При использовании метода экспериментальной оптимизации с использование имитационной модели объекта перед исследователем помимо создания моделирующего алгоритма возникают проблемы разработки алгоритма оптимизации, включающего моделирующий алгоритм в качестве одного из элементов — этапа расчета значения целевой функции для определения значений переменных. Для этого должна быть продумана алгоритмическая и программная реализация решения оптимизационной задачи. [c.103]
Модель нефтедобывающей промышленности страны описывается блочной задачей линейного программирования. Процесс согласования решений моделей различных уровней опирается на группу управляющих параметров, которые формируются в моделях нефтедобывающих районов (в настоящей разработке они являются координаторами решений). Эти параметры представляют собой вектор дискретных оценок, возможность использования которых для согласования решений рассматривалась в работе [83], где они интерпретируются по их роли в алгоритме оптимизации, т. е. как параметры, показывающие наиболее вероятное направление изменений условий задачи, учитывающие дефицитность ресурсов, существенность ограничений, соотношение затрат и т. д. и приводящие к улучшению отраслевого плана. [c.208]
Все используемые методы разработки управленческих решений по степени формализации расчетов можно разделить на две большие группы - формализованные и эвристические. Формализованные методы имеют четкий алгоритм решения задачи в виде экономико-математических моделей, методик анализа и расчета данных, компьютерных программ, которые обеспечивают высокую точность количественной оценки разрабатываемых вариантов. Формализованные методы используются для разработки и оптимизации программных, т. е. структурированных, решений. [c.242]
После существенной оптимизации мощности тока, разработки алгоритма зарядки и объединения систем был успешно собран прототип универсального зарядного устройства для батарей (в рамках ЦРТ) и разработана технология его производства. Однако рынок электромобилей развивался не так быстро, как ожидалось, поэтому инвесторы этого проекта использовали эту технологию в другом секторе рынка. [c.103]
Разработка алгоритмов и математических программ для решения на ЭВМ задач оптимизации запасов нефтепродуктов на перевалочных нефтебазах требует совершенствования учета издержек обращения на этих базах. Так, учет издержек по приобретению и содержанию запасов нефтепродуктов (следует осуществлять раздельно по следующим группам издержки по управлению нефтеснабжением издержки содержания запасов нефтепродуктов издержки по доставке нефтепродуктов (транспортные расходы). Первую и третью группы расходов можно [c.186]
Конструктивное символическое выражение взаимосвязи факторов (разработка алгоритма) Определение коэффициентов весомости факторов Упрощение методов анализа Учет стимулирующих факторов Применение типовой схемы оптимизации [c.212]
Разумеется, эта упрощенная задача пе эквивалентна исходной, но лишь аппроксимирует ее с любой необходимой точностью. Здесь открывается соблазнительная возможность унифицированного подхода как при разработке алгоритмов, так и при создании набора стандартных программ. К сожалению, эта внешняя простота не дается даром. Сведение сложной задачи к простой (9) достигается за счет резкого ухудшения дифференциальных свойств F (х) по сравнению с дифференциальными свойствами функций исходной содержательной постановки задачи. Заметим, что под дифференциальными свойствами вычислитель должен понимать не столько словесные характеристики типа непрерывная функция , дифференцируемая , дважды дифференцируемая и т. д., сколько величины констант в характеристиках непрерывности, дифференцируемости. Поэтому тот факт, что методом штрафных функций можно свести общую задачу оптимизации к задаче (9) даже с бесконечно дифференцируемой F (х), не следует переоценивать. Рассмотрим характерную для упомянутой тенденции попытку решать задачу (9) с функцией [c.412]
Однако к моменту выполнения операции раскроя эти ограничения уже фиксируются. Остается обойти пороки и максимизировать некоторый показатель суммарную кубатуру или суммарную коммерческую цену или условные цены . Лучшее решение этих задач требует совершенствования стратегии т. е, оснастки, алгоритмов оптимизации, вплоть до разработки систем автоматической оптимизации. [c.269]
