Очевидно, что задача минимизации затрат (3.4) при условиях (3.1), (3.2), (3.3 ) является обычной транспортной задачей. [c.165]
Мы не будем описывать здесь методы решения задачи минимизации функции V по параметрам s и -5 (читатель может найти методы ее решения в книгах, посвященных задачам хранения запасов )). В частном случае, когда функция /(Z) подсчитывается по формуле [c.217]
Очевидно, что в этом случае задача минимизации затрат (3.4) при условиях (3.1), (3.2) является обычной транспортной задачей. Рассмотрим теперь задачу оперативного планирования другого типа. Пусть исследуемый нами участок мелкосерийного производства составлен из станков разных типов (по одному станку каждого типа) и деталь каждого типа должна пройти обработку, вообще говоря, на станке каждого типа. Пусть всего имеется п разнотипных станков и т типов деталей. Время обработки одной детали типа i на станке типа j обозначим через afl (i = 1,..., п j = 1,. .., /га). Суммарное время, которое может использоваться станком за смену, равно Т, так что если обозначить через xt количество деталей типа /, выпускаемых за смену, то [c.176]
Если Т ограничено, то возникает задача минимизации целевой функции [c.118]
На последующих примерах мы рассмотрим графический метод решения задачи линейного программирования. В предыдущем примере мы рассматривали задачу максимизации, где все ограничения были выражены в виде неравенств, т. е. < . В принципе, задачи линейного программирования могут иметь различные по виду ограничения, то есть там может быть сочетание >,< и =. Но и задачи минимизации также важны. Так, компания может поставить задачу минимизировать затраты, рабочее время и убытки. На последующих примерах мы и рассмотрим применение графического метода в таких случаях. [c.272]
На предыдущих примерах мы рассмотрели симплексный метод решения задач по максимизации объективной функции при ограничениях со знаком < , например х < 250 и Зх + 2у < 3000. В этом разделе мы рассмотрим задачу минимизации объективной функции при ограничениях со знаком > . Это применимо в ситуациях, когда мы хотим минимизировать издержки производства за счет более жестких ограничений по использованию рабочего времени, людских и материальных ресурсов, а также машинного времени. [c.285]
Примеры такого рода могут быть преобразованы в задачи максимизации с последующим применением методов, описанных в предыдущем разделе. Если имеется задача минимизации, тогда соответствующая задача максимизации называется двойственной. Процесс решения двойственной задачи показан на последующих примерах. [c.285]
Вместо решения этой задачи как задачи максимизации мы преобразуем эту информацию в задачу минимизации. [c.300]
То есть мы преобразовали информацию в задачу минимизации, как это показано в таблице ниже [c.300]
Если случайные величины Е, имеют нормальное распределение, то уравнение (8.34) может быть оценено методом максимального правдоподобия (см. 2.7). Так как в случае нормального распределения ошибок регрессии оценки максимального правдоподобия совпадают с оценками метода наименьших квадратов, на практике применение этого метода к модели (8.15) сводится к нелинейной задаче минимизации по а, р, у и Р функции [c.205]
Таким образом, локальная задача оптимизации кратности запасов газа поставлена как задача минимизации математического ожидания затрат на геологоразведочные работы при условии, что обеспечивается заданный уровень потенциальной надежности перспективного-плана добычи газа в рассматриваемом газодобывающем районе. [c.74]
Этот граф можно сделать раскрашенным, т.е пометить различным цветом дуги, относящиеся к разным информационным элементам. Тогда задача минимизации информационных по- [c.83]
На втором этапе решается задача минимизации (5.5) на заданном множестве значений х [c.146]
Характеристики средних и предельных затрат. Общая задача минимизации затрат 3 на производство продукции имеет вид [c.33]
