scholar
  13. [VER92]
    A.F. Verlan u.a.: Evolutionsmethoden in der Computermodellierung. Naukova dumka, Kiev 1992.Google Scholar
  14. [ZYP87]
    J.Z. Zypkin: Informationelle Theorie der Identifikation. Verlag Technik Berlin 1987.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 1996

Authors and Affiliations

  • J.-A. Müller
    • 1
  1. 1.Fachbereich Informatik/MathematikHTW DresdenDresdenDeutschland

Personalised recommendations