Символические модели делятся на два вида.
1) Языковые (словесные) модели.
В их основе лежит определенная совокупность слов, понимаемых однозначно. Эта совокупность представляет собой некий словарь («тезаурус»), в котором каждое слово несет лишь одну смысловую нагрузку в отличие от обычной ситуации, когда одному слову могут соответствовать несколько понятий.
2) Знаковые модели.
Их суть состоит в том, что отдельным понятиям присваиваются некие условные обозначения, то есть знаки. При этом необходимо обозначить круг операций, которые можно осуществлять с этими знаками. Манипулируя знаками и операциями, можно дать символическое описание субъекта исследования или определенного процесса.
Наиболее эффективным в логистике является математическое моделирование. Оно представляет собой процесс установления соответствия конкретному реальному объекту некоторого математического объекта, который называется математической моделью. Самыми распространенными в логистике являются два вида математического моделирования:

• аналитическое;

• имитационное.

Аналитическое моделирование — это своеобразный математический подход в процессе исследования логистических систем. Его цель — получение максимально точных решений. Сам процесс аналитического моделирования разбивается на три этапа.
На первом этапе формулируются математические законы и зависимости, которые связывают отдельные объекты системы. Эти законы и зависимости формализуются в виде некоторых функциональных соотношений (алгебраических, дифференцированных и т. д.).
На втором этапе осуществляется решение уравнений и получение теоретических результатов. Для этого могут быть привлечены вычислительная техника и соответствующие технологии.
На третьем этапе проводится сопоставление полученных результатов с реальностью, т. е. осуществляется проверка на адекватность.
Наибольший эффект при исследовании процесса функционирования экономических систем можно получить, если заранее известны четко определенные зависимости, которые связывают имеющиеся характеристики с воздействующими факторами, условиями, параметрами и переменными системы. Однако такие зависимости удается получить лишь для относительно простых систем. В сложных логистических системах исследования с помощью аналитического моделирования связаны с определенными трудностями. В этом случае при необходимости использования аналитического метода идут на соответствующее упрощение первоначальной модели. Это делается для того, чтобы предварительно изучить общие свойства формируемой системы. Преимуществами аналитического моделирования являются большой потенциал обобщения и возможность многократного использования.
Имитационное моделирование заключается в проведении на ЭВМ численных экспериментов с математической моделью, описывающей поведение сложной системы в течение периодов времени заданной продолжительности. Имитационное моделирование применяется, как правило, в тех случаях, когда аналитические способы исследования той или иной логистической модели отсутствуют, или их поиск требует слишком больших затрат.
Алгоритмы имитационного моделирования могут учитывать как детерминированные (определенные), так и стохастические (вероятностные) связи и зависимости, характеризующие моделируемую логистическую систему.
В логистике наибольшее распространение получили стохастические (вероятностные) методы имитационного моделирования. Это связано с тем, что для большинства логистических систем с удовлетворительной точностью известны лишь усредненные значения параметров потоковых процессов. Поэтому приходится оперировать не конкретными параметрами, а только распределениями вероятностей их значений.
Имитационное моделирование используется как для анализа, так и для оптимизации функционирования логистических систем. Для реализации имитационного моделирования разработаны соответствующие алгоритмические языки.
Имитационное моделирование является основным методом исследований потоковых процессов, систем массового обслуживания, пропускной способности коммуникационных систем, производительности транспортно-складских автоматизированных комплексов и т. д. Это объясняется тем, что логистические системы функционируют в условиях неопределенности окружающей среды. При управлении потоковыми процессами и элементами логистической системы учитываются факторы, многие из которых носят случайный характер.
Имитационное моделирование разбивается на два этапа.
Первый заключается в конструировании модели реальной логистической системы.
Второй — в проведении экспериментов на данной модели.
Основные проблемы, которые при этом приходится решать, состоят в следующем.

• Обеспечить стохастическую сходимость, т. е. найти методы ускорения сходимости выборочных средних с увеличением объемов выборки.
• Уменьшить количество различных комбинаций, влияющих на систему факторов и их уровней, а, следовательно, уменьшить объем экспериментов без уменьшения количества получаемой информации.
• Выбрать план эксперимента, наилучшим образом соответствующий его целям. Формализация целей при этом зависит от искусства исследователя, глубины понимания им существа процессов, происходящих в системе.

• Преодолеть феномен «многокомпонентное™ реакции» в связи с тем, что для сложных логистических систем трудно, а иногда и невозможно выявить единственную главную выходную переменную.