Матрица, где число строк равно числу столбцов, называется квадратной матрицей. Благодаря обобщенной форме задачи минимизации V для данного Е, мы всегда будем иметь дело с квадратными матрицами коэффициентов. Единичная матрица, полученная с помощью построчных операций, эквивалентна первоначальной матрице коэффициентов. Ответы для нашей системы уравнений можно получить из крайнего правого вектора-столбца. Единица в первой строке единичной матрицы соответствует переменной Х поэтому значение на пересечении крайнего правого столбца и первой строки будет ответом для Xi Таким же образом на пересечении крайнего правого столбца и второй строки содержится ответ для Х2 так как единица во второй строке соответствует Х2 Ис- [c.191]
Действительно, в этом случае задача минимизации затрат при [c.39]
VQ. Перед экономическим агентом возникает задача минимизации ожидаемых [c.99]
Тогда задача минимизации затрат на перемещение ресурса за- [c.74]
Легко показать, что задача минимизации 8 сводится к задаче [c.13]
Второй метод основан на решении задачи минимизации затрат [c.19]
Решим задачу минимизации суммы оценочных функций. Это [c.14]
Может быть поставлена задача минимизации времени выполнения проекта [c.126]
Задача минимизации 0 является частным случаем известной задачи [c.187]
Выше мы описали методы решения задач минимизации [c.47]
Рассмотрим методы решения задачи минимизации резерва [c.47]
В предыдущих разделах мы рассмотрели задачу минимизации [c.36]
До сих пор мы рассматривали задачу минимизации [c.41]
Для решения задачи минимизации сети по стоимости известен [c.53]
Задача минимизации времени реализации мультипроекта решается [c.60]
Эта оценка отклонения также широко используется в науке она называется равномерной, или чебышевской метрикой. Очевидное преимущество оценки (5.3) над оценкой (5.4) состоит в том, что для функции, линейной относительно параметров, решить задачу минимизации отклонения (5.4) значительно сложнее, чем для отклонения (5.3). Существуют, однако, н более глубокие причины, способствующие широкому использованию метода наименьших квадратов. До сих пор мы придерживались первой интерпретации природы отклонения теоретических значений У) от наблюдавшихся г/и) при любых значениях параметров считалось, что простая функция (5.2) аппроксимирует более сложную истинную производственную функцию. Если же перейти ко второй интерпретации, то при выполнении предположения о нормальном распределении возмущения е и независимости возмущений в разных наблюдениях метод наименьших квадратов дает наилучшие (в определенном смысле) оценки неизвестных параметров. [c.112]
Почему же имеет место JSf-неэффективность, которая, очевидно, ведет к снижению прибыли Ответ состоит в том, что цели менеджеров, например рост фирмы, уклонение от предпринимательского риска, сокращение своих нагрузок, обеспечение работой некомпетентных родственников и друзей, могут противоречить задаче минимизации издержек. Jif-неэффективность может также возникнуть на той фирме, где недостаточно простимулированы работники или применяются упрощенные эмпирические методы принятия решений без учета расчетов издержек и доходов. [c.544]
Однако не следует забывать, что все операции, проводимые на рынке Форекс, имеют высокую степень риска. В связи с этим моя основная цель при написании этой книги — помочь читателю сохранить и преумножить капитал, а не потерять его. Задача минимизации потерь всегда остро стояла в любом виде бизнеса, тем более она является сверхактуальной для трейдера на рынке Форекс. При этом требования к трейдеру как к личности очень высоки. Известный трейдер / 1 /, попросивший не называть его имени, говорит Мне неприятно об этом говорить, но люди, которым удалось преуспеть в этом бизнесе, работают в два раза больше любых других профессионалов. Их стимулы серьезнее, и они обладают таким набором способностей, которого нет ни у кого больше. С этим ничего не поделаешь, потому что это чисто генетическая предрасположенность. Вы не повысите коэффициент вашего интеллекта до 150, если родились с коэффициентом 100 . Очень многие, по его мнению, не представляют себе, как трудно достичь ус- [c.5]