Дальнейшее повышение эффективности ТПШ связано с адаптацией и оптимизацией цикла обработки деталей в условиях случайного или неопределенного характера действующих факторов на основе разработки более совершенных алгоритмов и структур САУ. По различным оценкам автоматическая оптимизация режима обработки и формообразования деталей за счет адаптации системы управления к изменяющимся условиями ТПШ способна повысить производительность в 1.5...3 раза (3). Повышение качества продукции, как главной задачи машиностроения, также немыслимо без использования адаптивных САУ. До недавнего времени при оптимизации финишных операций критерий качества выступал как ограничивающее условие при выборе типа и параметров алгоритма управления режимом обработки деталей, а целью оптимизации являлось достижение экстремальных характеристик по производительности, себестоимости, приведенным затратам и т.д. Этому способствовали как сложившаяся ориентация на валовые показатели, так и недостаточная разработка проблемы в научном и прикладном аспектах. [c.141]
Разработанный и реализованный на ЭВМ эвристический алгоритм решения задачи включает два основных блока. В процессе реализации первого из них достигается соблюдение ограничения по равномерности распределения по кварталам объемов товарной строительной продукции, второго — осуществляется выравнивание по загрузке производственной мощности в отдельные периоды года. При этом план строительства объектов в последующие годы является естественным продолжением формируемой годовой программы работ. Ее изменение как в процессе оптимизации на стадии разработки, так и в ходе реализации неминуемо отразится на показателях производственной программы последующих лет. Тем самым применение модели позволяет реализовать принцип непрерывного планирования строительного производства. [c.193]
Практическое применение экономико-математических методов в планировании нефтеперерабатывающих производств требует создания специального программного обеспечения, реализующего алгоритмы параметризации, моделирования, оптимизации НПП и анализа решений. Автоматизация процессов построения модели и интерпретации результатов решений требует, как правило, разработки оригинальных программных средств, учитывающих структурные, функциональные и информацион- [c.178]
См., разработанный Дж. Данцигом, послужил исходным пунктом для разработки целого семейства алгоритмов решения как линейных, так и нелинейных выпуклых задач оптимизации. [c.322]
Комплексный алгоритм, таким образом, органически сочетает взаимную увязку алгоритмов распределения ресурсов, расчета параметров модели и оптимизации структуры локальной разработки с организационно-техническими мероприятиями. Следует отметить, что рассмотренные задачи планирования и управления не только связаны между собой, но и логически [c.18]
Выше было показано, что системы обслуживания и, в частности, системы организации проведения ГИС и ТОР объектов добычи и транспорта нефти и газа являются по своей сути замкнутыми системами массового обслуживания, которые имеют достаточно большое количество как источников заявок (например, скважин - до нескольких сотен), так и каналов обслуживания (например, геофизических партий, ремонтных бригад), которые в процессе организации работ разбиваются на участки (например, районные насосные управления, экспедиции, площади и т.д.), образуя совокупность замкнутых параллельно работающих СМО (точнее подсистем одной замкнутой СМО). Поэтому, говоря об оптимизации планов и расписаний проведения ГИС и ТОР в рассмотренном выше смысле необходимо также, говорить и об оптимизации структуры и функционирования соответствующих им замкнутых систем массового обслуживания, Актуальность поставленной задачи - разработка эффективного алгоритма поиска оптимальной структуры системы проведения ГИС и ТОР, определяется еще и тем фактором, что в рыночных условиях функционирования этих систем, одинаково плохо иметь как недостаток, так и избыток ресурсов в системе. [c.443]
В том случае, когда снижение точности осуществляется с расходами на создание специализированных средств измерений взамен универсальных, разработку менее точного метода и алгоритма обработки результатов измерений, доля эффекта, приходящегося на работы по оптимизации, определяется по формуле (5.2.14). [c.159]
Теоретическое решение любой задачи сводится к составлению алгоритма. Этому предшествует разработка математической модели задачи и метода вычисления, понимая под математической моделью оптимизации совокупность формул, уравнений, неравенств, критерия (или условий) оптимальности, определяющую при заданной исходной информации оптимальный процесс (в неявном или явном виде), а под методом вычисления — совокупность правил определения искомых величин на основе заданной математической модели при заданной исходной информации. [c.210]
