·         будут ли решения, обладающие определенными свойствами в рамках модели (например, оптимальность, эффективность не ниже заданной и т.д.), обладать этими же свойствами и в реальной системе, и насколько широк класс реальных систем, в которых данное решение еще обладает этими свойствами (задача анализа адекватности).

Качественно, основная идея, используемая на сегодняшний день в математическом моделировании, заключается в следующем [151, 170]. Применение оптимальных решений приводит к тому, что они, как правило, оказываются неоптимальными при малых вариациях параметров модели. Возможным путем преодоления этого недостатка является расширение множества «оптимальных» решений за счет включения в него так называемых приближенных решений (то есть, «немного худших», чем оптимальные). Оказывается, что ослабление определения «оптимальность» позволяет, установив взаимосвязь между возможной неточностью описания модели и величиной потерь в эффективности решения, гарантировать некоторый уровень эффективности множества решений в заданном классе реальных систем, то есть расширить область применимости решений за счет использования менее эффективных из них. Иными словами, вместо рассмотрения фиксированной модели реальной системы, необходимо исследовать семейство моделей.

Приведенные качественные рассуждения свидетельствуют, что существует определенный дуализм между эффективностью решения и областью его применимости (областью его устойчивости и/или областью адекватности).

В практике же проектирования систем, так же как и во многих других областях профессиональной деятельности, не поддающихся пока «математизации», для оптимизации используются такие методы, как анализ, «проигрывание» возможных ситуаций, «мысленный эксперимент» (что произойдет, если изменяются такие-то условия? такие-то условия? и т.д.).

Отобранные и проверенные на устойчивость и адекватность модели становятся основой для последнего, решающего этапа стадии моделирования – выбора модели для дальнейшей реализации.