Стохастическое расширение задачи 28, [c.396]
Вероятностный характер задач планирования часто объясняется неполнотой информации об их условиях. Бывает, однако, и так, что сложную детерминированную задачу, для точного решения которой требуется слишком большой объем вычислений, целесообразно привести к вероятностному виду, хотя вся информация известна. Это называется "стохастическое расширение детерминированной задачи". Объем вычислений при этом существенно сокращается. Образно говоря, модель как бы рассматривается издалека детали исчезают, но зато общая структура задачи становится более ясной, обозримой. [c.348]
Стохастическое расширение детерминированной задачи 348 [c.490]
Прикладные модели стохастического программирования можно разделить на два больших класса. В моделях первого класса влияние случайного фактора является определяющим и задача с самого начала ставится как стохастическая. Модели второго класса представляют собой стохастическое расширение сложных детерминированных задач управления. [c.29]
Стохастическое программирование позволяет по-новому подойти к решению задач, информационная структура которых (естественная или определяемая стохастическим расширением) известна заранее. Процесс решения задачи стохастического программирования может быть разделен на два этапа. Первый — предварительный этап — обычно весьма трудоемкий. На первом этапе строится закон управления — решающие правила или решающие распределения, связывающие решение или механизм формирования решения с реализованными значениями и заданными статистическими характеристиками случайных параметров условий задачи. Предварительный этап не требует знания конкретных реализаций значений параметров целевой функции и ограничений. Построение решающих правил или распределений требует лишь информации о структуре задачи и о некоторых статистических характеристиках случайных исходных данных. Поэтому процесс конструирования решающих механизмов не стеснен обычно недостатком времени и может начинаться с момента осознания важности задачи, как только построена стохастическая модель и проверено ее соответствие изучаемому явлению. Затраты времени и ресурсов на подготовку решающих правил или распределений обычно оправдываются. Полученные при этом законы управления позволяют решать не только отдельные конкретные задачи они применимы для. множества задач заданной информационной структуры. Решающие правила или распределения — это формулы, таблицы, инструкции или случайные механизмы с фиксированными или меняющимися в зависимости от реализации случайных параметров условий статистическими характеристиками. На втором этапе анализа стохастической модели решающие правила или распределения используются для оперативного решения задачи. Второй этап естественно называть оперативным этапом анализа стохастической модели. [c.30]
Стохастическое программирование определяет новый подход к алгоритмизации управления в сложных системах. Математическое обеспечение сложных экстремальных управляющих систем целесообразно компоновать не из алгоритмов решения экстремальных задач, а из решающих правил соответствующих стохастических расширений. При этом формирование законов управления — решающих правил или решающих распределений— связывается не с оперативной работой, а с этапом проектирования управляющей системы. [c.31]
Стохастическое программирование и, в частности, стохастическое расширение открывают, таким образом, путь оперативного анализа сложных задач, альтернативой которому являются экспертные оценки и волевые решения. [c.31]
В периодической литературе последних лет обсуждается большое число моделей планирования, управления и проектирования в условиях неполной информации., К сожалению, гораздо меньше появляется работ по конструктивным методам анализа таких моделей. Именно поэтому в монографию наряду с общими, как правило, трудоемкими методами анализа задач стохастического программирования включено значительное количество частных методов, каждый из которых эффективен для ограниченного круга приложений. Представляется, однако, что некоторое разнообразие частных методов, нарушающее иногда единый подход к исследованию моделей стохастического программирования, не нанесет ущерба целеустремленному изложении)1 материала и оправдает себя расширением диапазона возможных приложений и интересом к ним со стороны специалистов по сложным системам различного профиля. [c.7]