Кибернетические аспекты предусматривают совершенствование системы управления производственным коллективом путем оптимизации процесса принятия и реализации управленческих решений на основе использования обратных связей, выявления неэффективных звеньев, разработки соответствующих алгоритмов. [c.21]
Лучшее возможное решение задачи может быть найдено разнообразными способами. В некоторых случаях задача может быть решена простым методом проб и ошибок, особенно если поиск решения не полностью автоматизирован, а проводится вручную . В других случаях могут потребоваться сложные процедуры и алгоритмы. Например, симуляция процесса эволюции (в генетическом оптимизаторе) — очень мощный метод поиска качественных решений для сложных задач. В некоторых случаях лучшее решение — аналитическая (вычислительная) процедура, например метод сопряженных градиентов. Аналитическая оптимизация — эффективный подход для задач с гладкими (дифференцируемыми) функциями пригодности, например задач, встречающихся при обучении нейронных сетей или разработке множественных моделей линейной регрессии. [c.48]
Место имитационного моделирования в составе экономико-математических методов. 2.Мысленные и машинные модели социально экономических систем. 3.Социально-экономические процессы как объекты моделирования. 4. Структура и классификация имитационных моделей. 5.Основные этапы процесса имитации. 6.Определение системы, постановка задачи, формулирование модели и оценка ее адекватности. 7.Экспериментирование с использованием ИМ, механизм регламентации, интерпретация и реализация результатов. 8.Организационные аспекты имитационного моделирования. 9.Основные компоненты динамической мировой модели Форрестера. 10.Концепция петля обратной связи . И.Структура модели мировой системы. 12. Каноническая модель предприятия. 13.Моделирование затрат предприятия. 14.Моделирование налогообложения. 15.Использование имитационного моделирования для планирования. 16.Содержание процессов стратегического и тактического планирования. 17.Основные модули системы поддержки принятия решений. 18.Сущность статистического ИМ. 19.Метод Монте-Карло. 20.Идентификация закона распределения. 21.Классификация систем МО. 22.Сущность метода экспериментальной оптимизации. 23.Формирование концептуальной модели. 24.Принципы выбора критерия оптимальности, разработка алгоритма оптимизации. 25.Эвристические алгоритмы поиска решений. 26.Управленческие имитационные игры, их природа и сущность. 27. Структура и порядок разработки управленческих имитационных игр. [c.121]
Проблемы теории и практики. Решение задачи синтеза цели требует разработки методов и средств получения информации об окружающей среде и эффективной идентификации собственного состояния, как объекта управления, так и самой системы. При формировании цели возникает проблема достаточности базы знаний, а следовательно, и памяти, возможности их реализации как на содержательном, так и на конструктивном уровне. Динамическая экспертная система выполняет расчет, оптимизацию, прогноз и моделирование результатов, поэтому должна обладать высоким быстродействием. Потенциал, накопленный при разработке алгоритмов принятия решений и выработки управления, может успешно использоваться в интеллектуальных системах, однако потребуется распараллеливание алгоритмов и их мультитранспьютерная реализация и, конечно, не исключается синтез новых, эффективных параллельных алгоритмов. Источником возмущающего воздействия для интеллектуальной системы является окружающая среда, а функционирование системы должно обеспечить в конечном итоге компенсацию этого воздействия. И.П. Павлов писал Вся жизнь — от простейших до сложнейших организмов, включая, конечно, и человека, есть длинный ряд все усложняющихся до высочайшей степени уравновешиваний внешней среды. Придет время, пусть отдаленное, когда математический анализ, опираясь на естественнонаучный, осветит величественными формулами уравнений все эти уравновешивания, включая в них и самого себя (Павлов И.П. Поли. собр. соч. Т.З. С.124-125). [c.9]
Раскрой древесного ствола по длине. Очищенный от сучков ствол (хлыст) раскраивается по длине на круглые сортименты (пиловочник, шпальник, кряжи, баланс, рудстойка и т. п.). Уже эта первая операция раскроя (раскряжёвка) должна быть нацелена на максимизацию окончательной продукции. Здесь оптимизация раскроя возможна на механизированном нижнем складе леспромхоза или складе сырья лесозавода. Она требует сосредоточения разных заказов, автоматизации всех этапов работы выявления пороков, геометрических обмеров, разделки ствола, сортировки продукции по размерам и качеству. Алгоритмы оптимизации раскроя реализуемы в меру их соответствия внедренной механизации. Но опережающая разработка алгоритмов стимулирует и само развитие механизации, предсказывая ожидаемую экономию сырья. [c.266]
Анализ перечисленных и других существующих генетических пакетов программ алгоритмов многокритериальной оптимизации, а также доступного программного обеспечения показал, что разработано множество алгоритмов со своими методиками для решения различных задач оптимизации. Однако ранее не рассматривалось решение нечеткой обобщенной распределительной задачи, которая является многокритериальной, с нечетко поставленной целью и ограничениями. Все выше сказанное послужило основанием для разработки генетического алгоритма поиска оптимального решения нечеткой распределительной задачи в рамках системы MATLAB. [c.512]
По принципиальной схеме алгоритма нормирования труда различают поисковую (одновариантную) и оптимизирующую (многовариантную) системы нормирования труда [4]. Поисковая система предусматривает одновариантный расчет норм труда на основе нормативных материалов. В этом случае машинный алгоритм расчетов дублирует расчет норм вручную по нормативам. Оптимизацию режимов, технологического и трудового процессов и норм осуществляют на стадии разработки нормативных материалов. [c.308]
Другая важная проблема, тесно связанная с согласованием решений,— формирование и согласование целей (критериев оптимальности) различных уровней. При декомпозиционном подходе к построению С. о.-м. м., используемом гл. обр. для разработки моделей планирования, общая цель для всей системы задана, а целевые функции составных частей формируются исходя из этой общей цели. Методика декомпозиции целей хорошо разработана для моделей оптимального планирования, базирующихся на методах блочного программирования. При синтотич. подходе, более универсальном и реалистичном, целевые функции частей (напр., групп населения) являются исходными, заданными. Задача состоит в определении такого взаимодействия частей внутри системы и такого порядка функционирования, при к-ром вся система в целом достигла бы решения, соответствующего глобальной цели. Проблемы синтеза общем цели на основе частных ставятся и решаются в теории игр, моделях векторной оптимизации, моделях экономич. равновесия, теории принятия групповых решений, а также методами имитационного моделирования. В имитационных моделях, понимаемых достаточно широко, переменными или варьируемыми параметрами могут выступать алгоритмы принятия решений отд. подмоделями, а также алгоритмы согласования решений. Следовательно, задача состоит в нахождении такого набора алгоритмов, имитирующих функционирование экономич. системы, при к-ром получаемое общее решение наилучшим образом соответствует глобально] цели системы. [c.558]
Методы линейного программирования разработаны для проблем оптимизации, затрагивающих линейные функции пригодности или расходов с линейными ограничениями параметров или входных переменных. Линейное программирование обычно используется для решения задач по распределению активов. В мире трейдинга одно из возможных применений линейного программирования СОСТОИТЕ поиске оптимального размещения денежных средств в различные финансовые инструменты для получения максимальной прибыли. Если оптимизировать прибыль с учетом возможного риска, то применятьлинейные методы нельзя. Прибыль с поправкой нариск не является линейной функцией весов различных инвестиций в общем портфеле, здесь требуются другие методы, к примеру генетические алгоритмы. Линейные модели редко бывают полезны при разработке торговых систем и упоминаются здесь исключительно в ознакомительных целях. [c.59]
В процессе исследования и изучения математических методов [8, 48, 63, 64, 72, 73, 74, 78, 96, 114, 124, 127], а также современных подходов к ресурсному планированию MRP, ERP, SRP [11, 23, 33, 55], нами были осуществелены попытки разработки нескольких вариантов модели оптимизации ассортимента, а также целевой функции 1) на основе теории систем массового обслуживания 2) на основе ранжирования альтернатив по критериям важности, коэффициенту запаса времени и риска 3) на основе динамической оптимизации суммарного коэффициента важности, рассчитываемого с использованием матрицы рентабельность - риск . Были разработаны соответствующие алгоритмы и целевые функции оптимизации. В результате оказалось, что данные модели обладают рядом недостатков и не могут учесть ряда факторов, указанных в 4.2, и, следовательно, решить поставленных в исследовании цели и задач. [c.61]
Смотреть страницы где упоминается термин Разработка алгоритма оптимизации
: [c.4] [c.27] [c.158] [c.146] [c.40] [c.19]Смотреть главы в:
Имитационное моделирование экономических процессов -> Разработка алгоритма оптимизации